fen-bu-fen-xi.md

description
进一步深度了解你的产品核心功能的活跃度；目前此功能属于灰度内测阶段，如需体验，请联系您的客户成功经理或商务对接人，申请进行灰度内测。

分布分析

场景介绍

分布分析这个功能，主要用来了解不同区间事件发生频次，不同事件计算变量加和，以及不同页面浏览时长等区间的用户数量分布。

主要使用场景1：频次分布

Alice是某个电商产品经理，比较关注"用户浏览商品详情页"的以下几个场景：

• 希望了解最近一周浏览商品详情页的用户，例如1-5次, 6-10次 ... 不同区间的用户量分布有多少；
• 希望知道最近一段时间内，每日用户浏览商品详情页人均数量、最大值、最小值、中位数（50%浏览商品详情页的用户浏览小于等于多少页）、25分位（25%浏览商品详情页的用户浏览小于等于多少页）、75分位（75%浏览商品详情页的用户浏览小于等于多少页）的趋势;
• 希望对比渠道来源A\B\C三个主要广告渠道带来的用户，浏览商品详情页1-5次；6-10次等等不同区间的用户量分布分别有多少；
• 希望对比"高消费"和"低消费"的两个用户群体浏览商品详情页1-5次, 6-10次, ... , 不同区间的用户量分布分别有多少。

主要使用场景2：金额分布

Alice是某个电商产品经理，比较关注用户购买金额的分层：

• 希望了解最近一周支付订单总金额，在不同金额区间，例如：1-100元，101-200元，201-300元 ..., 的用户数量是多少；

• 希望知道最近一段时间内，每日用户购买金额的人均金额、最大值、最小值、中位数（50%支付成功用户购买<=多少元）、25分位（25%支付成功用户购买<=多少元）、75分位（75%支付成功用户购买<=多少元

  ）的趋势;

• 希望对比渠道来源A\B\C三个主要广告渠道带来的用户，在不同金额区间，例如：1-100元，101-200元，201-300元 ..., 的用户数量是多少；

• 最近一周用户支付成功的用户，前5%的用户的支付金额、后5%的用户支付金额区段值是多少，以及相应的用户数量有多少；

• 在5%~95%用户中，按“支付金额” 5等分、10等分的区间值及不同区间的用户量分布有多少。

主要使用场景3：某个页面时长分布

Alan是某个直播产品经理，比较关注"用户观看直播间"的以下几个场景：

• 希望了解最近一周"观看直播"的用户，例如1-5次；6-10次，等等不同区间的用户量分布有多少；
• 最近一周用户"观看直播"的时长，前5%的用户浏览时长区间段、后5%的用户浏览时长区段的区段值是多少，以及相应的用户数量有多少；
• 在5%~95%用户中，按“观看直播”总时长5等分、10等分的区间值及不同区间的用户量分布有多少；
• 希望对比渠道来源A\B\C三个主要广告渠道带来的用户，观看直播1-5次；6-10次等等不同区间的用户量分布分别有多少，判断哪些渠道的用户会对观看直播的黏度更高；
• 希望对比"高消费"和"低消费"的两个用户群体观看直播时长不同区间的用户量分布分别有多少。

功能含义解释

趋势

产品优化和运营是一个动态的过程，我们需要不断监测数据，调整产品设计或运营方法，然后继续监测效果。

GrowingIO「分布分析」功能为用户提供了「分布分析趋势图」，帮助用户了解“最大值、最小值、平均值、中位数、25 分位值和 75 分位值”几个关键数据指标的变化趋势，快速掌握目标事件的整体分布趋势。

左边功能，可以选择事件、分析目标用户、事件过滤维度

右边的示图区，展示这个事件的分布趋势。

分布值中，我们选择了最大值、最小值、平均值、中位数、25分位值和75分位值几个数据指标来表示分布，帮助我们了解一个重要事件的整体发生频次的分布程度。

• 最大值：当日用户发生“优惠券立即使用”事件次数的最大值 （即使用优惠券最多次的用户使用了多少次）；
• 最小值：当日用户发生“优惠券立即使用”事件次数的最小值 （即使用优惠券最少次的用户使用了多少次）；
• 平均值：当日发生“优惠券立即使用”事件的人均次数；
• 25分位：用户按照“优惠券立即使用”事件频次从小到排序，前25%的用户使用次数小于等于多少（即假设有100个用户使用优惠券，25分位值为2，即前25个用户使用次数是1次或2次）；
• 中位数：用户按照“优惠券立即使用”事件频次从小到排序，前50%的用户使用次数小于等于多少（即假设有100个用户使用优惠券，中位数值为4，即前50个用户使用次数是1-4次）；
• 75分位：用户按照“优惠券立即使用”事件频次从小到排序，前75%的用户使用次数小于等于多少（即假设有100个用户使用优惠券，75分位数值为5，即前75个用户使用次数是1-5次）。

分布

选择分布，GrowingIO 会根据您所选择的用户群、所选时间做的事件，帮您进行事件频次的分组和分组后的用户数统计。

分布算法中，会先找到分布中的分布极值。如果直接按照 10等分或者 5 等分进行拆分，很可能会遇到没有办法找到频次少的分布值。故在分布中，我们进行了算法调整，会根据分布，先找到事件频次的合理的分布值（一般情况会取前 5%分布的值或者最小值，但如果按照 5%和最小值取时，第二个区间比第1个区间用户分布差异过大，则会将第二个区间的阈值/2 加入第一个阈值中，这样为了呈现相对较为合理的分布区间）。

拿下图示的“页面浏览量”来示意：

在分布中：

• 第一个柱表示的含义是：时间范围内（最近7天），目标用户群 （全部**访问用户），**浏览全部产品页面中，浏览页面量从小到大排序，前5%的用户页面浏览量的范围及用户量。
• 最后一个柱表示的含义是：时间范围内（最近7天），目标用户群 （全部**访问用户），**浏览全部产品页面中，浏览页面量从小到大排序，后5%的用户页面浏览量的范围及用户量。
• 在排除页面浏览非常少和非常多的用户后；帮助您了解按照页面浏览量几等分后，相应值的区间内有多少用户量。
  • 排除第一个和最后一个柱；剩下的页面浏览量范围是2-67；即中间90%的用户浏览页面量在2~67页间。 想进一步确认浏览页面活跃的用户分布量，选择10等分，即（67-2+1 ）/10 = 6，每个区间间隔值为6，即（1-7], (7-13], (13-19], ..., (61-67] ； 不同页面浏览量区间上，用户数量。

功能操作&使用场景

查看某个事件频次

点击导航 产品分析-分布分析，进入分布分析页面，事件选择器中，预置“页面浏览量”。点击事件选择器后，选择自己想要分析的事件，例如浏览“产品详情页”。

选择过滤条件，产品详情页的产品名称为“卫衣”

对比某个维度下的不同分布，例如维度选择的“男性”、“女性”。

查看符合分布条件的用户

对于某低频电商，发现过去一个月，有一部分用户下单超过 80%的用户；想进一步了解这些用户的信息；可以直接下钻，点击表格，即可以创建分群，或者直接下载用户 ID.