常见数据分析模型（1）——行为事件分析

在用户行为领域，通过数据分析方法的科学应用和理论推导，可以相对完整地揭示用户行为的内在规律。在此基础上，帮助企业通过数据分析实现多维交叉分析，帮助企业建立快速响应和适应变化的敏捷商业智能决策。结合最近的思考和学习，我们将介绍不同的用户行为数据分析模型。本文主要介绍了常见的数据分析模型-行为事件分析。

一、什么是行为事件分析？

行为事件分析方法研究了行为事件对企业组织价值的影响和影响程度。企业可以跟踪或记录用户行为或业务流程，如用户注册、浏览产品详细信息页面、成功投资、现金提取等。，并通过研究与事件相关的所有因素来挖掘用户行为事件背后的原因和互动影响。

在日常工作中，运营、市场、产品和数据分析师根据实际工作情况关注不同的事件指标。例如，在过去三个月中，哪个渠道的用户注册率最高？变化趋势如何？每个时期的人均充值金额是多少？根据年龄组的分布，上周北京发生的独立用户数量是多少？每日独立 Session 数是多少？在查看此类指标的过程中，行为事件重要作用。

二、行为事件分析的特点和价值:

行为事件分析法具有较强的筛选、分组和聚合能力，逻辑清晰，使用简单，已被广泛使用。行为事件分析方法一般通过事件定义和选择、下钻分析、解释和结论。

事件的定义和选择。事件描述了一个用户在某个时间点、某个地方以某种方式完成特定的事情。Who、When、Where、What、How它是定义事件的关键因素。

Who 是参与事件的主体。对于未登录的用户，可以是 Cookie、设备ID 等匿名 ID ；对于登录用户，实际用户可以使用后台配置ID；

When 是事件发生的实际时间，应准确记录到毫秒；

Where 即事件发生地点，可通过IP根据 GPS 定位获取地理位置信息。

How 是用户从事此事件的方式。设备、浏览器、 App 版本、渠道来源等；

What 描述用户所做事件的所有具体内容。例如，对于购买事件，可能需要记录的字段有：商品名称、商品类型、购买数量、购买金额、付款方式等。

多维钻井分析。最有效的行为事件分析应支持任何钻井分析和精细条件筛选。当行为事件分析合理配置跟踪事件和属性时，可以激发事件分析的强大潜力，回答企业的变化趋势、维度比较等细分问题。同时，您还可以通过添加筛选条件来仔细检查符合某些特定条件的事件数据。

解释和结论。本环节应合理解释分析结果，判断数据分析结果是否符合预期，如判断产品细节优化是否增加触发用户数量。如果相反，则应重新分析和实证不足的部分。

三、行为事件分析应用场景

场景1：共同黄金行业常见行为事件分析

一位互联网金融客户运营商发现，新浪渠道的 4 月 10 日PV 数异常标高，需要快速调查原因:是流量异常还是流量虚假？

企业可以首先定义事件，并通过筛选条件将广告系列的来源限制为新浪。然后从地理位置、时间、广告系列媒体、操作系统、浏览器等多个维度进行细分和钻孔。当进行细分筛选时，虚假流量无处藏身。下图显示了来自新浪的城市浏览页面的总数。

图片 1 新浪各城市浏览页面总次数

消除虚假流量后，运营商可以分析其他用户的行为。通过成功投资事件，检查每个时期的投资金额。如果您想知道每种产品类型的投资金额，请根据产品类型进行分组检查。如图2所示。

图2 不同产品投资成功的支付金额的总和

当用户投资到期时，后续行为可能是提现或继续投资，运营商可以实时关注提现率的变化趋势。

图3 用户投资到期后提现率的变化

值得强调的是，行为事件分析方法是与其他分析模型密不可分的多种数据分析模型之一。只有每个分析模型实现科学的互动与合作，才能科学地揭示用户个人/群体行为的内部规律，并进行理论推导，在工作实践中不断优化业务决策和产品智能。

您可能仍然感兴趣：

常见数据分析模型(4)-留存分析

常见数据分析模型(3)-用户群

常见数据分析模型(2)-漏斗分析

作者乔一鸭：神策数据运营：