Title: 分析模型通用能力
Locale: zh
URL: https://sensorswave.com/docs/analytics/common-analysis-features/
Description: 所有分析模型的通用功能和操作说明
Sensors Wave 的事件分析、留存分析和漏斗分析模型虽然分析逻辑不同，但它们共享一套标准化的操作界面。这种设计确保了您在掌握其中一个模型后，能够快速上手其他分析模型。

## 整体界面结构

分析模型的主界面主要由三个核心区域组成：

1. **查询配置区（左侧）**：用于构建分析条件，包括指标定义、筛选过滤和分组查看。
2. **可视化展示区（右上）**：以图表形式直观展示分析结果，支持时间范围和粒度切换。
3. **数据明细区（右下）**：以表格形式展示详细数据，支持数据下载和用户下钻。

![事件分析界面示例](/docs/assets/screenshots/event-analysis.png)
*(图：以事件分析为例的分析模型整体界面)*

## 查询配置区

这是分析工作的核心区域，从上至下分为三个功能模块。

### 1. 指标配置

这是不同分析模型差异最大的部分，决定了"分析什么"。

- **事件分析**：配置核心事件及其度量方式（如：总次数、人均次数）。
- **留存分析**：配置**初始事件**（起始行为）和**回访事件**（后续行为）。
- **漏斗分析**：配置漏斗的**转化步骤**序列和窗口期。

### 2. 细分筛选 (Segmentation)

**核心作用**：相当于 SQL 中的 `WHERE` 子句。它帮助您从海量数据中过滤出您真正关心的那部分数据，排除干扰项，聚焦核心群体。

**典型使用场景**：
- **过滤特定人群**：只分析 "VIP 等级" 为 "黄金会员" 的用户行为，排除普通用户的干扰。
- **排除内部数据**：过滤掉 "公司邮箱" 后缀为 "@sensorswave.com" 的内部测试账号，确保数据真实性。
- **聚焦特定渠道**：只查看来自 "抖音广告" 投放渠道的用户转化效果。
- **特定上下文分析**：筛选 "支付金额" 大于 1000 元的高价值订单进行深入分析。

**支持的筛选类型**：
- **用户属性**：用户的固有特征（如：性别、地域、会员等级）。
- **事件属性**：行为发生时的上下文信息（如：商品价格、浏览器版本、来源页面）。
- **用户分群**：直接使用已创建好的用户集合（如：高风险流失人群）。

### 3. 分组查看 (Grouping)

**核心作用**：相当于 SQL 中的 `GROUP BY` 子句。它将单一的汇总数值拆解为多个维度的分布情况，帮助您发现数据背后的构成规律和差异。

**典型使用场景**：
- **地域分布洞察**：按 "省份" 分组，快速识别哪个地区的用户最活跃或贡献了最多营收。
- **版本质量监控**：按 "App 版本号" 分组，对比新旧版本的崩溃率或转化率差异。
- **渠道效果评估**：按 "注册来源" 分组，对比不同获客渠道带来的用户留存表现，优化投放策略。

> **提示**：您可以同时设置多个分组维度（例如先按 "省份" 再按 "性别"），系统将展示所有维度的交叉组合结果，实现更细粒度的下钻分析。

## 可视化展示区

不同的业务问题需要不同的图表形式来解答。Sensors Wave 提供了灵活的可视化切换能力。

### 图表类型与适用场景

| 图表类型 | 适用场景 | 示例问题 |
| :--- | :--- | :--- |
| **折线图** | **趋势分析**。观察指标随时间的变化规律和波动情况。 | "过去 30 天 DAU 的增长趋势如何？" |
| **柱状图** | **分布对比**。比较不同分组之间的大小差异。 | "哪个城市的注册用户数最多？" |
| **堆积图** | **构成分析**。既看整体趋势，又看内部各部分的占比变化。 | "每日活跃用户中，新老用户的比例是如何变化的？" |
| **数值图** | **核心 KPI**。只关注最终的汇总结果，不关注过程趋势。 | "本月的累计销售总额是多少？" |

### 时间控制
- **时间范围**：决定分析数据的跨度（如：过去 7 天、2024年1月1日-1月31日）。
- **时间粒度**：决定数据聚合的精细程度（如：按小时、按天、按周、按月）。
  - *场景*：在大促活动期间，您可能需要按"小时"查看流量变化；在查看年度财报时，则按"月"查看更为合适。

## 数据明细区

可视化图表用于发现趋势，而数据明细区用于**验证数据**和**采取行动**。

**核心能力**：
1. **多维数据验证**：查看图表背后的精确数值，确保分析结果准确无误。
2. **用户列表下钻**：仅仅看到数字是不够的，您还需要知道数字背后是**哪些具体的人**。
   - *场景*：在漏斗分析中发现某一步骤流失率极高，点击流失人数，直接查看流失用户的列表，分析其共同特征。
3. **分群保存与应用**：
   - *行动*：将分析中发现的特定用户群（如 "支付失败的高意向用户"）一键保存为 **用户分群**。
   - *价值*：保存后，您可以直接对这批用户进行精准推送、发券召回或进行更深入的行为分析。
4. **数据导出**：支持将查询结果下载为 CSV/Excel 文件，便于进行跨部门汇报或二次加工。

## 下一步

现在您已经掌握了分析模型的通用能力，请选择一个具体的模型开始您的数据探索之旅：

- **[事件分析](event-analysis.mdx)**：分析用户行为的趋势和分布（最常用的分析模型）
- **[留存分析](retention-analysis.mdx)**：分析用户的粘性、回访和健康度
- **[漏斗分析](funnel-analysis.mdx)**：分析关键业务流程的转化效率和流失卡点

如果您在使用过程中遇到问题，可以查看 [常见问题](faq.mdx) 或参考 [最佳实践](best-practices.mdx)。