对无埋点的误解

1、 包的大小：增加并不多，但性能加持不止一点

无埋点SDK由于包含更大的代码里，因此嵌入后安装包的增量会稍有增大，但实际性能提升却不止一点。

2、 性能影响：对整体性能几乎无影响

相对于手动埋点，无埋点会做一些相关的hook 工作，会有一定性能开销。但经过不断优化SDK，如将大部分SDK的工作在子线程中完成，典型的事件、页面加载在主线程基本无消耗。经过评测，主流机器的APP启动速度影响 < 20ms，整体使用体验也几乎无影响。

3、 数据安全：所有数据均为客户所用，更加严苛的数据保护规范

无论是手动埋点还是无埋点，百度统计作为数据处理者会严格按照国家法律法规及相关隐私数据保护条例来存储、处理收回的数据。所有数据仅APP开发者可用，不会泄露给任何第三方；脱敏且根据数据模型处理后的报表数据，会根据功能差异存储较长时间，服务器的原始日志在汇入报表且不影响给客户提供的功能后会永久删除。

4、 数据发送流量： 日志大小增加有限，且可配置发送机制。

无埋点SDK会抓取更多的页面和事件内容，所以日志的体量相对手动埋点会有所增加。经测试，一般APP使用全埋点的单次启动全埋点日志小于10k，而即使是资讯类APP单次长达半个小时的浏览，启动日志一般也能控制在500k以内 ，仅相当于在手机上多看了一张高清图片而已。此外，当前各大运营商已经逐步都推出了无限流量卡，对于普通用户来说，发送无埋点日志消耗的流量几乎可以忽略不记。 此外，移动统计支持设置wifi发送机制，比如设置为仅在wifi环境下发送，或固定时间间隔发送等。

为什么选择无埋点？

为什么选择无埋点？

1、 全面兼容手动埋点功能，基础性能更佳

无埋点技术是手动埋点的升级，因此从技术层面就决定了无埋点可以支持手动埋点的所有统计功能。包括但不限于：基础PV/UV类指标的统计，版本、终端、地域分析、事件、留存、漏斗等。所以，也支持直接将无埋点SDK当做手动埋点SDK来使用。

此外基于无埋点技术特质，进一步优化了基础统计性能

（1）页面智能全埋点

手动埋点SDK需逐一添加每一个希望统计的页面，工作繁琐，且经常出现错埋、漏埋的情况。而无埋点SDK智能抓取全部页面，嵌入SDK后即可在『页面趋势分析』和『页面智能路径』等报告开始页面分析，大大节约成本还提高了效率。同时后续新增页面等也同样会自动添加，维护管理成本几乎为0.

（2）时长自动统计

手动埋点SDK时长统计依赖对页面的埋点，在页面埋点不够密集的情况下可能出现时长统计不准的问题，而无埋点由于实现了页面自动抓取，只要嵌入无埋点SDK即可马上获得最精准的时长统计指标，包括但不限于：APP启动时长、人均使用时长、页面使用时长、使用时长分布等。

（3）事件历史数据回溯

手动埋点只支持查看埋点后的事件数据，无历史数据；而无埋点支持查看所有事件近7日历史数据。

2、 诸多无埋点独占功能，分析更加强大

无埋点技术除兼容手动埋点全部功能优化基础性能外，同时基于无埋点技术设计开发了三项无埋点的独占高级功能。而且以后会有更多。

（1）可视化圈选埋点：运营也能轻松快速完成埋点

无埋点技术在数据埋点方向的直接应用，百度统计可视化圈选功能目前已迭代至3.0版本。它可以将开发者手机APP的界面同步至电脑端，在电脑端以点击圈选的方式完成埋点，实现采集APP相应控件点击数据的效果。该埋点方式无技术门槛，适合产品运营使用，新增埋点无需发版，降低研发成本的同时还提高了效率。

（2）信息流分析：智能分析内容分发效果、用户浏览习惯

无埋点技术在数据智能分析方向的首创应用。百度统计通过分析市面上主流信息流产品的产品形态及用户使用习惯等核心要素，搭建了信息流分析模型。基于无埋点技术实现对资讯流、视频流等信息的自动抓取、栏目标注、排行榜分析等。帮助信息流的产品与运营团队，评估产品功能价值，分析用户浏览行为特征与内容偏好，评估内容质量，进而优化分发策略。

（3）移动热力图：在产品使用视图下看各模块的数据表现，仿佛有了『数据眼』

无埋点技术在数据可视化方向的创新应用。移动热力图是以特殊高亮的形式显示用户在app中的点击位置或用户所在界面位置的图示，并按照点击量的差异以不同的颜色区分展示。借助热力图，可以直观地观察到用户的总体访问情况和点击偏好。

3、更多资源、更快的优化与迭代速度

百度统计从17年始就在无埋点SDK的研发上投入了大量人力，并逐步加大。在未来，基于无埋点的基础性能优化以及新功能研发将是团队的主要方向。所以，无埋点技术将会获得更多资源，相关功能也会以更快更优的速度进行迭代优化。

一、 功能简介

热力图是以特殊高亮的形式显示用户在您APP中的点击位置或用户所在界面位置的图示，针对点击位置不同的点击情况，会使用不同的颜色区分展示。借助热力图，可以直观地观察到用户的总体访问情况和点击偏好。

我们可以用热力图来做什么？

1、 监控访客的误点击行为； 通过热力图可以全面的查看APP中每个界面的整体访问情况和点击偏好。 可以直观地发现当前的界面布局是否存在访客误认为可以点击跳转的按钮或界面内容、结构布局不紧凑的情况。

2、您的广告、重点功能放在哪里既挣钱又美观 尤其对于流量较大的APP，首屏每一个位置都寸土寸金，广告、重点功能放在哪里能既挣钱又美观，可以通过热力图直观地展示出来。

3、点击这个按钮的用户是从哪里来的？ 移动统计热力图可以细分筛选来源（渠道）、日期、版本、地域、设备型号、操作系统等维度，轻松让您了解当前点击细分情况，助您准确决策。

二、功能详述

1、进入百度统计|移动统计-热力图报告页，首先确认无埋点版本SDK已更新到（iOS-SDK-V4.9.5、Android-SDK-V3.9.3.0及以上版本）；同时打开百度移动统计APP，确保APP端与PC端账号及所选应用一致；

2、百度移动统计提供了两种方式接入您的设备：手势接入和扫码接入。

接入方式一：手势接入

打开App，并用两个手指同时触摸屏幕持续3s以上，即可在右侧设备列表看到您的设备

接入方式二：扫码接入

• 针对不适合手势接入的设备，百度移动统计提供了扫码接入的备选方案。打开您手机的应用扫描屏幕上的二维码，按照提示操作，您的APP会自动唤起，您即可在右侧设备列表看到您的设备。
• 使用扫码方式连接，需要提前在App中完成相应的Scheme配置，详见iOS:集成步骤、Android:集成步骤中Scheme配置相关内容。

3、选择完您要连接的设备后，正式进入报告页：

3.1在手机APP端可进行界面的选择和切换，PC端热力图报告展现手机端所选界面数据。

3.2左侧热力图根据用户点击次数，用不同颜色区分并绘制出热力图报告，越红表示点击次数越多。

3.3右侧数据区域展示当前页面总的点击次数和事件Top10排名，时间可选择近7天数据进行查看。

3.4 左侧热力图只有有数据的元素才可进行交互操作，hover页面某一个带点击数据的元素时，高亮该元素并且下方出现黑色浮层展示该元素的点击数及点击率：

3.5点击高亮元素，右侧数据区域变为针对该元素的数据详情页：

右侧数据区域除展示基础数据外，还可对该元素进行数据筛选，如地域、渠道、操作系统等。

用户触达

一、功能简介

用户触达的精准推送功能支持时间、设备、使用行为等近20种维度的精准定向有效目标人群；同时打通主流推送平台，导出精准人群包即可在第三方推送平台直接进行推送。

二、适用场景

该功能适合目前在APP安装包中嵌入了第三方推送平台（如个推、极光等）的百度移动统计客户。将百度移动统计强大的人群定向能力赋能到指定推送平台上，完成精准人群触达，提升营销效果。

三、功能介绍

1. 创建精准定向人群包

1.1 支持时间、设备、使用行为等近20个维度进行人群定向

1.2 选择已打通的推送平台，生成第三方推送平台已支持格式的人群包

1.3 支持创建例行任务与一次任务

一次性任务：创建一次性定向任务的时间可选择近30日（含今日）的某一个确定的日期范围。一次性定向任务圈定的用户所属时间范围是固定的，用户列表也是固定的，人群包结果只会产生一次。

例行任务：创建例行定向任务的时间可选：昨日、近3日、近7日等。以选择“昨日”为例，相对时间的例行定向任务每日都会计算前一天满足定向条件的人群包，由于实际的时间每天计算时均是变化的，因此例行任务每日都会产生新的人群包

2.与用户分群功能打通，已创建用户分群支持生成第三方推送人群包

3.支持API拉取人群结果，对接自有产品用户标签，实现更多样化的自动化营销。api获取方式请发邮件至apptongji@baidu.com咨询。

四、打通第三方推送平台

1. 使用本功能，请确保已更新最新版SDK。
2. 请在SDK按照打通第三方ID的使用说明（Android说明、iOS说明），完成pushid的打通。

目前已经支持打通push平台包括：百度云推送、个推、极光、华为、小米。

即将在下一期增加支持：友盟、信鸽、阿里云、OPPO、VIVO

五、任务的采样率

为了保证在线多维度计算的时效性，对于日均session数偏大的客户，打通任务的结果将按照总访次抽样计算。咨询详情或需提升采样率请发送邮件至apptongji@baidu.com，邮件正文请附上appkey、公司背景、app当前DAU等信息。

信息流分析

一、功能简介

内容时代，用户越来越多的时间被各种资讯流、视频流所占用。这些信息浏览形式的技术形态，我们统称为“信息流”。它不仅是提供信息为主的内容类产品最重要的产品样式，目前也已经被广泛的被应用在工具类、社区类等以信息为补充功能的应用内。

MTJ通过分析市面上主流信息流产品的产品形态及用户使用习惯等核心要素，搭建了信息流分析模型，并于5月正式上线“信息流分析”功能。

对于信息流的分析，有助于帮助信息流的产品与运营团队，评估产品功能价值，分析用户浏览行为特征与内容偏好，评估内容质量，进而优化分发策略。

二、功能详述

1、使用前的技术准备

信息流分析的基础是对展现信息流内容的信息列表控件的识别与抓取，从而实现对每一条信息内容的自动抓取与智能识别。我们针对信息流分析对SDK进行了必要的全面优化，目前支持的主要信息流列表控件包括：

• 安卓端SDK（版本V3.9.0.3以上）包括：ListView、GridView、RecyclerView控件；
• iOS端SDK（V4.8.0以上）包括：UITableViewCell控件；

如需使用信息流分析，请先下载上述对应版本最新版应用分析(无埋点)SDK。

嵌入上述SDK，即可实现信息流分析的全部功能。此外，为了实现更精准的内容与栏目的识别，我们支持在已有智能识别模型基础上，由开发者去手动指定信息流元素中的内容标题要素及栏目名称要素，详细配置请见Android信息流分析SDK配置和iOS信息流分析SDK配置。

2、报告的指标与功能构成介绍

2.1 报告指标

信息流分析共涉及两个维度共13个指标，具体如下：

• 用户使用维度（7个指标）：使用用户数、使用次数、次均展现信息数、次均点击信息数、信息点击率、次均使用时长、每人日均使用时长
• 内容资讯维度（6个指标）： 展现次数、点击次数、点击率、次均展现时长、次均浏览时长、短点击率

2.2 过滤规则设置

自动识别抓取的标题包括支持的所有list控件的内容，因此存在个别非信息流标题的冗余信息。在开发者无暇进行“标题和栏目的代码指定”时，为了进一步提升抓取结果的准确性，以及分析的易用性，统计上线了“过滤规则设置”功能。 即：只需要在报告前端的“过滤规则设置”功能，即可直接配置需要过滤哪些类型的标题或栏目，并直接作用于报表上展示的结果。功能的具体介绍如下 2.2.1 入口：“信息流分析”报告的右上角，“过滤规则设置”文字链

2.2.2 信息标题过滤

1） 共有四条规则，其中规则四，在输入框中输入当前需过滤的特定字符标题，多个字符之间用英文逗号隔开，最多过滤30个标题。例如，输入”评论,我的”，则会过滤掉『信息标题=评论』及『信息标题=我的』的两类标题。注意此处不是短语匹配，而是完全相同才会过滤。

2）信息命中以上任意一条规则即会被过滤；被过滤信息不展示在信息列表中，且不计入汇总数据的指标结果中。

3）保存成功的过滤规则1小时后生效；且仅针对生效后的新数据起作用，故修改规则前的数据结果和信息展示结果仍将被保留。

4）建议在SDK端进行”标题指定”，可以更精准地实现标题抓取。

2.2.2 栏目过滤

1） 栏目名称中带有“（手动）”字样的标题为手动指定的栏目，其它为自动识别的栏目。

2）过滤状态为『开』的栏目为被过滤的栏目，被过滤栏目的所有信息不展示在信息列表中，且不计入汇总数据的指标结果中。

3）保存成功的过滤规则1小时后生效；且仅针对生效后的新数据起作用，故修改规则前的数据结果和信息展示结果仍将被保留。

4）建议在SDK端进行”栏目指定”，可以更精准地实现栏目分类与标记。

2.3 报告分析功能构成

2.3.1 汇总指标：总体描述APP内信息流模块的用户使用情况。

2.3.2 趋势图：与汇总指标联动，展示汇总指标各值随时间的趋势变化。

2.3.3 内容维度的数据表：按单条内容维度聚合，展示内容维度统计的指标，进行内容质量与热度评估（目前仅保留近7天的所有内容结果）。

2.3.4 栏目的智能匹配与筛选：所有指标支持按照智能匹配（或开发指定）的栏目名称进行筛选展示，从而有针对性的分析特定栏目的浏览行为及内容数据。

2.3.5 栏目名称的修改：在未进行栏目指定时，栏目多数识别为类名，可读性差。此时可以通过hover栏目备注名，点击“铅笔”形状图标，直接进行栏目名称的修改，以方便分析人员的阅读与使用。请注意，手动指定栏目的“栏目名称”无法进行修改。

3、典型的分析应用场景

上述章节主要从报告的页面结构介绍了功能构成，本章将从实际的分析场景出发，介绍使用信息流分析功能可解决的几类典型商业问题。

3.1 用户信息流模块的使用习惯描述性分析

针对用户使用APP内信息流模块的整体情况进行分析，进一步可拆分为以下子问题：

问题①：信息流模块对APP日活提升的贡献有多少？ 问题②：信息流模块对用户粘性时长提升的贡献有多少？ 问题③：信息流模块的个性化数据展现策略是否合理？信息是否有足够吸引力？ 问题④：用户每次看信息流会浏览多少条信息？花多长的时间？每天都是如此吗？

我们把以上问题的答案，转化为了直观的模型指标，具体来说。

针对问题①：通过“使用用户数”与“使用次数”了解信息流模块每日的UV/PV。通常资讯类产品的信息流UV指标等同于整个APP的UV指标，而对于类似UC浏览器等非完全资讯类产品来说，可以从用户趋势等报告进一步获取APP整体的“启动用户数”与“启动次数”，通过计算比例来确定每日的APP启动用户中，有多少百分比的用户使用了信息流模块，从而界定信息流模块对于APP日活的提升有多大帮助。

针对问题②：思路同①相似，主要考察“次均使用时长”。通过比较APP整体的平均使用时长与信息流的次均使用时长，可以直观的反应在用户粘性时长提升方面信息流所起到的作用。

针对问题③：综合“次均展现信息数”、“次均点击信息数”和“信息点击率”三个指标，再结合同行业的点击率水平进行分析。下图给出了参考的分析思路。

针对问题④：从“次均信息点击数”、“次均使用时长”两个指标分别从有效获取的信息量和时长两个角度呈现了用户在本APP上的信息流功能使用深度。可进一步与同行业APP相关指标做比较，确定自身的优势与不足。

3.2 用户资讯栏目使用偏好分析

一般APP的信息流会根据内容的差异分为多个栏目，如：推荐、热点、社会、新闻、科技、文学等等。在不进行栏目筛选的情况下，分析的是整个APP所有信息流内容被浏览的情况，而如果需要进一步了解各个栏目的用户使用偏好差异，就需要通过栏目筛选，进行下钻分析。可以参考的分析视角有：

1）筛选栏目后，比较不同栏目的用户使用规模，可分析的指标包括：日均使用用户数、日均使用次数。 2）筛选栏目后，比较不同栏目的内容受认可度，可分析的指标包括：次均点击信息数、信息点击率、次均使用时长。 3）筛选栏目后，比较不同栏目近7日最受关注的热点内容差异，可以分析数据表中，展示的具体栏目下的内容信息及其指标。可以通过按照“点击次数”排序，拉取不同栏目的top10信息做详细比较。 4）筛选栏目后，追踪特定栏目的内容浏览变化情况。具体来说，导出特定栏目近7日的内容结果，在积累1-2个月数据后，分析内容指标的变化，并与整体APP信息流内容指标做比较，从而对该栏目当前内容投放效果形成初步判断；也可从该栏目的优质内容中得到启发，优化后续该栏目的内容投放策略。

PS：默认栏目名称由系统抓取，如发现栏目抓取有误，可进行栏目名称的手动指定，提升准确率。栏目配置说明。

3.3 单条资讯维度的热度与质量分析

优质的内容无论对用户还是运营平台都有巨大价值，对于内容质量评估最有效的方式便是抽象出C端用户“用脚投票”的实际结果。在信息流分析功能的数据表中，我们展现近7日每一条内容标题的用户“投票”结果。具体来说，可以进行如下分析：

• 1）直观分析该条内容受欢迎的程度：展现次数、点击次数
• 2）内容质量的分析，既需要判断该条信息在列表页中的样式、标题文案等对用户的吸引力，也需要分析用户浏览该内容后的满意度。涉及到的分析指标有：次均展现时长、点击率、次均浏览时长、短点击率。

我们把用户的一次信息浏览行为抽象为AIA模型（attention、interest、action）

“次均展现时长”越长，代表信息更能引起用户的注意；点击率越高，代表信息成功激发了用户浏览的兴趣；次均浏览时长越长，短点击率越低，代表更多用户在浏览详情后表示了认可。因此，可以通过这几个指标初步判断信息内容的质量。此外，运营人员也可结合信息的收藏、分享等其它指标进一步丰富内容评估体系。

用户分群

一、功能定义

用户分群是通过特定的纬度条件对APP用户进行群体细分。

在百度移动统计中，目前支持按照：时间、用户属性（如用户类型、渠道等）、设备属性（如品牌型号、操作系统等）、使用行为（如点击事件、访问页面等）四大纬度，共计16个条件对用户进行细分，并支持在已有的事件分析、实时分析和漏斗分析报告中，将运行成功的分群应用为筛选项，查看仅该人群的报表数据。

二、为什么要使用用户分群

与以往只支持查看全部用户指标，或仅能通过常规的时间、渠道和版本对报告呈现结果进行筛选相比，

用户分群是个自由度更大的筛查机制。如果说用户是上帝，那用户分群则是开启了“上帝视角”，让数据的统计和分析能够从“具有某类系统特征的人群”的角度展开。

可以通过用户分群解决一些典型的商业问题，例如（将在案例部分详述分析流程）：

• 线上、线下运营活动效果持续精准追踪：如了解近一周的线上推广运营活动带来的顾客，后续一个月的粘性、复购
• 按用户生命周期不同阶段细分人群，考察不同阶段人群的app内行为特点。了解每天从A城市B渠道来的新客，在事件行为和漏斗转化上有什么特征?

三、基础使用流程

1. 点击顶部用户管理tab

2. 在【分群管理页】中，点击“新建分群”，进入【新建分群页】

新建入口

3. 在【新建分群页】，依次完成不同纬度条件的选择

3.1选择时间

3.1.1 绝对时间：近14天某个固定的时间段。选择绝对时间，分群用户的时间范围设定后不会变化。

3.1.2 相对时间：含昨日、近3日、近7日、近14日。选择相对时间，分群用户的时间范围在每天计算分群时都会变化。如1月3日，以近3日方式创建分群，则第一次分群结果对应的范围为1月1日-1月3日的符合条件的用户；而第二日分群结果对应的范围为1月2日-1月4日的符合条件的用户。

3.2选择纬度条件

在“用户属性”“设备属性”和“使用行为”中，选择代表用户特征的纬度。需要注意的是：

3.2.1 可选纬度限制：含时间在内的可供选择16个纬度中，最多同时选择10个纬度。在界面右侧的“已选分群条件”一栏中，会实时展示当前已选择的纬度数量。当选择纬度数量达10个上限时，其它纬度将置灰不可选。

3.2.2 单纬度可选指标限制：渠道、版本等是纬度，而每个纬度都有特定的指标值，如版本有1.0、1.1、1.2…1.9、2.0共11个指标值。在分群创建过程过程中，纬度的上线是10个，而每个纬度能同时选择的指标也有限制。除了事件和页面的指标限制5个意外，其它指标的上限均是6个。

4. 在“已选分群条件”中预览所有已选分群条件

5. 预估符合条件的人群模块

6. 输入分群名称（与已有名称不可重复）

7. 点击保存，成功创建关闭【新建分群页】

8. 在【分群管理页】中，可见已成功创建的分群，并确保分群状态为“运行中”**。同时运行分群上限为5个，可创建分群上限为20个。

9. 分群结果查看与应用。

9.1 分群计算结果通常在创建分群的次日早上产出。即1月1日创建的分群，需要在1月2日才能看到1月1日的分群结果。

9.2 分群成功计算后，目前可在【实时分析】、【事件分析】、【漏斗分析】中将分群作为筛选项，查看报表。**后续将陆续支持 查看分群的人群画像，其它报告基础指标，以及分群中每个个体用户的行为日志详情等。

四、分群的使用案例

抛砖引玉，以下将通过“某电商APP双十一线上活动的效果追踪”的典型商业问题，介绍如何使用用户分群功能。

案例场景

某电商APP在11月1日-11月14日开展了为期两周的双十一活动，在其APP首页中设置醒目的主会场入口banner。活动结束后，希望追踪参与双十一活动的用户在后续1个月内的app使用情况，包括启动情况、商品浏览情况、参与社区活跃度变化等。

分析过程：

1、提前准备： 1.1 使用可视化圈选埋点，轻松实现双十一主体banner以及落地页的核心转化控件的事件埋点，分别命名为“进入会场事件”与“完成转化事件”。

1.2 对希望监测的后续行为的事件和页面进行埋点（一般来说，常规监控内容应该之前就已经完成了）

2、创建分群：

在11月14日活动介绍后，进入新建分群页，新建双十一活动人群创建，创建流程如下：

2.1 时间选择：绝对时间11月1日-11月14日

2.2 用户类型选择：活跃用户

2.3 使用行为：选择触发事件“进入会场”且“完成转化”

2.4 输入分群名称：参与双十一用户人群

2.5 点击保持分群。并确保分群开始运行。

3、开始分析

从11月15日开始，可以从多个纬度考察，该人群在后续的APP内行为。

3.1 考察人群后续启动情况： 进入【实时分析】报告，创建分日启动用户数的数据表，并在用户分群中选择“参与双十一用户人群”，即可看到该人群每日的启动用户数

3.2 考察人群后续商品浏览粘性变化：进入【实时分析】报告，创建 不同商品详情页的访问时长 数据表，用户分群选择“参与双十一用户人群”，即可看到该人群在特定商品详情页浏览时长差异，同时可以加入时间的指标，查看访问时长的分日变化趋势，还可以拿目标分群用户与整体用户做比较。

3.3 考察人群后续的社区参与活动：社区参与中的点赞、评论、分享指标均有对应监控事件。进入【事件分析】报告，选择点赞、评论、分享对应的事件，并选择人群为“参与双十一用户人群”，即可分析该人群在活动后每个事件的触发情况，确认其活跃度的变化。

类似的分析思路还有很多，此外已有的报告支持的渠道和版本的筛选，也是可以与用户分群进行交叉的。也就是说可以进一步查看该人群的某些渠道或版本的用户在目标事件上的数据表现。

五、近期用户分群功能升级

【升级一】自定义数据：支持开发者通过上传自定义用户名单方面创建分群，从用户维度实现了APP数据与业务数据打通。

与“APP内数据新建分群”相比，“自定义名单新建分群”指向某一确定的用户群体，并可通过“用户标签”的方式赋予圈选的这一特定人群业务上的特殊含义，例如：某电商平台上传一批VIP客户名单，并给每个用户标注其对应的会员等级。如此就可以在mtj平台上分析不同等级的VIP客户在APP内行为的特征差异。用户标签除了会员等级外，还可标注诸如消费能力、电话号码、性别等任何在业务上有分析价值的字段

【升级二】群体分析：即“人群透视”功能，客户用户群体的人群画像，以及宏观层面APP内核心数据表现。

人群画像模块，展示该人群的：性别、学历、年龄、行业、地域、兴趣偏好分布；

核心数据指标模块，则包括人群用户数趋势变化、人群在使用时长、间隔等粘性指标的分布特征、人群TOP5渠道、TOP5版本、TOP5品牌和TOP5设备型号分布。此外，还支持与全部用户对比，快速分析该人群在这些指标上的差异。

【升级三】个体洞察：按行为时序流，展示该人群每个用户近7日的每一次启动详情，用于该人群用户的行为模式识别，归纳路径模型，追踪典型客户等。