"漏斗分析"的搜索结果
漏斗分析
视频版讲解 漏斗分析基础功能讲解视频 https://www.sensorsdata.cn/service/onlineguidedetail.html?id=2151&t=sa 漏斗分析高阶功能讲解视频 https://www.sensorsdata.cn/service
漏斗分析功能应用示例
以电商为例，典型的用户购买行为由以下连续的行为构成： 浏览首页、浏览商品、提交订单、支付订单。 当我们期望观察各步骤间及总体转化率，可按以下步骤进行： 步骤1：新建漏斗 若想分析广东省地区的用户购买行为，首先点击“创建漏斗”按钮，并将漏斗名称命名为“电商转化漏斗” 企业微信截图_79ea6ab8
复杂分析场景
位原因 分析方法 使用事件分析，查看核心关注商品销量趋势，找出异常日期 使用漏斗分析，查看异常日期从商品详情页浏览到下单流程中重点关注环节指标以及转化率 使用间隔分析，为漏斗合理设置窗口期时长 回到漏斗分析，定位异常环节 使用事件分析，设置商品详情页流量按推广位来源分组查看，判断是否推广位效果导致异
切换分析主体
Event-User 模型的介绍。 在不同的分析模型中，分析主体会起到关键的作用，比如： 在留存分析中，会以一个用户为分析的主体，判断这个用户串联的相关事件是否在 t+1，t+2···t+N 的再次发生，形成留存。 在漏斗分析中，会以一个用户作为分析主体，判断这个用户的串联起来的行为是否构成一个漏斗
间隔分析
。如何衡量转化，除了用漏斗看转化率，还需要看转化时长的分布情况，间隔分析即是解决这类问题和需求的。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。 间隔分析可以帮助你回答以下问题： 包含了实名认证等复杂操作的注册流程，想知道用户从开始注册到注册结束，整个过程花费的时长分布
事件分析
存机制。 分组过多，数据显示不完整 答：可以通过查询 API 获取完整数据。 事件分析里和漏斗里查看的用户数不一致 答 ：事件分析和漏斗分析逻辑不太一致。 为什么分组和按总体查看的用户数不一致 答：以城市为例，同一个用户，在北京和上海两个城市浏览过同一个网页，如果按总体查看，数量为 1，如果按城市查
分布分析
视频版讲解 分布分析讲解视频 https://www.sensorsdata.cn/service/onlineguidedetail.html?id=2171&t=sa 分布分析概述 在 1.6 版本将“回访分析”升级为“分布分析”，分布分析不但可以告诉你用户有多依赖你的产品，还可以告诉你某个
留存分析
存分析也提供了筛选功能。留存分析的筛选提供了两种不同的筛选类型。 用户属性上的筛选：例如，我们添加的筛选条件是“性别”为“男”，则只有属性中“性别”为“男”的用户，才满足这个筛选条件，并且出现在筛选后的留存分析结果中； 事件属性的筛选：和漏斗的触发限制条件含义相同，指定事件满足指定属性的过滤。 分组
LTV 分析
LTV 分析概述 用户生命周期价值（Life Time Value，LTV），即用户在生命周期中贡献的商业价值。LTV 分析是一种分析用户商业价值的分析模型，可分析特定日期访问的用户群体，在一定时长内所贡献的人均价值。 image2020-11-21_11-6-31.png LTV 分析可以帮助
「神策分析」
神策分析，是针对企业级客户推出的深度用户行为分析产品，支持私有化部署，客户端、服务器、业务数据、第三方数据的全端采集和建模，驱动营销渠道效果评估、用户精细化运营改进、产品功能及用户体验优化、老板看板辅助管理决策、产品个性化推荐改造、用户标签体系构建等应用场景。作为 PaaS 平台支持二次开发，可
