menu
Is this helpful?

# 间隔分析

间隔分析可以用来分析两次事件之间的时间间隔,了解用户某一核心行为的发生频率,或者作为漏斗分析的补充,除了分析步骤间转化率外,您也能更详细地了解转化时长。

在间隔分析中,您可以得到下面问题的答案:

  • 用户注册后到破冰付费,平均需要多久?
  • 从打开应用到实际进入的耗时存在异常,是否某个渠道的安装包出了问题?
  • 用户需要在第一章驻留多长时间才能进入到后续的章节?

# 间隔的统计逻辑

在分析事件间隔前,您需要先了解间隔的计算逻辑。

  1. 如果您希望分析不同事件的间隔,如注册到首次付费,模型采用最短间隔原则,对连续的起点事件仅从最后一个开始计算间隔;同样地,起点事件也仅与后续出现的首个终点事件计算间隔。

举例来说,如果一个用户的行为路径是:A1 -> A2 -> B1 -> B2,此时仅视为一个间隔 A2 -> B1;如果行为路径是:A1 -> B1 -> A2 -> B2,则会产生两个间隔 A1 -> B1、A2 -> B2。

  1. 如果您想分析的是相同事件的间隔,比如用户连续两次付费事件时间间隔的中位数,此时任意相邻的两条事件都产生一个间隔,即N条事件将会产生N-1个间隔。

举例来说,如果一个用户的行为路径是:A1 -> A2 -> A3 -> A4,此时会产生三个间隔:A1 -> A2、A2 -> A3、A3 -> A4。

# 配置间隔事件

间隔分析中,您需要选择分析主体与起点事件、终点事件,只有同一个分析主体依次完成起点事件和终点事件才视为一次间隔。

您还需要设置间隔上限,上限最大为180天(180*24小时),最小为1分钟。间隔分析将会在计算所有间隔的数据后,排除所有超过上限的间隔数据。如果您无法确定上限设置多少合适,可以在查看间隔统计数据的同时不断调整,以确定最佳的间隔上限。

为了得到更符合口径的间隔,您还可以“使用关联属性”,为起点事件和终点事件分别选择要使用的属性,两者的属性类型必须一致。配置后,此时不仅要求用户按照先后顺序完成起点事件和终点事件,还要求这些事件的属性值完全相同,属性值为null的事件将不会被用来计算。

如果您选择的是数值型属性,还可以设置属性值相差多少。比如要分析关卡的驻留情况,起点和终点事件都是通过关卡,通过关联属性要求终点事件的关联属性值比起点事件的高1,此时可以得到关卡1->关卡2->……的转化时长,剔除同一关卡反复通关对分析的影响。

您也可以通过筛选过滤数据,或者通过分组项对比分析

# 查看间隔统计数据

间隔分析提供两种图表类型,您可以根据分析目的选择。

  • 盒须图

如果您希望查看事件间隔的聚合统计情况,如最大值、上四分位、中位数、下四分位与最小值等,可以选择盒须图展示。如果您选择的是时间粒度不是合计,盒须图将展示随日期变化的情况。

除了上面的指标外,表格中还会展示人数、次数及平均值指标,您可以点击完成人数进入用户列表,查看这批分析主体的明细信息。

  • 直方图

如果您希望查看事件间隔的分布统计情况,可以选择直方图展示,模型会按设置的间隔上限等分为12个区间,并通过直方图展示每个区间的间隔人数或间隔次数。

和盒须图一样,您还可以在表格中快速查看不同分组的数据表现,或者查看异常区间的分析主体的明细信息。

# 权限说明

公司超管 管理员 分析师 普通成员
间隔分析模型




权限说明:

● 角色必有

▲ 角色默认有,可以没有

△ 角色默认没有,可以有

○ 角色必没有