1 平台简介
Inspire,是AbleCloud推出的功能强大的数据分析平台,并针对IoT行业做了特殊的支持。通过AC Inspire,厂商可精确的知道自己用户、设备的行为特征,能简方便捷的划分用户和设备群组。无需组建数据分析师团队,厂商也能简单轻松的挖掘海量数据中所蕴含的价值,并通过平台提供的营销功能形成完整的转化闭环。
该平台具有以下一些特性:
- 海量数据处理
- 多维数据挖掘
- 通用报表展示
- 客户自主分析
对于接入AbleCloud云平台的厂商来说,设备、用户的基本行为如激活、注册、使用等行为数据自动进入分析平台Inspire,厂商无需做任何编码便可看到设备的分布、激活、使用等详细情况。对于未接入AbleCloud云平台的厂商来说,只需把历史数据导入分析平台,便能获得强大的数据分析能力。
除此之外,对任意厂商,均可以通过在线实时写入或离线批量导入的方式将除激活、注册等基础数据外的其它数据写入AC Inspire,快速的进行多维数据挖掘分析。
2 产品架构
3 使用流程
分析平台的使用流程,可分为两个阶段:申请试用与正式上线。AbleCloud为此提供两个独立环境,测试环境和正式环境,测试环境用于支持客户的试用需求,当需求确定并满足后,整个数据分析会迁移到正式环境以服务厂商的线上数据分析。
3.1 申请试用
- 申请厂商账号
- 明确分析需求
- 导入历史数据
- 进行数据分析
- 调整事件属性
说明:
- 厂商在AbleCloud控制台发起申请,经AbleCloud工作人员沟通评估后开通厂商账号,后续用于登录分析平台之用。
- 如果厂商有明确的分析指标,这一步可略过。如果一些分析指标项还未明确,可以和AbleCloud客户成功团队一起讨论确定。
- 选择部分厂商已有的历史数据,导入分析平台。
- 用申请下来的账号登录分析平台,进行数据管理,并展开分析工作。
- 在进行分析的过程中,可能会发现之前确定的事件数据属性不太合理,或者平台提供的功能还能做更多复杂分析,因此会出现多次调整迭代,以满足最终需求。
3.2 正式上线
- 申请正式上线
- 实时写入数据
- 进行数据分析
说明:
- 在经过一段时间的试用之后,厂商只需发起正式上线申请,AbleCloud工作人员将会把厂商的分析环境迁移到线上环境,并保证厂商所有的信息如登录账号等保持不变。
- 通过AbleCloud提供的API或SDK,实时写入数据到分析平台,厂商也可基于API开发工具,离线定期批量导入数据到分析平台。
- 进行数据分析,挖掘数据价值。在此期间可以把常用的分析保存为书签,也可以探索新的分析需求。更进一步,在分析的过程中,还可通过消息推送等完成一定的营销需求。
4 平台功能
4.1 事件分析
4.1.1 功能说明
在IoT行业的数据分析中,这里的“事件”是指在一定时间内由一个实体(用户/设备)完成或和该实体有关联的动作。Inspire的事件分析是一项强大且灵活的基础分析功能,在该页面中根据事件的特性进行合理的配置,便可实时回答关于变化趋势、维度对比等各种细分问题,如:
最近半年哪个地区的设备激活量最高?变化趋势怎样?
各个时间段的用户App平均打开次数分别是多少?
4.1.2 分析步骤
- Step1. 分析指标:
如上图所示,在下拉列表a中选择事件,在下拉列表中b选择分析指标。目前我们支持的分析指标有两类。其中第一类是系统默认的五种指标,如下所示:
- 总次数:在选定时间范围内,该事件触发的次数
- 触发用户数: 在选定时间范围内,触发该事件的独立用户数
- 用户人均次数: 在选定时间范围内,独立用户触发该事件的平均次数
- 触发设备数:在选定时间范围内,触发该事件的独立设备数
- 设备平均次数:在选定时间范围内,独立设备触发该事件的平均次数
第二类则是用户写入Inspire中的事件数据自带的事件属性,它们都会作为分析维度出现在我们的下拉列表中,
如上图红线框中的参数所示,为了观察事件的变化趋势,Inspire将事件属性的以下几种统计特征值作为分析指标供用户选择:
- 总和:所有观察值的求和
- 均值:观察值总对于事件次数总和的平均值
- 用户均值:观察值对于用户人数总和的平均值
- 设备均值:观察值对于设备个数总和的平均值
- 最大值:所有观察值中的最大值
- 最小值:所有观察值中的最大值
- 唯一个数:对于字符串的个数统计
需要注意到,和下面步骤有所不同,指定分析事件是必选项。
- Step2. 分组对比:
分组对比设置主要是供用户对分析结果进行对比查看时的维度,根据用户数据的属性不同,Inspire会在写入用户数据时将满足条件的事件属性自动识别成维度,系统目前提供三类分析维度:
- 事件属性:用户原始数据里面的描述属性
- 用户属性:涉及到用户自身的属性
- 设备属性:涉及到设备自身的属性
通过下拉框选取你想要的对比维度,这样可进行多维度对比分析。点击分组对比下方绿色的“+“号按钮可以增加更多对比维度,目前Inspire支持对比最多五组维度。
- Step3. 选择时间范围:
如上图所示,我们可以选择设置所查询事件发生的时间范围。进一步地,在下图中我们还可设置时段对比,用以对比同一事件在不同时间段的变化趋势。
需要注意的是,目前的分组对比功能和时段对比功能是互斥的,两者只能选其一。
- Step4. 筛选条件:
通过添加不同的筛选条件,可用来分析复杂业务特性的数据。在选择筛选条件时请注意下拉列表里的指标也有三种不同属性:
- 事件属性:用户原始数据里面的描述属性
- 用户属性:涉及到用户自身的属性
- 设备属性:涉及到设备自身的属性
注: 和Step1中不一样的是,这里三种属性来自用户写入的原始数据的属性,除了时间戳之外所有的属性在这里都可作为筛选条件。
用户可以通过绿色“+”按钮增加筛选条件,同时还让用户自行选择多个筛选条件之间的逻辑关系(“且”和“或”)。
如下图所示,我们还注意到有一类复杂过滤条件的情况,带有增强时间过滤条件的某种指标,如下图中的“舒张血压”>“用户每周”>几种“统计特征值”
- Step5. 群组设置:
用户还可以通过选择已经存在的某群组来分析该组用户或设备的行为特征,来获得进一步的业务洞察。比如在下图中,我们设置了“煲汤的女性高血压人”群组,这样便可结合Step1的设置来分析和观察这个人群煮饭的行为特征。同筛选条件类似,注意到上图下方的下拉群组列表,我们可以同时设置多个群组的存在,并指定这群组之间的逻辑关系(“且”和“或”)。
4.1.3 分析图表:
在设置完Step1和其他的非必须步骤之后,我们可点击屏幕顶部的“开始查询”按钮,出现对应的分析图如下:
通过上图可见,分析图表区在屏幕右侧,我们可以根据业务特性或自身兴趣去通过右边的下拉列表选择不同的时间粒度(小时、天、周、月),从而展现数据随着不同时间粒度变化的趋势。 但如果在左侧的筛选条件中用到了复杂过滤(增强时间过滤条件),则此处的时间颗粒度将不可选,而是被统一设定为增强时间过滤条件中的时间单位。
右上角绿色区域为“书签保存”按钮,将本次分析的步骤设置和展现结果保存为分析书签,它会出现在“书签”菜单的列表中,供分析人员未来参考或其他同事直接查看本次分析结果。
分析图表区下方的数据明细,可供企业相关人员对感兴趣的区域做进一步分析和探索用。
4.2 留存分析
4.2.1 留存简介
所谓留存,一般就是用户在你的产品(网站/App/智能设备)中留下来并持续使用的意思。
留存是数据分析中著名的AARRR模型(获取、激活、留存、传播、收入)的五个步骤中重要的一环,做好了留存才能降低新用户的流失率。有时我们只看日活(DAU)会觉得数据不错,但实际上有可能是因为近期有密集的营销拉新活动,在某几天增加了大量的新用户,但是留下来的用户数可能为零,甚至是负增长的。
一般而言的留存率,是指“新用户进行初始操作”后,在一段时间内“再次使用产品”的比例,常见的留存指标有次日留存、三日留存、七日留存等。而针对IoT企业的对设备行为进行分析的痛点,Inspire实现了用留存分析来查看设备在被绑定激活之后使用情况的功能,从而为衡量用户对智能设备黏性提供了量化的分析手段。
4.2.2 功能简介
在留存分析中有几个重要项需专门说明如下:
- 留存主体:
在Inspire里面,事件模型中既有用户也有设备,因此留存分析需要指定下主体的类型。这是必选项。
- 初始行为
初始行为规定了你想对什么样的事件进行留存分析,在下拉列表中出现的任意事件都可以直接选择。这是必选项。
- 后续行为
你希望用户持续地到你的产品中做什么?或者你希望设备在什么行为中重复被使用?这是Inspire对后续行为更广泛的定义。与初始行为一样,你可以设置任意行为作为回访行为,在下拉菜单中可以选择。这是必选项。
- 初始行为发生时间范围
此处可以自由选择今日、昨日、近7日、近30天或任意自定义时间。选择的时间段代表了初始行为的发生时间范围。例如,如果选择了10月1日至10月8日,那么系统会筛选出10月1日-8日内发生过初始行为的所有用户/设备,并对这批用户/设备计算之后每一天后续行为的发生比例。Inspire默认选择为近七日。
- 留存时间
从初始行为到后续行为之间的时间长度,可以在留存图右上角的下拉列表中设置,Inspire默认为七天。
其它非必选设置参数如行为筛选条件、主体筛选条件、群组设置和“事件分析”中的在细节上没什区别,可前往“事件分析”回顾。
做完必要的设置后,请点击顶部的“开始查询”按钮查看用户留存率。初始行为到留存行为的时间窗口长度可在留存图右上方红线框中的下拉列表根据需要来自行选择。
页面右上方的“书签”的用法和作用同“事件分析”,这里略过。
下面对留存图做简单介绍:
留存图是一张表格图,其中每一行都代表了某天的中发生了初始行为的主体留存情况。下图红框中31.91%的意思为:5月21日新增的21814个用户中,有31.91%的用户在2天后(即5月23日)又一次进行了App操作。同时,根据留存率的高低,我们对每个单元格进行了不同的染色,颜色越深表示留存率越高。
4.3 漏斗分析
4.3.1 基本概念
漏斗模型是用来分析转化率的利器,而转化率则是互联网产品最核心的指标之一。通过Inspire的漏斗分析模型,我们不但可以对用户使用互联网产品路径中的转化率进行分析,也可以对IoT设备相关的事件行为进行类似的分析。
下面对漏斗分析中的几个重要概念作一说明:
- 转化步骤:
漏斗转化过程中,用户或设备必须经过的步骤。
- 漏斗窗口:
完成整个漏斗转化过程的时间,从漏斗第一个转化步骤到最后一个转化步骤的时间长度
- 单步转化率:
从第i步到第i+1步的转化主体数量 / 从第i-1步到第i步的转化主体数
- 总体转化率
完成最后一步转化的主体数量 / 进入第一步转化的主体数量,通过该指标可知道最后转化主体数占开始进入漏斗转化的主体数量的百分比
4.3.2 功能介绍
4.3.2.1 创建漏斗
- 漏斗名称:
请在这里指定一个有意义的、便于记忆的漏斗名称,必选项。
- 漏斗窗口期:
请选择单位时间和输入对应长度,必选项。
- 漏斗转化主体:
请选择设备或用户,必选项。
- 漏斗步骤:
漏斗转化步骤至少需要两个步骤,我们可通过下方的绿色“+”按钮添加多个转化步骤。其中的事件选择和筛选条件同事件分析中的设置大同小异。
4.3.2.2 查看和使用漏斗
创建了漏斗后,便可查看和分析漏斗。我们先看漏斗转化图:
图中的总体转化率、单步转化率、转化步骤一目了然。
现在来看下整个漏斗页面如下:
- 选择漏斗:
对于已经创建好的漏斗,可以通过此处的下载漏斗列表来选择查看。
- 查看漏斗:
选择漏斗右侧的“查看漏斗”可以看到创建漏斗时的设置条件,该模式只限查看,不可编辑。
- 分组对比:
和事件分析里的一样,选择整个漏斗流程中的某个维度进行对比查看。
- 右侧时间窗口:
这里指定的是漏斗第一个转化步骤发生的时间范围。
- 数据明细:
展示漏斗图中的每个步骤的对应的明细。
4.4 区间分布分析
4.4.1 功能简介
所谓区间分布,就是分析和查看某个事件的主体按照某量化指标的分布。例如,统计用户数量按照App操作总次数的分布。
在区间分布分析中有几个重要项,说明如下:
- 分布主体:
Inspire中主体的类型既有用户也有设备,因此这里需要指定。这是必选项。
- 分析指标
和分布主体直接相关的可量化的指标,主体数量将按照该量化指标在不同区间的统计给出分布。具体的设置和事件分析中对应的一致。这是必选项。
- 分布区间:
默认显示从负无穷大到正无穷大。通过点击分布区间下方的绿色“+”按钮去增加每个区间的区间值。这是必选项。
其他的非必选项设置如筛选条件、群组设置、分组对比等和“事件分析”中对应的参数设置没有差别,用户如需要可前往“事件分析”回顾。
做完必要的设置后,点击顶部的“开始查询”按钮即可查看页面右侧的区间分布图和数据明细。页面右上角的“书签”的用法和作用同“事件分析”描述,这里略过。
下面介绍分布图中的指标:
留存图是一个柱状图,每个柱子的高度代表落在下方区间中的各种主体数量,这样整体来看,就是对符合筛选条件的主体某指标的分布。在上图中,因为我们按照手机型号设置的分组对比,所以每个柱子的高度是由使用各种型号手机且App操作次数落在对应区间内的用户数叠加而成。
同其他分析模型类似,分布图下方也给出了数据明细,以便用户做进一步业务分析和探索用。
4.5 群组管理
4.5.1 功能简介
在进行深入的业务分析时,我们常常需要将分析对象定位成一群具有相同量化特征的主体,既可是用户,也可是设备。而为了满足诸如此类的定制化分析场景,Inspire专门提供了群组功能,它让用户从自身需求出发,指定共同的量化特征并生成一个群组。对应的群组可在Inspire其它通用分析模型的“群组设置”中使用。
如下图所示,群组管理中最核心的功能就是创建群组。
对上图中的设置项做说明如下:
- 群组名称:
请给出一个清晰的群组名称,可以反映出该群组的共同特征。这是必选项。
- 群组主体:
同其它分析模型类似,请指定或用户或设备为主体。这是必选项。
- 筛选主体属性:
此处请为主体添加属性特征。这不是必选项。
- 筛选行为属性:
此处请为主体添加行为特征。这不是必选项
请注意:虽然主体属性和行为属性单独开看都不是必选项,但是为了创建一个有意义的群组,二者至少必有其一。
设置好以上选项后,点击“保存”按钮,便可生成一个群组,它随即会出现在群组列表中。为了确认某个群组的细节,我们可在群组列表中点击“查看”某个群组,如下图所示:
在“查看群组”模式中,所有的选项均无法编辑。
同时,在其他分析模型页面里的群组设置中可以直接使用该群组: