IDC客戶洞察和分析項目副總裁JessicaGoepfert表示：“從高層面來看，企業(yè)組織正在轉(zhuǎn)向大數(shù)據(jù)和分析解決方案，以實現(xiàn)物理和數(shù)字世界的融合。這種轉(zhuǎn)變?nèi)Q于行業(yè)的不同形態(tài)，例如銀行和零售業(yè)——大數(shù)據(jù)和分析增長最快的兩個領(lǐng)域——投資都是關(guān)于管理和重塑客戶體驗。而在制造業(yè)，企業(yè)正在重塑為高科技企業(yè)，使用他們的產(chǎn)品實現(xiàn)和交付數(shù)字化服務(wù)的平臺。”

在預(yù)測期內(nèi)，有超過一半的BDA收入將用于IT和商業(yè)服務(wù)。與服務(wù)相關(guān)的收入也將是增長最快的機會之一，復(fù)合年增長率為13.2%。到2022年軟件投資將增長到900多億美元，主要受到了最終用戶查詢、報告和分析工具、關(guān)系數(shù)據(jù)倉庫管理工具采購的帶動。增長最快的兩個BDA技術(shù)類別包括認(rèn)知/人工智能軟件平臺(復(fù)合年增長率36.5%)和非關(guān)系分析數(shù)據(jù)商店(30.3%)。BDA相關(guān)的服務(wù)器和存儲采購量復(fù)合年增長率為7.3%，到2022年達(dá)到270億美元。

到目前為止，美國是最大的市場，今年BDA收入就接近880億美元，在五年預(yù)測期內(nèi)占全球總額的一半以上。西歐是第二大市場，今年收入預(yù)計達(dá)到350億美元，其次是亞太地區(qū)為239億美元。日本將成為今年BDA投資的第二大國家，其次是英國、德國和中國。BDA解決方案增長最快的國家是阿根廷(20.8%)、越南(19.8%)、菲律賓(19.5%)和印度尼西亞(19.4%)。

從企業(yè)規(guī)模來看，大型企業(yè)(員工人數(shù)超過1000人)在整個預(yù)測期間占到BDA機會的2/3，超過2018年的1000億美元。中小型企業(yè)(SMB)也將成為BDA收入的重要貢獻(xiàn)者，全球收入的近1/4來自員工少于500人的企業(yè)。

在用戶行為分析領(lǐng)域，數(shù)據(jù)分析方法的科學(xué)應(yīng)用結(jié)合理論推導(dǎo)，能夠相對完整地揭示用戶行為的內(nèi)在規(guī)律。圍繞數(shù)據(jù)分析探索、應(yīng)用場景拓展，神策數(shù)據(jù)始終走在領(lǐng)域前沿。近日，神策數(shù)據(jù)新上線的神策分析1.11版本再添行業(yè)力作——間隔分析。

間隔分析模型為數(shù)據(jù)分析行業(yè)首創(chuàng)，是神策數(shù)據(jù)繼事件分析、漏斗分析、留存分析、用戶路徑、用戶分群等分析模型之后推出的第九大分析模型。該分析模型旨在通過事件發(fā)生間隔時間與分布態(tài)勢，輔助企業(yè)實現(xiàn)深度多維交叉分析，進(jìn)一步提升用戶行為分析的精細(xì)化程度。本文將詳細(xì)介紹間隔分析模型的概念、特點與價值、應(yīng)用場景。(也可通過下方視頻提前了解間隔分析模型)

視頻鏈接：https://v.qq.com/x/page/e0663uek4wk.html

一、什么是間隔分析?

間隔分析從事件發(fā)生的時間間隔維度來探索用戶行為數(shù)據(jù)價值，它能夠科學(xué)地反映特定用戶群體(如北京地區(qū)年齡30歲以上女士)，發(fā)生指定行為事件(如事件A到B的轉(zhuǎn)化、金融用戶的二次投資等)的時間間隔及數(shù)據(jù)分布情況。不同數(shù)據(jù)組的偏態(tài)和尾重可反饋用戶路徑過程中的應(yīng)用體驗，并借此評估產(chǎn)品設(shè)置的合理性。

例如，間隔分析在以下場景中可廣泛應(yīng)用：

在金融行業(yè)，為刺激新用戶快速完成首投，運營人員會贈送新用戶體驗金。運營人員通過間隔分析可以了解：新用戶從首次注冊到首次投資通常需要多久?

在同城速遞行業(yè)，快遞上門時間長短非常影響用戶體驗，作為公司考核快遞人員績效的關(guān)鍵指標(biāo)之一，企業(yè)通過間隔分析可以了解：用戶在官網(wǎng)發(fā)起快遞請求后，快遞員多久接單?

二、間隔分析模型的特點與價值

企業(yè)市場、產(chǎn)品、運營人員通過事件發(fā)生的時間間隔、轉(zhuǎn)化時間長短來判斷與分析用戶的活躍度、用戶轉(zhuǎn)化等情況。間隔分析模型的特點與價值主要表現(xiàn)在以下方面：

第一，可視化時間間隔，六類統(tǒng)計值直觀描繪各用戶群時間間隔分布差異。

六類統(tǒng)計值將時間間隔可視化

神策分析的間隔分析模型以箱線圖形式展示，最大值、上四分位數(shù)、中位數(shù)、下四分位數(shù)、最小值、平均值六類統(tǒng)計量直觀描繪特定用戶群體的時間間隔分布差異，數(shù)據(jù)的偏態(tài)與尾重一定程度反饋用戶體驗，從轉(zhuǎn)化時間的維度暴露用戶轉(zhuǎn)化瓶頸，可借此評估產(chǎn)品設(shè)計的合理性。

第二，依據(jù)分析需求，靈活設(shè)置用戶屬性與事件屬性(初始行為和后續(xù)行為)。

企業(yè)可以根據(jù)具體分析需求，靈活設(shè)置間隔分析的初始行為或后續(xù)行為，并根據(jù)用戶屬性篩選合適的分析對象。

例如，在某奢侈品電商企業(yè)中，為分析高價值用戶的復(fù)購頻率與普通用戶的區(qū)別，可將初始行為與后續(xù)行為均設(shè)為“支付訂單”，并給初始行為增加“訂單金額大于10000元”的篩選條件以此來表示高價值用戶，從而得出分析結(jié)論。

第三，以全新視角探索數(shù)據(jù)價值，從轉(zhuǎn)化時間窺視優(yōu)化思路，促進(jìn)用戶快速轉(zhuǎn)化。

在間隔分析中，將初始行為、后續(xù)行為設(shè)置為相同事件或不同事件，可滿足不同的數(shù)據(jù)分析需求。

例如，在金融行業(yè)，將初始事件和后續(xù)事件分別設(shè)置成為“注冊成功”和“投資成功”，可用于分析用戶轉(zhuǎn)化花費時長，側(cè)面反映用戶的轉(zhuǎn)化意愿，幫助企業(yè)能夠針對性地優(yōu)化產(chǎn)品體驗和運營策略;在在線教育行業(yè)，若將初始事件和后續(xù)事件均設(shè)為“學(xué)生上課”，則展示學(xué)生兩次上課的時間間隔，可以此作為判斷學(xué)生積極性、教育平臺黏性的依據(jù)等。

從時間間隔維度呈現(xiàn)用戶轉(zhuǎn)化、黏性等情況，提升了用戶行為分析的精度和效率,對用戶行為的操作流程的異常定位和策略調(diào)整效果驗證有科學(xué)指導(dǎo)意義。同時，通過判斷各用戶群體事件發(fā)生的時間間隔的偏態(tài)和尾重，以及數(shù)據(jù)分布的中心位置和散布范圍，為發(fā)現(xiàn)問題、流程優(yōu)化提供線索。

三、間隔分析的應(yīng)用場景

間隔分析將幫助各行業(yè)從時間間隔維度來探索用戶行為規(guī)律，更多應(yīng)用場景值得摸索。下面列舉一二：

1、互金場景：如何合理設(shè)置體驗金的發(fā)放時間?

在金融投資類產(chǎn)品運營過程中，為了讓新用戶在注冊后能夠快速投資，運營人員通常會通過一些激勵措施來刺激首投，如發(fā)放體驗金。這會涉及到我們前面提到的“如何合理設(shè)置體驗金的發(fā)放時間”的問題，在具體操作時，運營人員可以在間隔分析中將初始行為設(shè)置為“注冊成功”，后續(xù)行為設(shè)置為“投資成功”事件，當(dāng)了解事件發(fā)生的時間間隔時，可以作為設(shè)置體驗金發(fā)放時間的參考。

當(dāng)然也可以按天展示不同渠道來源的新用戶首次投資成功所花費的時長情況，運營同學(xué)通過了解不同用戶群體的差異化，讓運營更為精細(xì)。另外，通過不同渠道來源的用戶表現(xiàn)也成為渠道投放的判斷的重要依據(jù)，如下圖：

互金各渠道來源的新用戶首次投資成功花費的時長分布

2、視頻網(wǎng)站場景：用戶多久完成一次視頻播放?

內(nèi)容是短視頻App提供給用戶的核心價值，可通過“用戶完整看過一個短視頻”衡量用戶是否感受到視頻平臺的價值。該場景中選擇新用戶從“啟動App”到“完成播放”所花費的時長情況作為分析對象。如果用戶普遍需要較長的時長才能完成轉(zhuǎn)化，說明用戶需要付出的視頻篩選的成本較高，則應(yīng)將新用戶從“啟動App”到“完成播放”的時間間隔作為優(yōu)化目標(biāo)。

新用戶從“啟動App”到“完成播放”所花費的時長情況

同樣，在同城速遞行業(yè)，當(dāng)了解用戶發(fā)起快遞請求后快遞員的接單時間之后，公司可依據(jù)此來考核快遞人員績效，從而也進(jìn)一步優(yōu)化用戶體驗。

四、間隔分析模型與其他分析模型的配合

值得強調(diào)的是，間隔分析模型是多種數(shù)據(jù)分析模型之一，與其他分析模型存在無法割裂的關(guān)系。

從用戶轉(zhuǎn)化角度來說，用戶轉(zhuǎn)化過程受很多因素影響，間隔分析通常是業(yè)務(wù)情況的反映，轉(zhuǎn)化時間間隔只是分析用戶轉(zhuǎn)化的單一維度，只有與其他分析模型配合，才能清晰看到用戶行為特點和背后動機。

雖然在多數(shù)情況下，時間間隔并不能作為優(yōu)化的指標(biāo)，但是與其他分析模型的配合可以幫助我們探索可能存在的問題。例如，從“提交訂單”到“支付訂單”間隔時長中位數(shù)是5分鐘，說明一半的用戶支付訂單需要花費5分鐘以上。則應(yīng)該思考其中可能存在的問題：是支付功能的Bug，還是其它問題導(dǎo)致支付失敗?定位問題需要結(jié)合事件分析、漏斗分析等分析模型定位問題。

總之，只有將各分析模型實現(xiàn)科學(xué)互動和配合，能夠科學(xué)揭示出用戶個人/群體行為的內(nèi)部規(guī)律，并據(jù)此做出理論推導(dǎo)，不斷在工作實踐中優(yōu)化商業(yè)決策和產(chǎn)品智能。

關(guān)于神策數(shù)據(jù)

神策數(shù)據(jù)(https://www.sensorsdata.cn)，一家專業(yè)的大數(shù)據(jù)分析服務(wù)公司，致力于幫助客戶實現(xiàn)數(shù)據(jù)驅(qū)動。公司推出深度用戶行為分析產(chǎn)品神策分析(SensorsAnalytics)，支持私有化部署、基礎(chǔ)數(shù)據(jù)采集與建模，并作為PaaS平臺支持二次開發(fā)。此外，還提供大數(shù)據(jù)相關(guān)咨詢和完整解決方案。神策數(shù)據(jù)積累了神策數(shù)據(jù)積累了中國銀聯(lián)、中國電信、百度視頻、百聯(lián)、萬達(dá)、中郵消費金融、廣發(fā)證券、聚美優(yōu)品、中商惠民、趣店、紛享銷客、Keep、36氪、中青旅、太平洋保險、平安壽險、鏈家、四川航空等500余家付費企業(yè)用戶的服務(wù)和客戶成功經(jīng)驗，為客戶全面提供指標(biāo)梳理、數(shù)據(jù)模型搭建等專業(yè)的咨詢、實施、和技術(shù)支持服務(wù)。希望更深入了解神策數(shù)據(jù)或有數(shù)據(jù)驅(qū)動相關(guān)問題咨詢，請咨詢4006509827，由專業(yè)的工作人員為您解答。