间隔分析

间隔分析可以用来分析两次事件之间的时间间隔，了解用户某一核心行为的发生频率，或者作为漏斗分析的补充，除了分析步骤间转化率外，通过间隔分析可以更详细地了解转化时长。

在间隔分析中，您可以得到下面问题的答案：

• 用户注册后到破冰付费，平均需要多长时间？
• 从打开应用到实际进入的耗时存在异常，是否某个渠道的安装包出了问题？
• 用户需要在第一章驻留多长时间才能进入到后续的章节？

间隔分析的逻辑

在分析事件间隔前，您需要先了解间隔的计算逻辑。

1. 如果您希望分析不同事件的间隔，如注册到首次付费，模型采用最短间隔原则，对连续的起点事件仅从最后一个开始计算间隔；同样地，起点事件也仅与后续出现的首个终点事件计算间隔。

举例来说，如果一个用户的行为路径是：a1 -> a2 -> b1 -> b2，此时仅视为一个间隔 a2 -> b1；如果行为路径是：a1 -> b1 -> a2 -> b2，则会产生两个间隔 a1 -> b1、a2 -> b2。

1. 如果您想分析的是相同事件的间隔，比如用户连续两次付费事件时间间隔的中位数，此时任意相邻的两条事件都产生一个间隔，即N条事件将会产生N-1个间隔。

举例来说，如果一个用户的行为路径是：a1 -> a2 -> a3 -> a4，此时会产生三个间隔：a1 -> a2、a2 -> a3、a3 -> a4。

配置间隔事件

间隔分析中，需要选择分析主体与起点事件、终点事件，只有同一个分析主体依次完成起点事件和终点事件才视为一次间隔。 

间隔上限

为了保证数据的准确性，避免异常值的干扰，您还需要设置间隔上限，上限最大为180天(180*24小时)，最小为1分钟。间隔分析将会在计算所有间隔的数据后，去除所有超过上限的间隔数据。如果无法确定上限设置多少合适，可以通过查看间隔统计数据变化不断调整，以确定最佳的间隔上限。

 

为了得到更符合业务需求的间隔，还需要设置“关联属性”，为起点事件和终点事件分别选择要使用的属性，两者的属性类型必须一致。配置后，此时不仅要求用户按照先后顺序完成起点事件和终点事件，还要求这些事件的属性值完全相同。（属性值为null的事件将不会被用来计算）

间隔分析也支持通过筛选过滤数据，或者通过分组项对比分析。

#查看间隔统计数据

间隔分析提供两种图表类型，可以根据分析目的进行选择。

• 盒须图

如果希望查看事件间隔的聚合统计情况，可以选择盒须图展示，可显示最大值、上四分位、中位数、下四分位与最小值等，盒须图将展示随日期变化的情况。（时间粒度不可以是合计） 

• 直方图

如果希望查看事件间隔的分布统计情况，可以选择直方图展示。 

和盒须图一样，可以在表格中快速查看不同分组的数据表现，或者查看异常区间的分析主体的明细信息。