分布分析

一、分布分析的意义

分布分析模型可以根据每个用户(分析主体)聚合后的总完成次数、天数或属性值划分区间，查看不同区间用户的数量及占比。以下是常见的分析场景

1. 事件频率(次数)：按用户每天参与战斗次数划分区间，查看每天不同战斗次数的用户数量
2. 用户黏性(天数)：按用户在过去七天的登录天数，区分不同黏性的用户进行后续分析
3. 属性值：按一段时间内，充值的累计付费金额将用户拆分为大中小R，并查看不同等级用户数量占比

二、分布分析的位置和适用角色

在顶部导航栏中的“行为分析”中选择“分布分析”，即可进入分布分析模型：

	公司超管	管理员	分析师	普通成员
分布分析模型	●	●	▲	△

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

三、分布分析的页面概览

同其他模型一样，分布分析也是由“指标设置区”、“筛选展示区”、“图表展示区”三部分组成

3.1 指标设置区

3.1.1 用户参与事件的设置

类似事件分析，分布分析设置用户参与事件时可以选择(「事件」+「属性」+「计算方法」)或直接(「事件」+「计算方法」)，但支持的计算方法和事件分析有区别，具体见下：

事件	属性	计算方法
任意事件		次数、天数、小时数
元事件		次数、天数、小时数
元事件	事件属性（数值）	总和、均值、最大值、最小值、去重数
元事件	事件属性（布尔）	为真数、为假数、为空数、不为空数、去重数
元事件	事件属性（文本、时间、列表）	去重数

这里同样支持切换为指标公式，查看用户基于指标公式得出的数值的分布情况

3.1.2 分布区间的设置

点击小齿轮icon可以打开区间设置，默认情况下会选中“默认区间”，所有选项的逻辑都和数值类型属性在分组项里的区间设置完全一致。

计算方法	单位
次数	次
天数	天
小时数	小时
数值型属性的值（去重数除外）	与属性单位一致
去重数或其他角度	“无”

3.1.3 筛选条件的设置和交互

1. 筛选条件的设置

可以对该事件下的事件属性或用户属性或用户分群进行筛选，筛选条件支持且或逻辑，同事件分析一致

筛选项目的数据类型	举例	可支持的筛选逻辑关键字
数值	消费金额	等于、不等于、小于、小于等于、大于、大于等于、有值、无值、区间
文本	省份	等于、不等于、包含、不包含、有值、无值、正则匹配
列表	ID 名单	存在元素、不存在元素、元素位置、有值、无值
时间	注册时间、最后活跃日期（yyyy-MM-dd HH:mm:ss.SSS 或 yyyy-MM-dd HH:mm:ss）	位于区间、小于等于、大于等于、相对当前日期、相对事件发生时刻、有值、无值
布尔	Wifi 使用	为真、为假、有值、无值
对象	玩家资源快照	有值、无值
对象组	出征阵容	存在对象满足、没有对象满足、全部对象满足、有值、无值

如果筛选条件使用了用户分群，可以选择「属于分群」或者「不属于分群」

2. 筛选条件的交互

3.1.4 重命名

选择“重命名”后，可以对分析内容重命名，该重命名会显示在表格中

3.1.5 同时展示选项的选择

基于某一分布区间的用户，可以通过同时展示选项继续深入分析。

点击「同时展示」按钮，会出现新的选项，名称为「同时展示各区间用户参与」，可以选择(「事件」+「属性」+「计算方法」)或直接(「事件」+「计算方法」)，选项同事件分析模型一致

事件	属性	计算方法
任意事件		总次数、触发用户数、人均次数
事件		总次数、触发用户数、人均次数
事件	事件属性（数值型）	总和、均值、最大值、最小值、人均值、去重数、99分位数、95分位数、90分位数、80分位数、75分位数、70分位数、60分位数、40分位数、30分位数、25分位数、20分位数、10分位数、5分位数
事件	事件属性（列表型）	列表去重数、列表元素去重数
事件	事件属性（布尔型）	去重数、为真数、为假数、为空数、不为空数
事件	事件属性（非数值、布尔型）	去重数

需要注意，同时展示选项的触发用户数是当前选择的分析主体的去重数，并非用户唯一ID的去重数；目前同时展示指标暂不支持下钻，也不支持保存为结果分群。

3.1.6 用户的分组

(1)分组查看对象的选项

分组项可选择事件的事件属性或者用户属性、用户分群、用户标签。（当分析对象为任意事件时，事件的事件属性为事件公有属性）

(2)数值型、时间型、列表型数据的汇总

数值型数据可按照区间进行汇总，有默认区间、离散数字、自定义区间三种选项。

时间型数据可按照时间粒度进行汇总，有按天、按分钟、按小时、按周、按月五种选项。

列表型数据可选择按元素、按列表整体、按元素集合三种选项汇总。

3.2 筛选展示区

3.2.1 初始分析页面及选项

有分析时段、分析粒度、分组选中项、图表样式可供选择，可导出表格或全量下载数据。如果指标设置区中有设置同时展示选项，则在筛选展示区显示「只看同时展示数据」选项。

3.2.2 各选项的默认设置和选择范围

分析时段： 将决定分析数据的时间范围区间，默认选中“最近 7 天(动态时间)”

分析粒度： 默认选中“按天”；可选择按天、按周、按月、合计。当选择“按周”或“按月”时，会将分析时段按实际粒度补全，补充方法与事件分析模型相同

分组选中项： 分组选中项为总体或可能的分组项，为单选框，该选项在图表类型仅在图表样式不为表格时有效

图表样式： 有表格、数值分布、百分比分布、直方图、折线图、柱状图

只看同时展示数据： 默认未勾选，选中后图表展示区内各图表均只按同时展示的指标绘制

3.3 图表展示区

根据用户所选的时间粒度，以及是否勾选「只看同时展示数据」，展示的图表类型也有区别

是否勾选只看同时展示数据	时间粒度	展示的图表类型
未勾选只看同时展示数据	非合计	表格、数值分布、百分比分布
未勾选只看同时展示数据	合计	表格、直方图
勾选只看同时展示数据	非合计	表格、折线图
勾选只看同时展示数据	合计	表格、柱状图

注意：未勾选「只看同时展示数据」，可能有两种情况：

1. 左侧指标设置区未设置「同时展示」指标
2. 左侧指标设置区有设置「同时展示」按钮，但筛选展示区未勾选「只看同时展示数据」选项

3.3.1 表格

3.3.1.1 表格主体结构

• 第一行为表格标题，从左往右分别为事件发生时间、全部用户(分析主体)、区间1、区间2……
• 表格里的内容从上到下分别为：该区间的用户(分析主体)数量、占比、同时展示指标
• 鼠标移动到表格时，会显示该单元格对应的数据逻辑

3.3.1.2 事件发生时间

• 事件发生时间的区间由分析时段决定
• 按照分析粒度，将时段拆分并补全，如“2021-09-06当周”、“2021-09月”

3.3.1.3 分组详情的影响

分组详情为单选框，表格状态下时，该选项不影响表格的展示，即仍然展示全部数据。

3.3.1.4 分组的展示逻辑

1. 可收起或展开分组项。当展开分组项时，可展开多个日期下的分组项
2. 分组的排序按照该日期下的总人数进行排序
3. 每个用户的分组属性按照实际发生行为时的属性进行统计
4. 总共记录 1000 项可能的“日期+分组”数据，完整数据可选择「以页面格式下载全量数据」
5. 支持下钻到用户列表，可通过下划线进入用户列表，并进一步查看单个用户的用户行为序列

3.3.1.5 多分组项下的展示逻辑

展开时，可同时查看多个分组项交叉下的数据

3.3.2 数值分布、百分比分布

展示场景：未勾选只看同时展示数据、时间粒度为非合计

每种颜色(图形)代表该区间的用户数或者占比情况随日期变化的趋势。如果在指标设置区设置了分组项，可点击「分组」下拉列表切换，默认为「总体」

3.3.3 直方图

展示场景：未勾选只看同时展示数据、时间粒度为合计

每个柱子代表该区间的用户数。如果在指标设置区设置了分组项，可点击「分组」下拉列表切换，默认为「总体」

3.3.4 折线图

展示场景：勾选只看同时展示数据、时间粒度为非合计

每条折线代表该区间用户的同时展示指标随日期变化的趋势。如果在指标设置区设置了分组项，可点击「分组」下拉列表切换，默认为「总体」

3.3.5 柱状图

展示场景：勾选只看同时展示数据、时间粒度为合计

每个柱子代表该区间用户的同时展示指标。如果在指标设置区设置了分组项，可点击「分组」下拉列表切换，默认为「总体」

四、分布分析的使用

4.1 常见的使用场景

1.初始分析场景

初始按总体分析，如分析一周内，每天玩家活跃小时数情况

2.按指定分组查看分析场景

如按省份查看，各省份一周内，每天玩家活跃小时数情况

3.按时间查看分布的人数变化趋势

4.按时间查看分布的人数百分比变化趋势

4.2 数据计算逻辑

4.2.1 分组的归属

在按分析粒度的细分时间内，当用户参与分析对象时，即计入数据

如果按分组查看（事件属性、用户属性或用户分群），那么在具体的分组值中记录这次行为。

举例来说： 小明、小美 1月1日分别在上海、杭州、宁波三地充值，具体充值次数如下

	上海	杭州	宁波
小明	1	2	3
小美	9	6	3

	上海	杭州	宁波	总体
小明	1	2	3	按总体=6、18
小美	9	6	3
按城市	上海=1、9	杭州=2、6	宁波=3、3
按省份	上海=1、9	浙江=5、9

4.2.2 分组的取值与展示上限

1. 先从整个时间区间的总数据按分组进行计算，当可能的分组数超过 1000 项时，取总数值最多的 1000 项作为具体的分组类。并以这个排序作为分组详情中的排序。
2. 查看某个具体日期时，可展开该日期下的具体分组。

五、最佳实践

5.1 了解参与行为的分布情况

分布分析在设置上与事件分析非常类似，从算法上来看，分布分析也可以视为事件分析指标的一种下钻，事件分析中可以获取聚合的总和以及人均值，可以计算出集中量数。而分布分析模型则可以直接将指标的完整分布情况计算出来，可以更为细致地描述实际的参与情况，从而进一步了解集中量无法表达的部分。

5.2 获得高价值用户

通过分布分析对用户的付费金额进行分簇，可以获取各个付费档位的用户数，并支持进行进一步的用户分群，那么通过对高付费档次的用户进行分群，可以很方便地获取高价值用户。将付费金额替换成其他值得关注的行为，同样可以对高参与度的用户进行分群，从而获取高价值用户。

5.3 查看不同金币消耗量用户的金币收支情况

维护游戏内虚拟货币的产出及支出平衡是运营的日常工作。以金币为例，首先按照每个用户的金币消耗量设置区间，将用户分为不同的组别，然后设置同时展示指标：金币获得量人均值 - 金币消耗量人均值。在表格内，可以通过正负分析经济系统是否健康，并细分到每个组别的情况。