# 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。
- 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。
- 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。
# 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