1、应用场景

主要用于对用户属性或自定义实体属性做统计分析，比如查看不同年龄段的用户数量、不同会员等级用户数量、不同品牌的商品数量等。

与其他模型不同的是，属性分析模型将直接查询用户表/自定义实体表，因此在统计用户数量这类指标时通常会拥有更好的查询速度，但可能出现不同的统计结果。

假设当前有1000万 存量用户，在过去一年中共计产生了10亿条行为日志数据。如果想要在『事件分析』模型中查看用户数量的省份分布，则需要查询过去一年的10亿条行为日志数据，最终得到的结果也仍是『过去一年活跃用户的省份分布』。而使用属性分析模型，只需查询1000万行的用户表，并且所有历史上活跃过的用户都将会被纳入统计范围。

2、选择数据来源

在数据来源下拉框选择需要分析的客户实体表/自定义实体表。

3、选择分析属性

如选择多个属性字段，在分组时将对多个属性字段的枚举值进行交叉排列组合。

4、选择展示阈值

展示预置默认为0%，即所有维度的数据都将展现在结果中。例如分析用户的会员等级占比，原始结果为1级用户占比60%，2级用户占比20%，3级用户占比10%，4级用户占比5%，5-9级级用户每级占比1%。此时，如果将展示阈值设置为2%，则5-9级用户都将被合并，最终展示『其他』占比5%。

5、选择分群对比

仅在数据来源为客户实体时，此项可选。

支持选择两个需要对比的不同人群，以观察两个人群在属性中的各维度分布情况是否存在显著差异。

6、选择全局过滤

全局过滤功能可将一个或多个用户属性/自定义实体属性作为本次分析的数据过滤条件。当有多个全局过滤条件时，支持设置取 且/或 逻辑。

7、结果展现

结果展现为环形图+表格形式。用于展现选定分析属性下各维度的用户数/自定义实体数。