作者：易观数字营销经理 赵岩
从经验驱动到数据驱动，我们经历了一整个数字化发展浪潮。我们一直在进步，数据驱动告诉我们在进行决策之前，需要数据来辅助决策，在执行之后，我们需要数据来验证决策的正确性。数据与决策形成了良好的闭环，PDCA被广泛应用于产品运营上。
然而在我们利用数据驱动精益成长的时候，数据的细分维度决定了数据对于决策指导的比重，那就是访问级和事件级。如果你身边的运营还在关注UV和PV以及跳出率，请你肯定他，并且告诉他，关注事件级数据，会打开新世界大门。
在本文中，我主要把访问级数据和事件级数据作为具体的两个数据细分维度。
什么是访问级和事件级？（网站举例）
访问级数据：
跟访问有关的数据，比如独立访客数量（UV），页面浏览量（PV），平均访问页面数量，平均访问时长，跳出率等。
通过访问级数据，我们可以从页面被访问的相关数据上得到一些洞察，比如我的跳出率变高了，是不是因为着陆页上的信息不符合用户的搜索意图了，或者UV，PV增加减少意味着用户的关注减少了，还可以粗浅的知道我的网站表现情况。
问题来了，访问级指标真的可以做到数据驱动决策么？也许会有一些指导，但是完全不足的。
举例：
1、我想知道，为什么那么多访客，那么少订单？
2、我想知道，不同浏览器会不会有兼容问题？
3、我想知道点击关注按钮的用户有多少？
4、我想知道我的用户都是从哪里来的，表现如何？
如果知道了这些问题的原因，那么我们就会知道如何优化我们的产品，从而获得更好的数据驱动增长。
但是，访问级数据完全做不到。这个时候，我们的数据分析能力需要升级了，换个细分维度看数据。
事件级数据：
以事件触发为基础的数据维度，计算不同的事件发生的事件，触发的人，以及了解事件的属性和属性值。
举个例子：
事件：点击加入购物车按钮
事件属性：加入购物车的商品
事件属性值：商品名称
这样数据上传到易观方舟，我们就可以知道有多少人，多少次点击了加入购物车按钮，并且可以通过细分维度知道都分布在哪些商品上。
这样的数据直接告诉了我们，哪些商品被加入购物车次数多，还可以通过事件分析来进行漏斗构建，广告来源效果跟踪等，这样就可以针对性进行优化调整，事件的分析是更小颗粒度的维度的行为分析，这是访问级数据完全不具备的。
有了事件级数据后再去看访问级数据，我们会发现一个现象，就是如果单独只有访问级数据，那么只能为决策提供很小的帮助，完全实现不了数据驱动。
访问级数据结合事件级数据，数据更加全面。
并不是说有了事件级就不要访问级，很多数据还是需要访问级的，比如页面浏览是可以作为一个事件存在的，比如某页面的浏览这个事件的触发次数和触发人数，这样浏览级就可以作为漏斗的其中一个组成存在，帮助我们更好的进行分析。
事件的应用就像乐高玩具一样，可以根据自己的需求创造无数种可能，做数据分析通常都是先有需求，其次有构建想法，然后通过事件来复现自己的构建想法，最后看到数据表现。因此，要提高我们的数据驱动能力，需要进行细分维度的转变，从访问级数据进化到重视事件级数据。
网友评论