3. 用户行为维度体系搭建：事件、属性、维度的分层设计
3.1 指标定义：什么是事件、属性、维度？
用户行为数据模型是产品分析的基础底座。事件（Event）、属性（Property）、维度（Dimension）三者构成了行为数据的骨架，分别回答“做了什么”“怎么做”“在什么条件下做的”三个核心问题。
- 事件：用户在产品内发生的可记录、可聚合的一次行为，例如“播放视频”“点击购买”“提交表单”。
- 属性：描述事件具体细节的参数，也称为“事件属性”。例如“播放视频”事件可能包含属性：视频ID、播放时长、清晰度。
- 维度：从用户、设备、环境等角度对事件进行切片分层，例如用户性别、设备型号、国家城市、访问渠道。
| 概念 | 定义 | 典型例子 | 存储位置 |
|---|---|---|---|
| 事件 | 用户行为的一次记录 | “加入购物车” | 行为日志表 |
| 属性 | 事件自身携带的参数 | 商品SKU、数量、价格 | 事件属性字段 |
| 维度 | 上下文切割的标签字段 | 用户等级、操作系统、地域 | 用户/设备属性表 |
3.2 数据口径：分层采集与存储规范
为了保证后续分析的统一性，每层数据需要遵循明确的命名和类型规范。以下为常见采集口径示例：
# 事件命名规范（snake_case + 动词_名词）
event: play_video
event_properties:
video_id: string
playback_duration_sec: integer
is_ads_shown: boolean
user_properties:
user_level: integer
registration_channel: string
device_properties:
os_name: string
screen_width: integer数据入库时，事件、属性、维度分别写入不同存储分区，通过event_id和user_id关联。属性与维度不得交叉存储，确保逻辑分离。
⚠️ 常见错误：将用户维度（如“vip等级”）硬塞进事件属性字段，导致后续按等级切分母时被迫从事件表中全表扫描，性能大幅下降。
3.3 维度拆解：三层指标分析框架
维度拆解的目标是找到用户行为变化的根因。推荐使用“事件 → 属性 → 维度”三层下钻法：
- 事件层：选择核心事件，如“启动App”或“完成下单”。
- 属性层：查看属性分布，如“启动App”的“启动来源”（推送/桌面图标/广告）。
- 维度层：进一步根据用户/设备/时间维度做交叉分析，如“来自推送的启动”中“Android vs iOS”的占比差异。
💡 实践贴士：每一层拆解都需前置定义“对比基准”——通常选择上一周同期或上一版本同期，避免孤立看绝对值。
3.4 看板结构：分层模型在BI中的呈现
建议按照“事件 → 属性 → 维度”的层级组织看板，形成自上而下的钻取路径。一个典型看板结构如下：
- 顶栏：全局时间筛选 + 维度筛选（国家、版本号、用户分层）。
- 事件总览面板：核心事件发生次数、独立用户数、人均触发频次。
- 属性分析面板：选中某个事件后，展示其属性分布（如视频时长分段占比）。
- 维度交叉分析面板：对事件 + 属性 + 维度做交叉表，支持下钻至单用户。
3.5 异常解释：维度体系如何定位数据突变
当核心事件指标出现异常波动时，按“事件 → 属性 → 维度”逐层定位：
- 确认异常落在哪个事件（如“视频完播”下降）。
- 检查该事件的属性维度（如“视频分辨率”是1080p还是4k？）。
- 锁定差异维度（如“4k完播率下降”，且受影响用户集中在“iOS 18.0”系统）。
🔍 案例：某社交App“发送消息”事件量骤降30%。按维度拆解发现：仅影响“iOS用户”，属性“消息类型”中“图片”类型降幅最大，最终定位到iOS端新版本相机权限弹窗出现bug。
3.6 业务动作：基于分层数据驱动迭代
维度体系输出的结论可直接转化为产品优化动作：
| 分层发现 | 对症动作 | 预期指标 |
|---|---|---|
| “注册”事件中属性“注册方式”某渠道转化率低于均值 | 优化该渠道引导流程或降权 | 注册转化率提升10% |
| “付费”事件维度“用户等级”中新手用户付费率极低 | 在新手引导中加入付费体验触点 | 新手首单率提升15% |
| “播放”事件属性“播放卡顿率”在“网络类型=4G”时偏高 | 针对4G网络下发低码率流 | 卡顿率降低40% |
3.7 复盘分析：维度体系的持续迭代
每次发布版本后，复盘以下问题：
- 本次新引入的事件/属性是否被正确接入？维度拆分是否覆盖了核心场景？
- 是否存在冗余属性（超过90%取值为null或默认值的字段）？考虑移除。
- 维度下钻时是否总需要回溯到原始日志？若有，则说明看板的汇总粒度不够细，需要增加预计算表。
完善的维度体系不是一次建成就结束的，应每两轮迭代检查一次分层合理性，主动剔除低频属性、增加新业务维度。