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。