简介
本技能是神策十三类标准分析模型的统一执行入口，负责分析意图识别、模型路由与查询执行。十三类模型覆盖从单事件指标统计到多步转化链路、用户分群画像、客户价值分层、生命周期价值等全谱系分析场景。
十三类模型包括：事件分析、漏斗分析、留存分析、间隔分析、分布分析、属性分析、用户列表/用户细查、用户路径分析、用户群画像分析、RFM 分析、LTV 分析、Session 分析及归因分析。
所有模型共享统一的参数协议：字段路径采用三段式（event.<事件名>.<属性>）或两段式（user.<属性>），禁止裸字段名；过滤条件统一使用 field/function/params 三段式结构；聚合器按业务口径映射（如次数对应 general、人数对应 unique、求和对应 sum 等）；相对时间须先解析为绝对日期再写入查询。查询对象统一以 JSON 形式传入，正式执行前先经服务端预演校验。输出采用归一化结构（列名数组 + 行数据 + 截断标记），用户路径分析、用户群画像分析与 RFM 分析保留各自专属输出形状。
需要说明的是，查询构造前须逐一核对事件名、属性名、字段路径及枚举值的精确性，遇多候选项须由用户确认，不得自行选择。结果存在采样或截断时，按"估算值/结果不完整"口径解释，不下"Top""唯一""最高"等绝对结论。
使用场景
本技能适用于以下任务：
- 事件分析：单事件的趋势、次数、DAU/UV/PV、属性求和/均值/最值，按维度分组对比；
- 漏斗分析：固定步骤链路的整体与步骤转化率、流失步骤定位、转化窗口对比、按维度拆分；
- 留存分析：起始行为后的次日/N 日留存、回访率、流失率曲线；
- 间隔分析：两个事件之间时长的分位数分布（P10/P25/P50/P75/P90）；
- 分布分析：数值属性的区间分布、各区间人数与占比，支持自定义分桶边界；
- 属性分析：用户属性或事件属性的分组统计、属性分析报表；
- 用户列表/用户细查：按用户 ID、用户属性或固定分群查询用户明细；
- 用户路径分析：起始事件后的后续路径、结束事件前的前序路径、路径流转；
- 用户群画像分析：目标人群画像、对比人群画像、画像差异、TGI；
- RFM 分析：客户价值分层、R/F/M 单维与组合分布；
- LTV 分析：用户生命周期价值、起始行为后 N 天的累计贡献；
- Session 分析：会话数/访次统计、平均会话时长、会话内事件序列；
- 归因分析：目标转化前各触点的贡献占比、首末触/线性/时间衰减等归因模型对比。
执行流程遵循以下路径：接收分析请求 → 识别意图并归类到对应模型 → 核对命名精确性（不精确时转 sensors-metadata 发现与消歧）→ 读取模型专属字段 → 复用公共协议构造查询对象 → 服务端预演校验 → 正式执行 → 按归一化结构解读结果。意图不明确时优先追问或借助 sensors-metadata 补齐，不模糊路由；多个候选模型都可能匹配时，依据用户意图进一步确认。
使用案例
| 用户输入 | 系统执行 |
|---|---|
| "最近 7 天每天的下单人数趋势" | 归类为事件分析 → 确认事件名与聚合口径（人数）→ 解析为绝对日期 → 构造查询 → 预演校验 → 执行 → 返回按天的人数趋势；结果截断时标注"结果不完整"。 |
| "从浏览到支付的转化率，分渠道看" | 归类为漏斗分析 → 确认各步骤事件名 → 按渠道字段拆分 → 构造查询 → 预演校验 → 执行 → 返回整体与步骤级转化率。 |
| "首次下单到复购的时间间隔分布" | 归类为间隔分析 → 确认两个事件名 → 构造查询 → 执行 → 返回 P10~P90 分位数；按"估算值"口径解释。 |
| "高价值用户群和普通用户的画像差异" | 归类为用户群画像分析 → 确认目标人群与对比人群 → 构造查询 → 执行 → 返回画像对比与 TGI；输出为专属结构。 |
| "各渠道对目标转化的贡献占比" | 归类为归因分析 → 确认目标事件与触点事件 → 选择归因模型 → 构造查询 → 执行 → 返回各渠道贡献占比。 |
常见问题
Q：事件名或属性名不确定时能直接查询吗？
不能。事件名、属性名、字段路径及枚举值未确认前禁止执行查询。须先转 sensors-metadata 发现精确标识并完成消歧，多候选项由用户确认。
Q：能绕过 CLI 直接写 HTTP 请求或 SQL 兜底吗？
不能。所有查询统一走 CLI 子命令执行，禁止手写 HTTP、curl 或自写 SQL 兜底。定位不到资产时明确告知"未找到"。
Q：结果被截断或为采样时如何解释？
截断时按"结果不完整"口径解释，不下"Top""唯一""最高"等绝对结论。采样时绝对值、求和、计数类结果按"估算值"表述，排序、占比类结论可保留但须提示"基于采样估算，绝对量级可能有偏差"。
Q：分组维度过多导致结果爆炸怎么办？
优先收口查询范围：减少分组维度（事件分析最多 2 个，漏斗按步骤）、缩短日期范围、用过滤条件聚焦到关注的分组值。高基数字段（如 IP、用户 ID）不适合直接做分组维度。
Q：查询结果为空怎么处理？
不编造"没有数据"的结论，只说明"当前查询条件下无结果"。排查方向包括：日期范围是否覆盖数据、过滤条件是否过严、事件名/字段是否确实有上报（可通过 sensors-metadata 复核）。禁止自行换事件名或放宽条件重试。
Q：查询超时怎么办？
先经预演校验确认查询对象无误，再考虑收口范围（缩短日期、减少维度）。不通过反复重试硬刷，先定位是范围过大还是条件有误。
Q：相对时间（如"最近 7 天"）能直接写入查询吗？
不能。相对时间必须先解析为绝对日期（如 2026-08-05 至 2026-08-11）再写入查询对象。