八大數據分析模型之——事件模型（二）

諸葛君說：在日常的數據分析中，常用的有8大模型：用戶模型（點我回顧）、事件模型、漏斗分析模型、熱圖分析模型、自定義留存分析模型、粘性分析模型、全行為路徑分析模型、用戶分群模型，其中，「事件模型」對於很多業務人員來說相對比較陌生，但他卻是用戶行為數據分析的第一步，也是分析的核心和基礎。

事件模型背後的數據結構、採集時機以及對事件的管理是事件模型中的三大要素，對這一模型有了深刻的認識和理解，那用戶行為數據分析的核心也就基本掌握了。下文我們稍作展開。

一、什麼是事件？

在日常工作中，不同崗位、不同角色所關注的事件各不相同，比如，市場人員可能關注點擊進入落地頁的人數以及進入落地頁後用戶是否點擊核心按鈕，比如「立即註冊/立即購買」等？運營人員可能更關注某次邀請好友活動中老用戶是否點擊該活動頁面，是否將邀請海報分享到朋友圈？PM可能更關心新功能上線後用戶是否點擊打開？在洞察諸如此類的指標過程中，事件模型就起到了至關重要的作用。

那麼，什麼叫做「事件」呢？簡單講，就是用戶在產品上的行為，它是用戶行為的一個專業描述，用戶在產品上的所有獲得的程序反饋都可以抽象為事件，由開發人員通過埋點進行採集，通俗講就是：將一段代碼放入對應的頁面/按鈕，用戶進入頁面/點擊按鈕的本質是在載入背後的代碼，同時再載入事件採集代碼，這樣就被SDK所記錄下來了。

二、事件的採集

其實，要說明白事件模型這個事，就像我們寫作文，記敘文的六要素：時間、地點、人物，起因、經過、結果，也就是：誰，在什麼時間，在哪兒做了一件什麼事兒，相應的，數據分析就像是通過數據/指標來講述用戶與產品之間的故事，我們舉個例子來說明。

如上圖所示：當用戶點擊進入蘋果7 plus手機的商品詳情頁時，用戶可能發起的行為有：點擊選擇了顏色：黑色，選擇了版本128G，選擇了購買方式：聯通優惠購，選擇了優惠類型：買手機省話費，這一系列行為都需要分別採集下來，如果該電商經營的數碼產品品類達上千SKU，相應的就有上千個商品詳情頁，那麼，如果每一頁都按照上文中的埋點採集方式來操作，那無疑是一項龐大的工作，該如何讓事件採集更高效、更有可操作性呢？

為了最大化還原用戶使用場景，我們引入3個概念：事件-屬性-值：

事件：用戶在產品上的行為

屬性：描述事件的維度

值：屬性的內容

之所以引入這一組概念，是因為靈活運用事件-屬性-值的結構，將極大地節省事件量，提高工作效率，使後續的數據洞察和交叉分析更精準。

繼續以某電商JS產品（上圖）為例，事件記錄了用戶的行為，我們可以知道用戶A幾點幾分進入了商品詳情頁，但很多分析場景下我們更需要知道用戶進入的是哪個商品頁以及其他業務屬性，通過屬性可以採集當前頁面的商品名稱、商品ID、商品類型等。

諸葛io埋點需求文檔範例

將數據採集需求交由開發人員，進行埋點，將下文這段代碼放入對應的頁面。

zhuge.track(進入商品詳情頁, {

商品名稱 : 【聯通贈費版】Apple iPhone 7 Plus 128G 黑色 移動聯通電信4G手機,

商品價格 : 6588.00,

商品一級分類 : 手機,

商品品牌 : Apple});

PS：屬性名稱不能超過255個字元，屬性值不能超過200個字元

再聊聊採集時機，通常有3種採集時機，包括：用戶點擊（click）、網頁載入完成、伺服器判斷返回。在設計埋點需求文檔時，採集時機的說明尤為重要，也是保證數據準確性的核心。

舉個例子，在採集過程中如果沒有明確時機，當用戶點擊了註冊按鈕，由於用戶輸入了錯誤的註冊信息實際沒有註冊成功，可能仍然會進行記錄，這樣在統計註冊成功事件的時候就不是準確的。而正確的採集時機描述應該是「伺服器返回註冊成功的判斷」。

當然，同一用戶行為或動機，可以基於採集需求進行多次標記，比如註冊按鈕，既採集用戶的click行為（用戶點擊註冊就表明有註冊動機），也可以採集註冊結果。事件設計為「用戶點擊立即註冊」「註冊成功」，採集時機對應「click」和「伺服器返回註冊成功的判斷」。

三、事件的分析

當我們對事件代碼採集後，他只是一個基於時間序列的記錄（用戶A，幾點幾分，在什麼樣的網路環境設備環境下發生了什麼行為），想要指導業務增長，需要構建一些分析模型。對事件的分析通常有事件觸發人數、次數、人均次數、活躍比四個維度的計算。

• 人數：某一事件（行為）有多少人觸發了
• 次數：某一事件（行為）觸發了多少次
• 人均次數：某一事件（行為）平均觸發多少次
• 活躍比：在一個時間區間內，觸發某一事件的人數占當前時間段內所有活躍人數的比

事件以及「事件-屬性-值」的結構，讓我們在日常的業務分析中，可以更直接快速的掌握數據波動趨勢。

1、人數：觸發某一事件的用戶數

如上圖所示，最近7天，通過「查看課程詳情-搜索課程-在線試聽」的人數分別為1764人、1049人、609人。

2、次數：某一事件被用戶觸發的次數

通過對用戶群、事件屬性的篩選和對比，我們發現，與來自搜狗的用戶相比，來自百度的用戶更喜歡使用微信支付。

3、人均次數：觸發某一事件的次數/人數

比值指標，更科學的描述事件。

4、活躍比

在用戶行為數據分析的過程中，活躍比是常用指標，活躍比=觸發事件的人數/活躍人數，即，觸發某一事件的人數占當時活躍人數的比率。

舉個例子，某電商產品在近7天，活躍人數有1000人，觸發過「查看商品詳情」的有300人，那麼在最近7天內，「查看商品詳情」事件的活躍比是30%。

四、事件的管理

企業無論是自建用戶行為數據分析平台還是採購第三方，對事件的管理都是產品、運營等業務人員工作流中非常重要的一環。當採集和分析數量非常多（可能會多達幾百上千）的用戶行為事件時，事件查找和組織就變得不夠方便。

因此，事件的分組和重要事件（星標事件）的標註就顯得尤為重要，當事件很多時，可以對事件進行分門別類地管理。同時，可以從產品業務角度將重要的用戶行為標註出來，以便可以在分析時方便、快捷地查找常用、重要的事件。

數據驅動增長，從科學的構建事件模型開始，以事件-屬性-值為邏輯的事件模型，極大地提高採集效率，更真實且全面的還原用戶與產品的交互過程，通過研究與事件發生關聯的所有因素來挖掘用戶行為事件背後的原因，快速定位影響轉化的關鍵點，提高運營效率。此外，事件模型也是漏斗模型、自定義留存模型、全行為路徑分析模型的基礎，後續我們將陸續解讀，每周二更新敬請關注。

客戶：東易日盛 | 向上金服 | 光明隨心訂 | TutorABC | 麥子學院

指標：病毒傳播係數 | 復購率 | 粘性 | 漏斗 | 太陽圖 | KPI

行業：新零售 | 在線教育 | 科技金融 | 共享單車 | 裝修 | 內容社區

產品：改版評估 | 埋點需求文檔 |

運營：用戶運營 | 跨應用市場追蹤 | 推送策略 | 運營階段

市場：推廣三要素 | 智能觸達 | 精準推送

其他：行為數據基礎篇 | 客戶成功 | 採集模型 | 廣告監測

關於我們：

諸葛io定位於為企業提供基於用戶行為數據的採集、分析和營銷的整體解決方案。是國內領先的數據智能服務商 www.zhugeio.com

目前我們正在為互金/教育/新零售/保險/汽車等行業提供大數據整體解決方案並提供諮詢服務。服務客戶有：光明隨心訂、食行生鮮；人人貸、陽光保險、眾安保險、平安；寶馬、奧迪、大眾、NEVS；餓了么；東易日盛等