- 平台介绍
- 接入指引
- 版本信息
- 使用流程
- 功能手册
- 操作视频
- 技术文档
- 基础知识
- 客户端SDK
- 服务端SDK
- 数据导入
- API功能
- SQL手册
- DML
- SQL函数
- 日期函数
- convert_tz
- curdate,current_date
- current_timestamp
- curtime,current_time
- date_add
- date_format
- date_sub
- datediff
- day
- dayname
- dayofmonth
- dayofweek
- dayofyear
- from_days
- from_unixtime
- hour
- makedate
- minute
- month
- monthname
- now
- second
- str_to_date
- time_round
- timediff
- timestampadd
- timestampdiff
- to_date
- to_days
- unix_timestamp
- utc_timestamp
- week
- weekday
- weekofyear
- year
- yearweek
- localtime,localtimestamp
- quarter
- last_day
- extract
- date_trunc
- minutes_add
- minutes_diff
- minutes_sub
- seconds_add
- seconds_diff
- seconds_sub
- hours_add
- hours_diff
- hours_sub
- days_add
- days_diff
- days_sub
- weeks_add
- weeks_diff
- weeks_sub
- months_add
- months_diff
- months_sub
- years_add
- years_diff
- years_sub
- 字符串函数
- append_trailing_char_if_absent
- to_base64
- from_base64
- ascii
- length
- bit_length
- char_length
- lpad
- rpad
- lower
- lcase
- upper
- ucase
- initcap
- repeat
- reverse
- char
- concat
- concat_ws
- substr
- substring
- sub_replace
- ends_with
- starts_with
- trim
- ltrim
- rtrim
- null_or_empty
- not_null_or_empty
- hex
- unhex
- elt
- instr
- locate
- find_in_set
- replace
- left
- right
- strleft
- strright
- split_part
- split_by_string
- substring_index
- money_format
- parse_url
- convert_to
- extract_url_parameter
- uuid
- space
- sleep
- 日期函数
- 数据类型
- 数据管理
- 常见问题
- 合规说明
- 资源下载
- AB测试
前期准备
1 了解接入流程
您可按照 接入指引 的操作,开通产品账号并快速接入。
2 项目理解
2.1 什么是用户行为分析
我们关注用户的新增、留存、留失、活跃、转化等行为,也希望从不同消费水平、不同城市、不同时间段等维度挖掘用户的行为差异,这些都是用户行为分析。海纳嗨数希望通过埋点来获取用户的行为数据,解决常规分析中数据不全或数据分布杂乱的问题。
2.2 如何做用户行为分析
我们使用Event & User 模型来做用户行为分析,其包括事件(Event)和用户(User)两个部分。
Event代表的是用户发生的行为事件,简单来说,一个Event就是描述了一个用户在某个时间点,以某种方式完成了某件具体的事情。因此一个Event就包含了一下几个关键的因素:
- who: 参与这个事件的用户是谁。
- when:事件发生的具体时间点。
- what:用户发生的行为,如付费。
- how: 行为的完成方式,即该行为的属性。比如付费时的付费金额、付费方式、付费内容、付费时间等。
User则用来描述每个用户的固定属性和最新状态,如用户的性别、年龄、所在城市、累计付费金额、会员等级、当前积分数等。通过User的属性,可以在用户行为分析中快速筛选出想要分析的人群,如您想要给重点客户发放福利,就可以通过会员等级筛选出目标人群。
事件( Event )和用户( User )通过ID相关联,将用户行为路径记录下来,再通过数据分析模型对数据进行加工就可以达到用户行为分析的目的。
3 需求梳理
在开始做分析之前,您需要梳理分析的需求和痛点,您可以遵循下列步骤来对需求进行整理,有任何疑问请联系海纳嗨数相关人员为您进行解答。
3.1 明确分析目标
建议您先从基础的分析指标开始梳理,如新老用户数、用户活跃等,并明确这些指标计算的关键事件,如用户进行APP启动为用户活跃,进行APP注册算做新用户。当您梳理好基础指标后,再根据自身业务需求扩展一些特殊指标。
3.2 梳理埋点事件
在梳理好分析指标后,可以将指标的关键事件进行整理,找到需要埋点的事件行为。
我们建议您将重要的行为单独设置为一个Event,如用户登录、用户注册等;对于不重要的行为,可以将多个行为设置为一个Event,如页面浏览,具体浏览的是哪个页面可以设置属性浏览页面来进行记录,而不必将主页浏览、详情页浏览、帮助页浏览等分别设置多个事件;若您特别关注某个环节中的某一行为,也可将该行为单独作为一个Event进行追踪,如用户日常任务中的签到,可以将签到作为一个单独的事件。
为了方便后续的沟通,我们建议您通过文档的形式对所有需要采集的Event进行整理,也可以联系海纳嗨数相关人员协助您一起整理。
3.3 确定用户标识ID
海纳嗨数主要使用三个字段来识别用户,分别是设备 ID(distinct_id)、账号 ID(account_id)、海纳ID(user_id)。您可以结合自身的应用场景选择对应用户身份标识ID。
若想查看海纳嗨数用户识别更多细节,可查看海纳嗨数用户识别
最后编辑:超级管理员 更新时间:2024-09-05 21:06