Mob统计分析功能详解 精细化运营必备

一、数据模型

1、事件模型


用户在客户端,web上产生的任何行为我们都 可

以抽象为一个事件(事件即就是 谁在什么时间什么环境下做了一件什么样的事情),Mob统计分析整套系统都是基于事件模型来构建的。

例如下图“激活优惠券”为一个事件,为5057**用户在2017-10-18 12:52:45触发,其包含两个数据“优惠券金额=94”、“优惠券名称=618优惠券”

事件属性主要包含“自定义属性”及“触发环境(预设属性)”,自定义属性需要用户在接入数据时传入(包含字符型、整形、浮点数型,建议用户在初次传入时确定数据类型)

触发环境(预设属性),为系统的预设属性,在SDK端,SDK会自动采集,主要包含如下列表

预设属性。事件发生的环境名称类型是否必填说明_trackChannelstring否触发端_versionstring否版本_channelstring否渠道_networkTypestring否网络类型。_carrierint否运营商编码。_factorystring否设备品牌_modelstring否设备型号_browserTypestring否浏览器品牌_browserVersionstring否浏览器版本_platint否操作系统平台。1=android,2=ios,3=wap,4=pc,5=server_sysverstring否操作系统版本号_screenHeightstring否屏幕高度_screenWidthstring否屏幕宽度_duidstring否设备id_countrystring否国家_ipstring否ip_longistring否经度_latistring否纬度_provincestring否省份_citystring否城市

2、用户模型

用户属性及与用户相关属性,比如vip等级,生日、所属省份等。Mob统计分析提供接口用户记录这些用户属性,在进行数据分析时可调用出来圈定特定人群进行分析。


二、自定义数据画板


1、什么是数据画板?

1)数据画板为一个展示面板,用以展示分析的数据,您可以添加“事件分析”、“漏斗分析”、“用户画像分析”、“留存分析”中任意一个或多个已创建的图表添加至数据画板,方便每日查看

2、功能介绍

1)如图,左侧显示为当前登录用户已关注的数据画板,用户可关注或者取消自己创建的数据画板(已取消关注的数据画板可在“浏览图表”tab页列表中找到并重新关注)

2)如图,左侧显示自定义画板,用户可点击“加号”新建数据画板、新创建的数据画板自动关注

三、用户行为流水

1、什么是用户行为?

1)用户行为就是记录用户事件流水的,您可以在这里精确查询每个用户的精准化行为轨迹,以及触发每个事件时的所属环境

2、功能介绍

1)用户行为列表

默认显示近100条的事件流水可搜索出任意一个userid的事件如图,点击事件列表中的userID可进入查看该用户所有事件流水


2)单个用户的事件流水

A区显示该用户的基本信息及用户属性B区显示事件流水,可按天进行筛选C区显示当前选中的事件的事件属性


四、用户群组

1、什么是用户群组?

1)用户群组就是通过一些特定的条件筛选出的用户组设置用户群组后,可针对特定的用户进行精准化的用户行为分析,例如可对近三天充值金额大于100元的用户进行留存率分析或者漏斗分析

2、功能介绍

1)设置用户群组筛选条件


2)群组对比

群组人数对比,可选择相同项目的一个群组对比人数,即分析同属于两个用户群组的人数群组用户画像对比,可选择一个用户属性进行对比群组全部事件分析,可对比两个用户群组的独立用户数、触发总次数、触发用户占活跃用户额比例、每人触发数群组活跃用户留存,可对比两个用户群组的留存率情况

3)数据模型分析指定用户群组

事件分析、用户画像分析、漏斗分析、留存分析均可以指定用户群组进行精准化分析例如可以针对于参与过某次活动的用户进行漏斗分析


五、事件分析

1、什么是事件?

Mob统计分析中采集数据的单位,用户在产品中的每一个操作行为都可以定义为一个事件,每一个事件会带有多种属性信息,根据这些多维的属性信息可进行复制的数据分析

例如用户在一个电商网站购买一件商品可能会触发以下事件

搜索商品访问商品详情页点击立即购买按钮访问订单确认页提交订单完成付款查看购买记录

事件可以包含任意属性,每个属性的不同属性值记录着这个事件的真实行为场景

例如访问商品详情页事件,则可能有如下几种属性


为了方便客户集成,我们统计系统预设了如下一些触发环境属性字段,方便客户直接使用


2、功能介绍?

1)选择事件


您可以添加多个事件进行对比分析,最多可同时分析10个事件属性:每个事件包含多个属性,可根据条件进行自定义筛选分组:可将事件自动分组为多个子事件,即如图,按“网络环境”进行分组,则可将事件自动分组为网络环境等于“2g”、“3g”、“4g”、“wifi”、“无网络“的子事件进行对比

分组只能针对于枚举类的属性进行分组,我们会分析您上传的属性值,若不同的属性值个数小于100且为字符类型,系统会自动认定该属性为枚举类属性

2)选择用户


选择用户,可以选择任意一个已创建的用户群组,单独对该用户群组的用户进行事件分析选择用户组后,依旧可以选择用户属性筛选,对该群用户进行简单的筛选分组:可见用户自动根据条件分为多个子用户组,如图,按“性别”进行分组,则可将用户自动分组为性别等于“男”、“女”的子用户组进行对比

分组只能针对于枚举类的属性进行分组,我们会分析您上传的属性值,若不同的属性值个数小于100且为字符类型,系统会自动认定该属性为枚举类属性

3)分析内容

目前提供6种分析内容如下:

独立用户数触发总次数触发用户占活跃用户额比例每人触发数属性的总和,需再选择一个数值型属性进行分析属性平均值,需再选择一个数值型属性进行分析

六、漏斗分析

1、什么是漏斗?

漏斗帮您分析用户使用过程中每一步的转化率与流失率,例如用户在互联网金额注册时,有如下几步

1)进入注册页面

2)输入用户名密码

3)输入手机号发送验证码

4)短信验证码通过绑定手机号

5)身份证号实名认证

您可以将上述流程创建一个漏斗模型,即可以分析每一步的转化率与留存率,从而调整注册流程,比如说第四步流失率多大,可能为短信运营商不稳定。

2、功能介绍


1)设置漏斗步骤

可添加事件,每个事件可设置不同的属性筛选条件,最多添加10个步骤,如下图则添加了一个购买商品漏斗流程


2)设置转化周期

默认选择转化周期为1天,即第一步骤事件发生24小时内要完成所有的事件步骤,才算完成转化转化周期也可以自由设置,最多30天您也可以设置为转化周期为一次访问session内,即单次访问期间要完成漏斗转化


3)选择用户

选择用户,可以选择任意一个已创建的用户群组,单独对该用户群组的用户进行事件分析选择用户组后,依旧可以选择用户属性筛选,对该群用户进行简单的筛选分组:可见用户自动根据条件分为多个子用户组,如图,按“性别”进行分组,则可将用户自动分组为性别等于“男”、“女”的子用户组进行对比

分组只能针对于枚举类的属性进行分组,我们会分析您上传的属性值,若不同的属性值个数小于100且为字符类型,系统会自动认定该属性为枚举类属性

七、留存分析

1、什么是留存?

留存分析是用以,考查进行初始行为后的用户中,有多少人会进行后续行为。

初始事件,后续事件均可以设置,例如可分析做过某个事件的用户在1天后、两天后、三天后或是1周后、两周后等时间范围下依然活跃的用户有多少,用以分析什么样的事件对于用户的留存有明显的作用

2、功能介绍?


1)初始事件设置,后续事件设置

可设置元事件或者虚拟事件,作为用户的起始事件

2)选择用户

选择用户,可以选择任意一个已创建的用户群组,单独对该用户群组的用户进行事件分析选择用户组后,依旧可以选择用户属性筛选,对该群用户进行简单的筛选分组:可见用户自动根据条件分为多个子用户组,如图,按“性别”进行分组,则可将用户自动分组为性别等于“男”、“女”的子用户组进行对比

分组只能针对于枚举类的属性进行分组,我们会分析您上传的属性值,若不同的属性值个数小于100且为字符类型,系统会自动认定该属性为枚举类属性

八、用户画像分析

1、什么是用户画像?

用户画像是建立在一系列真是数据之上的目标用户模型,即用户属性值不同将用户分布展示

2、功能介绍

1)分析内容


可进行用户画像分析的属性:用户属性中的枚举类型属性我们会分析您上传的用户属性值,若不同的属性值个数小于100且为字符类型,系统会自动认定该属性为枚举类属性

2)选择用户

选择用户,可以选择任意一个已创建的用户群组,单独对该用户群组的用户进行事件分析选择用户组后,依旧可以选择用户属性筛选,对该群用户进行简单的筛选

九、虚拟事件

1、什么是虚拟事件?

虚拟事件是相对于采集的原始数据提出的概念,可以将特定条件下的事件包装成虚拟事件,方便分析与管理

例如:充值事件是一个原始事件,有一个事件属性为充值金额;则可以创建一个虚拟事件:为充值金额大于100的事件,后期进行数据分析时使用该虚拟事件更方便与直观

2、功能介绍

1)添加虚拟事件

用户可添加一个虚拟事件,填写事件code(不可修改,用户数据标识),事件名称(可修改,用户后台展示)

单个虚拟事件可包含多个元事件,及任意一个元事件触发即认为该虚拟事件触发,可设置单个元事件的触发条件

例如:下图则创建一个虚拟事件,条件为提交订单事件订单金额大于等于100或者订单金额小于20 的事件


2)是否开启

可以控制该虚拟事件是否在前台数据分析时显示

十、前后端全埋点

1)目前埋点方式提供:IOS、安卓、服务端埋点,各端数据均打通,具体埋点方式参照技术文档

十一、多套解决方案

云端版:无需硬件资源,数据存储于Mob,申请即用。Mob会保障您的数据独立分库,完全隐私单机部署版:需一台服务器,需要部署安装,数据存储于您自己的服务器,建议月事件数小于1000万的项目使用集群部署版:需多台服务器,需要部署安装,数据存储于您自己的服务器,各项指标与您的服务器数量及性能有关,Mob专业客户会为您提供定制化方案

十二、导入历史数据

1)Mob统计分析支持导入历史数据进行分析,导入方式参照技术文档

十三、权限控制

1、云端版

目前支持三个用户权限角色,管理员、分析师、普通成员,可在开发者管理控制台设置及邀请新的成员加入

管理员权限:所有权限(不包含项目成员管理权限,管理项目成员需登录开发者管理控制台修改)分析师权限:不可以进行项目管理、设置虚拟事件、设置事件名称普通成员权限:不可以保存图表、用户群组;不可以进行项目管理、设置虚拟事件、设置事件名称

2、部署版

1)管理员权限:所有权限(含项目成员管理权限)

2)分析师权限:不可以进行项目管理、设置虚拟事件、设置事件名称

3)普通成员权限:不可以保存图表、用户群组;不可以进行项目管理、设置虚拟事件、设置事件名称

十四、多项目管理

1)各项目数据独立分库,保证项目间数据权限隐私性

2)一个用户可添加多个项目数据分析权限,整合入统一的数据画板供每日查看

文/Mob开发者平台

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,123评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,031评论 2 384
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,723评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,357评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,412评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,760评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,904评论 3 405
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,672评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,118评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,456评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,599评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,264评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,857评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,731评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,956评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,286评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,465评论 2 348

推荐阅读更多精彩内容