自定义事件分析
为什么需要自定义事件分析
我们为 TapDB SDK 预设了一些上报事件,从而构造出了非常强大且完整的运营模块。但随着大家对数据分析的深入,我们发现完全模板化、预置化的分析模式会有明显的局限。为此我们设计了自定义事件分析,让大家能更自由地上报与查询所需要的数据。它有一定的接入和理解门槛,但通过自定义事件分析深挖玩家行为的上限是明显高于预置的报表模板的,因此我们强烈建议你认真学习并用好它。
事件分析
事件分析是最基础的分析模型,它的分析对象是事件
- 查看事件相关的所有信息
- 「进行 PVP 对战」事件的触发总次数 / 触发用户数 / 人均次数
- 「购买礼包」事件的购买金额总数 / 人均次数
- 最近 7 天,「抽卡」事件在不同省份发生的人均次数对比
- 每天的「账号登录」事件中,有多少比例是 TapTap 登录,有多少比例是微信登录
留存分析
留存分析是对用户广义留存行为进行分析的模型,它的分析对象是设备 / 账号
- 查看那些触发了 A 事件又触发了 B 事件用户的情况,初始事件和回访 事件可以是同一个
- 「付费」的账号,在之后 7 日内「登录」的情况
- 「升到 10 级」的账号,在之后 7 日内「付费」的情况
- 「购买月卡」的账号,在之后 30 日内「领取奖励」的情况
- 首次触发「登录」的账号,在之后 90 日内「登录」的情况:这是我们通常说「账号留存」
漏斗分析
漏斗分析是对按顺序触发特定事件的用户进行分析的模型,它的分析对象是设备 / 账号
- 查看那些严格按照漏斗步骤转化的用户的信息,可以设置漏斗窗口期
- 「完成签到」的账号数,以及在「完成签到」之后,又在 30 分钟内「参与 PVP」的账号数
- 「购买月卡」的账号数,以及在「购买月卡」之后,又在 7 天内「购买新手礼包」的账号数
用户分群
用户分群是自定义事件分析中极其强大的一个功能。它的使用思路为
- 通过观察数据,找到一批待分析用户,如:留存率极低 / ARPPU 很高 / 持续签到但等级很低的用户,将其保存为一个用户分群
- 使用这个用户分群作为条件,单独观察 / 筛除其行为数据,从而尝试找到一些行为特征,如:留存率极低的用户 Android 版本都低于 7,那推测很可能是因为其中有大量的模拟器用户
用户分群打通了寻找特征到持续深挖的链路,是通过自定义事件分析问题必备的技能