间隔分析
1. 什么是间隔分析
- 通过计算用户行为序列中两个事件的时间间隔,得到业务转化环节的转化时长分布。
间隔分析的应用场景非常丰富,既可以计算两个事件发生的时间间隔(例如计算商品从“加入购物车”到“成功下单”的时间间隔,从“注册”到“登录”的时间间隔等等)、也可以计算同一个事件重复发生的时间周期(例如“重复购买某件商品”的时间周期)等,作为衡量用户活跃度和用户黏性的分析工具;
也可以作为漏斗分析的一种辅助,例如不知道配置一个漏斗的窗口期该是多少,就可以通过间隔分析计算两次事件平均间隔时间,进行分析,通过转化时长指标来衡量特定转化路径在时间维度上的转化效率。
2. 间隔分析功能介绍
2.1 业务定义
用户可定义初始行为和结束行为,这两种行为可以是不同事件,也可以是同一事件,然后在用户选择的时间粒度内,筛选出同一人按顺序发生过初始行为和结束行为的,如成功配对,即为一次间隔数。
2.2 计算规则
现假设用户在一定时间范围内的事件顺序为:B → A → A → B → C → B → A → C → B → A,现需要计算用户在此时间范围内 初始事件A 到 结束事件B 的间隔分析。
- 计算逻辑为:先找到最先发生的 事件A,接着找到离此次 事件A 最近发生的 事件B ,且满足用户选择的时间粒度,即为第一个间隔,然后在此间隔后,继续找 事件A 与 事件B 的配对,且间隔与间隔之间不交叉,以此类推。
- 时间粒度支持“按总体”、“按天”、“按周”、“按月”。“按总体”即为不考虑时间粒度,只要用户在配置的时间范围内发生过 初始事件A 和 结束事件B 的都算一次间隔数,如配置了“按天”、“按周”、“按月”的时间粒度,则要求配对的 初始事件A 和 结束事件B 发生在同一天、周、月。例如假设配置的时间粒度是“按天”,此时用户发生 初始事件A 的时间是 22:30 而 结束事件B 发生的时间是 01:20,那么 事件A 和 事件B 就无法完成配对,不能算作一次间隔数。
- 假设不考虑时间粒度,以上事件顺序的配对结果为:B -> A → A → B → C → B → A → C → B → A
2.3 计算指标定义
名词 | 解释 |
---|---|
间隔数 | 在选定时间范围内,满足间隔分析计算规则的事件的配对数。 |
转化用户数 | 在选定的时间内完成了间隔转化的总人数,可能存在一个人完成多次间隔转化的可能。 |
人均间隔数 | 间隔数 / 转化用户数。 |
间隔转化时长 | 在选定时间范围内,按间隔分析计算规则,完成事件的配对后,统计的每个配对的间隔转化时长。 |
最大值 | 间隔转化时长的最大值。 |
最小值 | 间隔转化时长的最小值。 |
中位数 | 将每个人的平均间隔时长按从大到小排期,取中间值。 |
上四分位 | 将每个人的平均间隔时长按从大到小排期,取 1/4 处的值。 |
下四分位 | 将每个人的平均间隔时长按从大到小排期,取 3/4 处的值。 |
平均值 | 间隔转化时长的总和 / 间隔数。 |
人均间隔时间 | 每个人的平均间隔时长总和 / 转化用户数。 |
2.4 图例说明
3. 创建间隔分析报表
3.1 配置报表
序号 | 图示 | 说明 |
---|---|---|
1 | 新建间隔分析报表总览 | |
1.1 | 定义初始行为和结束行为
| |
1.2 | 选择公共筛选条件
| |
1.3 | 选择维度
| |
1.4 | 选择查看群组,默认为所有用户
| |
1.5 | 图一: 图二: |
|
1.6 |
|
|
1.7 |
|
3.2 数据展示
展开表格可查看细项,了解每个时间粒度的间隔时间明细。