GIO Logo
解决方案
产品
资源
了解分析云

【十二大分析模型】智能事件分析图表全解析:图表全场景深度应用

来源:GrowingIO 微信公众号2024-4-25

上篇我们介绍了事件分析的基础理念与全方位应用,在实际的业务场景中,如果我们只是看一堆数字和文字,很难直接领会其中的复杂信息和趋势,所以选择恰当的图表形式对于确保有效沟通至关重要。

事件分析中的图表能够将复杂的分析以不同的图表类型呈现,通过一种直观的方式与我们的决策者和观众交流,使得非专业人士也能理解复杂的分析结果。这使得数据可视化对企业至关重要,不同类型的图形和图表可以帮助你:

  • 让企业的数据分析更直观、决策更高效
  • 适应不同的数据解释需求,向上汇报简单明了
  • 业务发展趋势一目了然

在本文中,我们将深入探讨各种常见图表类型,并结合具体的应用场景来识别它们各自最适合的使用环境。涉及的图表类型包括:表格图、折线图、柱状图、饼图和气泡图。我们将分析这些图表在不同情境下如何有效地传达数据信息,并根据数据特点和展示目的选择最恰当的可视化图表。

表格图

高效数据展示,深入挖掘关联性

表格是最常用的数据处理方式之一,由一行或多行组成,主要输入、输出、显示数字或其他文字项以便快速引用和分析,表格中包含行和列。例如统计用户属性、消费习惯等方面的数据。

表格的常见使用场景:

  • 详细数值展示

当需要精确展示具体的数值信息,如统计数据。例如用表格展示商品库存情况,包括库存量、库存周转率等指标,帮助企业更好地管理商品库存,避免库存积压或缺货等问题。

  • 多维度对比

如果数据有多个维度或属性,表格可以同时展示多个列,方便比较和分析变量间的关系。例如通过表格图展示不同渠道用户的购买行为、浏览行为、搜索行为等数据,比较他们之间的关系,可以更好地了解用户需求和偏好,优化用户体验,提高转化率。

  • 数据源基础

表格数据常常作为生成更高级别图表的基础,在数据录入场景中,表格是组织和输入大量数据的常见方式,为其他复杂图表展现形式打好数据基础。

案例:某电商企业使用表格图来展示商品销售情况,包括订单类型、商品名称、商品品类、销售额、销售量等指标,从而更好地了解商品的表现。

折线图

精炼趋势追踪,揭示数据变化规律

折线图显示随时间变化的连续数据,在折线图中,类别数据在水平轴,数值在垂直轴。它也可以对比不同组别在同一时间段内的数据变化,例如比较不同地区或不同用户群体的行为模式。同时,折线图也能帮助发现数据中的异常值,从而进行更深入的分析。

折线图的使用场景1:时间序列分析

折线图常用于展示随时间变化的数据趋势。可以利用折线图来展示产品每月或每季度的销售量变化,了解整体销售趋势。同时,也可以聚合时间维度,利用折线图找到多数用户购买商品的具体小时/日/周,从而识别销售高峰或低谷的时间段。

案例:某零售企业通过基础折线图观测最近一个月内的销售趋势,找到用户付费规律。 我们使用折线图展示最近一个月【每天】销售情况,可以发现销售额在3.30日达到了峰值。

在发现付费峰值之后,我们还想进一步找到用户每天具体的下单时间。事件分析模型是可以支持继续拆解到【小时】维度,但由于是30天每天的小时波动,我们发现似乎用户的付费规律展示出来的并不直观。

所以事件分析模型还提供了时间聚合功能,通过【聚合】0点-23点,我们可以看到最近一个月,用户一般集中在10、14、17和22点下单,其中17和22点支付成功的用户最多,后续可以针对这几个时间节点开展运营活动。

折线图的使用场景2:类别分析与量级展示

有序类别数据分析:当数据有多个类别,在同一时期的变化趋势可以用折线图观测。例如某个月份不同品类商品的销售额变化情况,了解各类商品的销售变化趋势。

数据量级展示:折线图可以明显观测到某个时间的数据量的异常增加或减少。比如观察网站的访问量、用户点击次数等指标随时间的变化情况,找到异常流量,为后续深入分析提供数据支撑。

案例:某零售企业希望找到2024年第一季度不同品类的销售额趋势及差异 趋势观测:使用「普通折线图」可以直观的展示2024年第一季度食物和商品的销售趋势情况,可以发现从2月份开始,食物品类的销售额出现了大幅下滑。

区域观测:通过「堆积折线图」可以看到2024年第一季度除3.11-3.17这周外,食物类的销售额一直高于商品类。

比例观测:通过「百分比折线图」可以看到食物是该企业营收的主要组成部分,平均占比约80%,但在3.11-3.17这周,食物的销售额仅占总销售额的18%,需要深入分析该周的异常情况。

*折线图有多种表现形式,像上述我们看到的普通折线图、堆积折线图、百分比折线图,这些不同的展现方式使我们能够从同一数据集中得出多样化的分析视角和结论

柱状图

鲜明对比,数据差异一目了然

柱状图,又称条形图,是一种展示长方形长度形式的统计图表。柱状图也可横向排列,或用多维方式表达。它可以用于分析用户的购买行为、浏览行为等数据,从而更好地理解用户需求和偏好,优化用户体验。

柱状图常见使用场景1:数据对比

数据对比:柱状图适合于展示和比较多个同类项之间的数据关系。例如比较不同商品的销售量或销售额,从而直观地比较哪些商品更受欢迎,哪些需要改进或促销。 案例:某电商企业正在积极探索和分析市场趋势,以寻求那些具有巨大潜力的爆款商品 通过纵向和横向柱图比较不同商品的销售额,发现“薄荷T恤纯色夏”该商品的销售额远高于其他商品。


柱状图常见使用场景2:数据直观展示

数据直观展示:能够直观地展示数据的分布情况,可以一目了然地看到各项数据的大小和相互之间的关系,例如购买某一单品的用户身份组成、来源渠道等,这有助于了解用户行为和渠道效果,从而优化广告投放和用户份群运营策略。

案例:某商超企业希望通过比较不同品类的商品销售情况,优化商品组合和制定营销策略 为了深入分析顾客对不同商品类别的购买行为,某商超企业采用了「堆积柱状图」和「百分比堆积柱状图」来对比各类别的销售情况。通过这些图表,企业可以直观地观察到在销售金额和市场占有率方面,各个商品类别之间是否存在显著的差异。这种可视化的数据分析方法有助于企业洞察消费者的购买偏好,并据此调整库存与营销策略,以优化商品组合,提升销售效果。


饼图

精确勾勒分类趋势,明晰数据分布

饼图,也称为扇形图或圆形图。它通过分割圆形来表示数据的分类和占比,每个模块的面积与其所代表的数据量成正比。它可以用来分析不同用户属性、渠道来源、销售品类等在总体的占比,找到目标用户并了解商品销售情况。

饼图常见使用场景

分类结构分析:展示分类数据的部分与整体之间的关系,能够一目了然地看到各个部分在总体中的占比。例如,分析不同订单类型(普通订单、活动订单等)在总订单量中的比例,帮助监控不同业务的占比。或者,在访问用户中,看到不同性别用户的比例,了解用户基础画像。

案例1:某电商企业希望找到不同身份的用户对销售额的贡献,指导用户差异化运营 通过饼图分析会员与非会员用户在特定时间内的付费金额占比,以深入了解不同身份用户对整体收入的贡献,帮助企业评估会员计划的效果,优化客户关系管理。

案例2:某企业通过分析用户搜索行为数据来优化其产品搜索功能,以提升搜索性能和用户体验

通过饼图分析显示,用户自主输入的搜索词占搜索总量的86%,而商家推荐的热门搜索词仅占不到3%,表明用户对当前推荐的热门搜索词不太感兴趣。基于这一发现,企业可以采取措施优化搜索功能,例如更新推荐算法以产生更具吸引力的热门搜索词,从而更有效地引导用户进行点击和浏览,增加商品的曝光率和潜在的销售机会。

气泡图

展现分布态势,对比量级差异

气泡图通常由两个变量决定了气泡在坐标系中的位置,即X轴和Y轴上的值,而第三个变量则通过气泡的大小来表示。这种图表类型不仅能够展示数据的分布,还能通过气泡的大小来反映数据的量级或者某个变量的重要性。例如使用气泡图分析用户的行为数据,如浏览量、点击率、成交金额等,帮助商家优化网站布局和提升用户体验。 对此,GrowingIO建议可以通过产品健康度分析,以产品为基础,全流程梳理清楚用户的流转方向,进而帮助我们从关键节点解决业务问题,让产品服务用户,为后续的业务增长提供方向。

气泡图常见使用场景

多变量关系展示:当需要展示三个或更多变量之间的关系时,气泡图是一个很好的选择。如展示不同商品的销售情况,其中X轴和Y轴分别代表产品的两个属性(如商品浏览量和转化率),气泡的大小表示销售量。帮助商家了解哪些商品更受欢迎,以及商品属性如何影响销售。 数据量级比较:当需要比较不同数据点的量级或重要性时,气泡图可以通过气泡的大小来直观地展示这种差异。例如某渠道的订单成交金额越高,气泡越大,结合其他变量能够快速找到优质渠道,及时调整投放策略。 案例:某商超企业希望了解用户付费情况,找到不同品类的销售表现 通过分析同一支付成功事件下的三个关键指标—人数、次数和支付金额,气泡图揭示了以下洞见:

  1. 美妆个护类商品以其占总交易量的11.65%位居榜首,显示出其在消费者中的广泛受欢迎和市场活跃度。
  2. 餐厨用具和医药保健等其他类别的商品相比之下表现较为平淡,暗示其市场需求和吸引力不足。
  3. 虽然初次购买吸引了大量顾客,但整体复购率较低,指出了增强客户忠诚度和促进重复购买的潜在机会。


*气泡图展示了不同商品类别之间的交易差异,帮助企业找到市场策略的潜在调整方向,为商家优化产品组合、库存管理以及增强顾客粘性提供了数据支持

本文通过对GrowingIO的智能事件分析中不同图表类型的详细介绍和应用案例分析,强调了数据可视化在企业决策中的重要性。合适的图表不仅能够提升数据分析的直观性和效率,而且有助于优化业务策略和提升用户体验。选择和应用正确的图表类型,可以更好地传达数据背后的信息和趋势,支持企业决策者做出明智的选择,从而推动业务发展。

数据驱动业务增长