# 分布分析 分布分析主要能够提供【维度指标化】之后的数据分解能力,将原有维度按照一定的数值区间进行维度划分,进而分析每个维度区间的分布情况,在以下分析场景中十分常见: 1. 分析订单的金额分布 2. 分析某类特殊事件的发生时段分布 3. 分析某类特殊事件的发生次数分布 4. 分析触发某类事件的用户年龄分布 由此可见,分布分析主要针对的是数值型和日期型这两类属性,比如:金额、年龄、时间、频次,因此当用户打点上传的数据中包括这两类属性时,那么在日常的分析中就有可能会使用分布分析来解决一些特定问题。 ## 常用指标 ### 1 X 事件的次数分布 X 事件的次数分布,指在指定日期范围间内触发 X 事件的次数分布。 e.g.在2020/01/01 - 2020/10/01 期间触发了启动事件的次数分布,启动了\[1,3)次的2人,\[3,10)次的10人等。 ![](<https://img.kancloud.cn/e2/cb/e2cbe6a9f762d64d920c450882dba4f7_2420x1238.png>) 支持多分群对比,比如对比注册用户和匿名用户在某个时间范围里启动次数分布 支持细分维度对比,比如细分城市维度,即可查看不同城市的用户启动次数分布 支持增加过滤条件,比如筛选平台=Android,仅Android平台的用户启动次数分布 支持分析一段时间的汇总情况,或者是按日、周、月不同时间粒度细分看趋势 ![](<https://img.kancloud.cn/be/cd/becd6ccec20c5889b8afd28516802942_2416x1244.png>) ### 2 X 事件的活跃时段分布 X 事件的活跃时段分布,指在指定日期范围内触发 X 事件的时段分布。 e.g. 在2020/01/01 - 2020/10/01 期间,一天24小时各个时段中启动的用户各有多少。 比如通过下图可以看到用户访问集中在上午9点到12点,下午2点到5点期间,其中上午10点到11点期间访问的用户最多 ![](<https://img.kancloud.cn/09/30/0930615665f62f0187f151c72d00dcea_2420x1240.png>) 支持细分维度查看,比如细分设备类型,查看不同设备的用户的活跃时段,通过下图可以看到在工作时间PC设备的访问量明显居多,在晚9点到次日9点休息期间,移动端访问量更多 ![](<https://img.kancloud.cn/c0/e0/c0e01101f4482e050f05f1f29b097c23_1920x980.png>) 支持按日、周、月的时间粒度细分,可以查看不同时段里不同时间的活跃趋势,可以通过表格查看,也可以通过热点图快速查看,比如下图展现近 30 日每天用户在不同时段的活跃情况 ![](<https://img.kancloud.cn/34/36/3436aa388b2871a16fc91610260038c4_2418x1248.png>) 也可以按每周几聚合,比如通过下图,可以发现用户基本活跃在工作日上午的 10 点 - 12 点,下午的 14 点 - 15 点 ![](<https://img.kancloud.cn/ee/ce/eece732dc01cac1a72a408b99d0ba4cc_2420x1250.png>) ### 3 X 事件的活跃天数分布 X 事件的活跃天数分布,指在指定日期范围内触发 X 事件的天数分布。 e.g. 在2020/01/01 - 2020/10/01 期间触发了启动事件的天数分布,启动了\[1,3)天的2人,\[3,10)天的10人等。 可以查看任意事件在某一个时间区间里的活跃天数,如下图体现过去 90 天里不同活跃天数的用户分布,其中多数用户活跃天数在 2 天到 5 天之间,10 天以上的用户最少 ![](<https://img.kancloud.cn/19/7e/197e0961f90948ba8ee8ebccad2169ec_2428x1248.png>) 支持按周、按月的时间粒度细分,比如下图查看最近4个月里 用户活跃天数的变化 ![](<https://img.kancloud.cn/aa/5d/aa5dc4aabbaaa5b141f196a2bc30d8ca_2412x1242.png>) 支持细分维度、添加过滤条件、多人群对比 ![](<https://img.kancloud.cn/f0/a7/f0a73e34f175206cc7f44a9d269db013_2414x1246.png>) ### 4 X 事件 Y 属性的总和/均值/人均值等分布 对于数值型的属性值,支持分析属性的总和、均值、人均值、最大值、最小值的分布,比如分析一段时间里不同支付订单金额区间的用户分布 >[info]分布分析也支持字符串属性的分析,这类属性的分析场景在实际工作中比较少见,只能统计属性值的去重数的分布情况,例如:统计某次大促活动中,支付订单的品类分布情况,可以在分布分析中,选择支付订单事件的商品品类属性的去重数分布,同时增加商品品类的细分维度。 ![](<https://img.kancloud.cn/46/5e/465e9dfef9e652f6dcfafaac319c5b95_2432x1256.png>)