1. 什么是“分布分析”
在 1.6 版本将“回访分析”升级为“分布分析”，分布分析不但可以告诉你用户有多依赖你的产品，还可以告诉你某个事件指标的用户分布情况。比如，查看订单金额在 100 元以下、100 元至 200 元、200 元以上三个区间的用户分布情况。
指定一个用户行为事件，然后选择事件的指标。分布分析可以帮助揭示以下问题：
通知策略调整前后，用户每天使用产品次数是否增加？
用户首次购买后是否会重复购买？
假设每天使用 3 次以上某关键功能的用户算作核心用户，那么核心用户的成分变化趋势如何？
2. 分析分布比单看日活（DAU）优越在哪里？
日活只能告诉你用户数的变化，分布分析却能揭示单个用户对产品依赖程度的变化。比如某产品虽然三月和四月期间活跃用户量没有明显增长，但是用户关键行为（比如下单，或发布内容）的频率却显著增加，说明产品对于用户的价值增加了。反之，如果虽然日活增长很快，但是回访频次却分布在相比之前较低的水平，很有可能新增加的活跃用户并未真正感受到产品价值。
3. 分布分析界面功能简介——按时间统计
A. 选择用户回访行为
选择某个事件作为考查的回访行为。这里可以选择『客户付费』。
B. 选择指标
在这里选择分布分析的指标，可以选择“小时数”“天数”等时间段，可以选择绝对次数，也可以选择事件的指标。选择次数和事件的指标时可以自定义区间。
C. 回访时间单位
选择回访频率统计的时间单位（在 C 中选择按时间段还是次数进行分析）。可以选择：
一天内： 用户在 0:00-23:59 这 24 小时中的回访行为。
一周内： 用户在周一到周日这 7 天内的回访行为。
一个月内： 用户在不同月份的第一天到最后一天的回访行为。
D. 设置所选事件的筛选条件
比如，只查看 iOS 版本的回访情况。
E. 设置用户筛选条件
针对用户属性，筛选合适的分析对象。比如，只查看女性用户的回访情况。
F. 回访频率表格
第一列是用户选定的查询时间段，按照回访时间单位（天/周/月）划分。第二列是在相应时间进行回访行为的总用户数。后面各列，分别是至少回访相应次数的用户数和比例。
鼠标悬停在单元格上，可以查看每个单元格数字代表的具体含义。
点击这个数字，则可以看到这些用户的详细信息，并且更进一步看到其中单个用户的详细行为序列。
G. 自定义分组区间
如果这里选择的属性是数字类型，可以自定义分组区间。如果没有设置，查询引擎会动态计算分组区间。此设置仅在当前查询生效，将查询保存为书签后在书签中也生效。
鼠标浮动在表格的单元格内时，会出现下载连接，点击即可下载用户详情。
4. 分布分析界面功能简介——按次数统计
A. 选择『次数』
选择次数统计按照实际发生次数不去重。 也可以设置自定义分组区间。
B. 回访频率表格
以 b 在表格进行说明，在 9-1(四)这一天内进行过『客户付费』的用户有 12 人，其中有 12 人进行了 1 次 ~ 3 次（不含 3 次）。
5. 分布分析界面功能简介——按事件指标统计
指标选择“合同金额的总和”，在 8-29 当周有 63 人进行了付费，付费金额在 50000 ~ 100000 (不包含)之间的用户有 5 人。
6. 分布分析是如何计算的
分布分析有两种统计方法，按时间段统计和按次数统计。
A. 按时间段统计
统计用户在一天/周/月中，有多少个自然时间段（小时/天）进行了某项操作。
以『一天内』进行『点击广告』的『小时数』分析为例来说明。如果某用户在 15:00 到 16:00 间进行了『点击广告』3 次，17:00 到 18:00 间进行了『点击广告』1 次，则统计为『一天至少在 2 个时段进行点击广告』, 用户在某小时内进行『点击广告』一次或多次，都记 1 次。
对于查看用户一周/一月内某事件的天数，则是统计用户在一周/月中触发过某事件的天数。
B. 按次数统计
统计用户在一天/周/月中，进行某项操作的次数，发生一次就记录一次。
C. 按事件指标统计
统计用户在一天/周/月中，进行事件指标的。指标与事件分析一致，有总和、均值、最大值、最小值、去重数。
7. 常见使用场景
当用户首次访问或者完成首次购买后，产品对用户的黏性如何，用户的忠诚度如何，可以通过分布分析功能进行快速诊断。
以电商为例，重复购买次数是比较常用的一个衡量忠诚度的指标，下面我们来看看，如何通过分布分析的功能查看重复购买次数。
根据以上分析结果，我们还可以进一步细分找到这部分参与度高的人群的共同点，在产品中都干了什么，我们可以看看他们是否都来自同一座城市，是否从同一社交网络了解到你的产品，是否年龄都在 30 岁以下？
在以上分析的基础上，按用户所在城市分组：
按用户注册渠道分组：
这样我们就清晰的了解了哪个城市的，哪个渠道的用户忠诚度比较高。
