在海洋信息网格中，空间数据是以 Web 服务的形式对外提供的，这些空间数据服务广泛分布在广域网中，并发布在网格资源管理调度中心，当系统需要数据时，只需要查找相应的数据服务，加载到本地，即可进行相应的操作。海洋信息网格平台包含三种数据服务: Argo 数据服务、海洋矢量场数据服务和海洋标量场数据服务。Argo 数据服务包括二维数据服务和三维数据服务，分别是由 ArgoDataService 和 ArgoData3DService 两个 Web 服务提供的海洋矢量场二维数据服务是基于 CurrentsDataService，OceanCurrents，Winds-DataService，OceanWinds 四个 Web 服务提供的，海洋矢量场三维数据服务是由 CurrentDa-ta3DService 服务提供的。海洋标量场数据服务也包括二维数据服务和三维数据服务，分别是由 ScalarDataService 和 ScalarData3DService 这两个 Web 服务提供的，层次关系如图 6.1所示:
表 6.1 空间服务的顶级分类
6.1.1.1 Argo 数据服务
Argo 数 据 网 格 服 务 模 块 主 要 提 供 两 个 Web 服 务: ArgoDataService 和ArgoData3DService，其中 ArgoDataService 为二维服务，ArgoData3DService 为三维服务。Ar-goDataService 服务提供 Argo 数据的各种操作及分析功能，主要包括两个子功能: ①Argo数据信息请求，该功能向用户提供可以使用的 Argo 数据信息，包括 Argo 浮标编号、周期、某一剖面的温度、盐度、压力等②Argo 数据的温、盐、密图的生成，该功能提供两种方式: 根据空间位置选生成曲线图根据属性生成曲线图。
图 6.1 数据服务层次结构
二维服务模块的功能主要体现在 ArgoDataService 这个 Web 服务的三个方法上，即 Ar-go 数据服务、Argo 曲线图生成服务(按空间位置)、Argo 曲线图生成服务(按属性)。基于 Web 页面，用户使用相应的方法，可以得到预期的结果。功能可用图 6.2 表示为:
图 6.2 Argo 数据模型图
Argo 数据三维网格服务 ArgoData3DService，是从发布的 Argo 服务(MapService 或者GlobeService)中获取 Argo 数据，然后在海洋信息网格多维操作分析平台中根据所得到的Argo 数据，生成 Argo 在垂直方向上的三维温度曲线图，三维盐度曲线图，实现对海洋温度场，盐度场的时空变化分析，其可视化效果如彩图 6.1，6.2 所示。
6.1.1.2 海洋矢量场数据网格服务
海洋矢量场数据模块的实现主要是由四个二维数据服务 CurrentsDataService，Ocean-Currents，WindsDataService，OceanWinds 和一个三维数据服务 CurrentsData3DService 这五个Web 服务的，下面分别介绍这五个 Web Services。
(1)CurrentsDataService 服务。该服务向用户提供在网格资源管理调度中心所注册的所有海流数据目录列表，用户通过查询可以得到海流数据的列表，可以知道目前服务器端提供了哪些海流数据，从而可以根据自身的需要选择某一海流数据进行相应的应用分析(图 6.3)。
图 6.3 海洋流场数据请求图
(2)OceanCurrents 服务。该服务提供对海流数据的三种功能服务: 包括海洋流场数据显示、海洋流场数据属性查询和海洋流场数据过程化显示。该服务需要保证坐标数据和时间数据的有效性。对于属性查询而言，其操作过程是通过空间坐标选取而获得相应选取点的海流数据属性，因而在进行空间选择时需要保证空间选取的准确性。对于时间序列的可视化应保证时间序列的正确性，应和现实时间序列相对应(图 6.4)。
图 6.4 海洋流场数据查询与过程化服务图
(3)WindsDataService 服务。该服务向用户提供网格资源管理调度中心发布的所有海风数据目录列表。由于海风数据和海流数据都是矢量数据，因而其处理方式与海流数据的处理方式有很多相同的地方。对于海流数据其管理方式同样是文件管理，所不同的是其管理的文件格式为 NetCDF 文件(图 6.5)。
图 6.5 风场数据请求图
(4)OceanWinds 服务。该服务提供对海风数据处理与分析功能，包括海洋风场数据显示，海洋风场数据属性查询，海洋风场数据玫瑰图生成和海洋风场数据过程化显示(图 6.6)。
图 6.6 海洋风场查询与过程化服务图
(5)CurrentsData3DService 服务。海洋矢量场三维显示与功能分析服务提供对海洋矢量数据的三维可视化与三维操作分析功能。
对于海洋数据而言，其具有动态性和多维性。因而，利用观测的海洋数据对海洋中的要素进行多维可视化表达，并提供多维的可视化分析功能能够更加直观地展示海洋要素的现象和过程，有利于对海洋要素的分析和利用，进而更加直观的认识海洋。
在该服务中，由于系统所选择的结构为松耦合，各功能的实现都基于 Web Service，因而需要保证服务的稳定性。在调用服务时需要判断返回值的状态，以判断服务是否正确执行。同时由于 Web 服务的请求具有时间限制，因而在调用时须保证拥有足够的调用时间。通常可以将调用时间设为无限长。
该服务主要提供了对海流数据三维可视化表达与分析功能(图 6.7)。具体功能如下:
图 6.7 海流数据三维可视化表达与分析功能图
生成的曲线图包括 a、任意点某一时刻不同海深流速曲线图b、任意点某一时刻不同海深水平流速曲线图c、任意点某一时刻不同海深垂直流速曲线图。对于该功能可以分为竖直剖面时间序列的显示，水平剖面时间序列的显示，以及体过程的时间序列的显示。
6.1.1.3 海洋标量场数据网格服务
该服务主要提供对海洋标量场数据进行 GIS 的可视化和分析功能。海洋的温、盐、密、浪、潮、流等数据具有很强的动态性和多样性，单纯用图片或多帧图片的可视化方式进行表达，不能满足对任意时间和空间的查询需求，同时也很难满足用户获取海洋标量场时空动态变化的需求，无法满足海洋现象的网络实时定量化分析和高精度定量计算的需求。总之，无法实现用户与网络的 “交互”需求。在海洋分析领域，通常对各要素以场为对象进行处理，以求海洋数据的发布具有动态连续性，并能动态显示诸多海洋现象的变化过程。
海洋地理信息系统将海洋过程从现实海洋客观中抽象出来，使之成为能够在数字世界中表达现实海洋客观的动态图景，该图景描述了海洋中物质能量在时空中的形态、结构、过程、关系、功能的分布方式和分布格局。海洋地理信息系统中的时空过程是一个逻辑缩小的、高度信息化的对象，从视觉、计量和逻辑上对过程对象在功能形态等方面进行模拟，信息的流动以及信息流动的结果，完全由计算机程序的运行和数据的变换来仿真。在海洋地理信息系统的支持下提取海洋现象或过程的各个不同侧面、不同层次的空间和时间特征，也可以快速的模拟海洋过程的演变和思维的过程。
海洋地理信息系统可视化将抽象的数据信息转化为静态或动态的图形图像，以便研究者能够观察其模拟和计算的过程和结果。可视化包括图像的理解和综合，用来解释图像数据和根据复杂的多维数据生成图像，交互是 “人—机”怎样协调一致的接受、使用和交流视觉信息。
海洋地理信息系统实现对海洋中时空过程及其关系的数值化模拟，使用户对于在时空中各时空过程有一个非常直观的感受。无论是在屏幕上展示一个可以无级缩放和信息查询的海洋表面温度变化过程，还是展现一个剖面的时间动态过程，对海洋现象的时空关系认识更为具体、直观。
因此，本服务从海洋标量场数据的网络服务这一需求出发，实现海洋标量场时空过程可视化和分析，实现海洋标量场数据的远程定位查询，海洋标量场时间变化的动态可视化表达，海洋标量场时间变化的趋势分析及时空变化的过程网络动态模拟。
在具体实现上，为了体现网格的特点，通过以实现具体功能的 Web Service 的功能服务和提供数据的 ArcGIS Server MapService 一起完成具体的功能服务。完成具体功能的 WebService 和提供数据的 ArcGIS Server MapService 都符合 Web Service 技术标准，具有通用性和扩展性。
海洋标量场数据网格服务模块主要是基于 ScalarDataServcie 这个 Web 服务的，下面将介绍该服务。
(1)ScalarDataService 服务。海洋标量场主要是海洋中一些只有数据值大小而无方向的数据，在表达中为了实现海洋动态的特点，主要分两个功能实现，一个是定点的海洋时间序列数据的动态过程可视化分析，主要以温度曲线的形式来实现二是实现海洋大面的场数据时间序列的动态模拟表达，以表达海洋表面的动态变化。本服务主要选择对海洋表面温度场和叶绿素场进行动态表达。
在该 Web 服务中实现海洋标量场数据的应用主要包含两个方面，一个是定点的海洋时间序列数据的动态过程可视化分析，主要以温度曲线的形式来实现二是实现海洋大面数据的时间序列的动态模拟表达。对于 ScalarDataServcie 这个 Web 服务中两个方面应用的实现流程如图 6.8，6.9 所示。
图 6.8 标量场过程曲线功能流程图
图 6.9 标量场大面动态模拟流程图
在具体编码过程中，按照上面的流程编写海洋表面温度和叶绿素的过程曲线功能和海洋大面标量场数据的动态演进功能，根据需要具体设置接口参数。
标量场数据三维网格服务模块的详细设计说明主要针对 ScalarData3DService 这个 Web服务，下面将具体说明 Web 服务 ScalarData3DService。
(2)ScalarData3DService 服务。该服务基于发布的海洋标量场数据服务(MapService或 GlobeService)，从海洋标量场数据服务中检索出相应的数据，并根据检索得到的数据，生成剖面图以及三维展示效果图，实现对海洋标量场的时空变化分析。其效果如彩图6.3，6.4 所示。
用户行为特征
用户行为特征，对于运营来说用户的行为是需要关注的一个点，很多时候用户的行为决定了一个网站甚至是一个软件能否继续运运营下去，所以通常都是要对于用户行为特征进行一个分析，下面一起看看相关内容。
用户行为特征1用户行为是用户在产品上产生的行为，实际表现为相关的用户数据。产品经理运用不同分析方法对不同数据进行分析，进而为产品迭代和发展提供方向。
一、用户行为是什么？
1、用户行为
用户行为是用户在产品上产生的行为。我们以小明的case具象化用户行为表现：
因为小明关注作者的信息被记录了下来，当该作者有发布信息时，则会通知所有关注他的人，而小明也是其中之一。
小明关注作者的信息记录，则是行为数据。小明的行为数据会有 启动app、浏览、查看图集、播放视频、点赞、关注作者……
2、用户行为数据
用户行为数据是从一次次的行为中而来的，行为数据是通过埋点进行监控（相见埋点介绍）、后续一篇文章将介绍如何（设计埋点）。通常是数据同学完成埋点设计，由开发完成监控程序 或 调用SDK。针对小明的行为（假设以下均已埋点）：
3、用户行为分析
是指对用户行为数据进行数据分析、研究。
4、用户行为分析的作用
（1）通过用户行为分析，可以还原用户使用的真实过程。
一个xxx的人在什么样的环境中（由于什么样的行为）在时间点做了xxx事情做了什么事情结果如何
（2）“了解用户，还原用户”是“以用户中心”的第一步。只有详细、清楚的了解用户的行为习惯、真实的使用路径、进而找出 产品使用、渠道推广等过程中存在的问题，提高用户/页面/业务过程中的转化率。
（3）用户行为分析（case需要补充）可以用于
A、拉新：渠道分析、SEM分析、用户质量分析、
B、转化：新增用户注册转化过程、产品使用过程转化（搜索、推荐等）、push推送调起过程、站外拉起过程
C、促活：用户停留时长、用户行为分布、
D、留存：用户留存分析
E、商业化：根据用户历史行为展示广告
二、如何进行用户行为分析？
1、行为事件分析
行为事件分析方法主要用于 深度研究某行为事件，以及对产品的影响以及影响程度。
针对某一具体行为，全面的描述、对比，针对其异常表象 深度下钻分析各维度、确认导致该行为数据表现的原因。如快手的播放量徒增:同期对比分析，确认历史上是否有发生过，对比 去年/上个季度/上月/上周/昨日的 数据的相对表现。多事件对比分析。对比浏览量、点赞、评论、分享事件的数据是否存在徒增。通过对比多个事件，确认徒增现象发生的范围。维度下钻：由于播放量取决于3个部门用户在快手消费视频，被监控程序上报。
所以在三个方面分析：
监控程序是否异常？在快手哪个页面的播放量增加呢？是发现、关注、还是同城？->对应页面做了哪些调整？是否增加了引流；哪一部分用户群的播放量增加了？交叉分析 用户自然属性（平台、性别、年龄、地域、教育学历、机型、消费能力）、行为属性（新增、回流、常活跃用户；直播用户、短视频用户…、）、视频属性（视频类型、作者类型…、）
2、留存分析
留存是衡量用户是否再次使用产品的指标，也是每一个app赖以生存的指标，能够反映任何一款产品健康度，是产品、运营、推荐效果的整体表现。如果一个app从来没有留存用户，那DAU将永远是新增用户，那么产品将无法运行下去，更别说新用户成本付诸东流。
贴合业务属性、精细化留存过程 将对留存数据更有价值和指导意义。通过留存分析，能够剖析用户留在产品的原因，从而优化产品核心功能提升留存。
留存的类型：
用户留存：用户使用app后，经过一段时间仍旧使用。功能留存：用户使用xxx功能后，经过一段时间仍旧使用该功能，且其他功能均有所变化。此时，该功能对用户留存有正向作用。先前有写过 留存分析的文章，这里就不赘述了。
3、漏斗分析
漏斗分析实质是转化分析，是通过衡量每一个转化步骤的转化率，通过转化率的异常数据找出有问题的环节并解决，进而实现优化整个流程的完成率。
在产品初期(处于与市场适配的阶段)：通过漏斗分析找到用户触达的瓶颈，帮助用户触达产品核心价值，真实反映MVP与市场匹配程度；在产品中期(处于用户平稳增加的阶段): (1)通过漏斗分析优化渠道，找到目标群体用户(2)通过漏斗分析优化用户在各模块的体验(基础的登录模块、产品核心价值模块: 如抖音的播放模块、淘宝的购买模块等)；在产品后期(处于用户价值产出的阶段): (1)通过漏斗分析可以改善用户生命周期(优化用户体验提高用户生命周期，间接拉长用户群体的价值产出的时间长度，减少高价值用户群体的流失)；(2)可以通过漏斗分析优化商业化模块，像商品的购买过程（购物车-提交订单的转化漏斗）、广告的曝光点击等，提高生命周期中单位时间产生的价值。
4、路径分析
路径分析可以将纷杂的app日志按照用户的使用过程，呈现出“明确的”用户现存路径。发现路径问题，进而优化，使用户尽可能短路径体验到产品核心价值。
通过路径分析，可以了解到像小明这样9点左右播放视频的用户：他们是通过push点击而来，这部分用户占比是多少；他们匆匆结束播放，再也没有下一步行为，这部分用户占比又有多少。针对他们利用碎片化时间播放视屏的场景，尤其是突然退出的'场景，是否在下一次打开app时，仍旧打开终端的视频。是否有其他策略可以针对该场景来优化？
此外，路径分析不仅仅可以用于行为路径分析，也可以用于用户群体转化分析。例如：新用户中分别转化为 忠实用户、常活跃用户、潜在流失用户、流失用户的分析。
5、用户分群分析
通过了解用户画像，可以帮助运营理解用户。根据用户画像（基本属性、用户偏好、生活习惯、用户行为等）的标签信息将用户分群。
通过用户分群行为表现对比，可以进一步了解不同群体对产品的反馈，有针对性的优化产品。
发现中 西南地区的低端机型使用app时，奔溃率特别高，开发可以针对该点进行优化、降低奔溃率；可以针对不同的用户群体的行为表现 做 定向投放、push等，从而实现精细化运营。业内的商业化行为分析产品，基本上将用户画像的生成、标签的过程均合并在用户分群的群体定义中，降低了操作流程。
三、用户行为分析的完整链路
以小明为case的用户行为每天数以万/亿计的产生，如何对“这类人群”进行“行为分析”？需要行为分析将明细级别的日志聚合后再以较为可读的形式展示出来。
为了保障埋点可靠、数据上报及时、行为数据分析有效。需要一套完整的用户行为系统，包括从数据埋点设计、埋点开发、数据上报、数据模型开发、行为数据分析。 过程中也需要多方协作完成，如何保障多方协作中高效、便利的完成、产出具有业务价值的数据分析结论。后续将介绍服务于用户行为分析的相关平台介绍。
用户行为特征2一、什么是用户行为
中国有句古话“天地四方为宇，古往今来为宙”，这句话揭示了空间和时间的概念。我们要想透彻地研究任何事物，常以时间和空间两个维度来考虑。分析用户行为也不例外。
换句话说，用户行为的研究内容可以按照时间和空间维度展开。
从时间的维度来看，按照管理学大师菲利普科特勒的理论，用户的行为轨迹包括：产生需求、信息收集、方案比选、购买决策；购后行为5个阶段。其中购后行为包括使用习惯、使用体验、满意度、忠诚度等。
从空间的维度来看，用户行为的构成要素包括5W2H，例如我们要全面描述用户在购买阶段的行为，就要回答这样的问题，谁（who）？打算在什么时候(when)？什么地方(where)？买什么东西(what)？产生需求的动机是什么（why）？打算买多少（how much）？如何买（how）？同理，在使用阶段也可以从这7个要素来描述。
5阶段和7要素的结合，形成了用户行为分析的研究体系。这个体系细化了用户行为的研究内容，基于这些内容，就有了用户调查问卷的一些基本的问题。
二、为什么分析用户行为（Why）?
之所以分析用户行为，是为了找到用户行为的特征，从而为企业的经营提供支持。
大家想想，用户行为具有哪些特征呢？
Q1: 用户行为是同质化的，还是差异化的？
A1：差异化的，因此用户行为具有差异性
Q2:用户行为是静态不动的，还是动态变化的？
A2:动态变化的，因此用户行为具有流动性
Q3:用户行为是相互隔绝的，还是相互影响的？
A3:相互影响的，因此用户行为具有传播性
差异性、流动性和传播性是用户行为的三个显著特征。那么，这些特征具体是如何表现的，分析这些特征对企业的经营有什么作用？
这里我们只谈差异性，后面的博文中会谈流动性和传播性。
用户行为从时间和空间的维度，分为5阶段7要素。因此用户的差异性，就表现在这5阶段和7要素上。例如，在产生需求阶段，用户的需求动机why不同。同样是买电脑，有的是为了工作、有的为了学习、有的是为了消遣；再比如，在信息收集阶段，用户的信息收集渠道where不同。同样是买房子，有的看网络广告；有的听朋友介绍；有的到现场采点。
这里只举了两个阶段，你能说出在其他阶段用户的差异性表现吗？
意识到用户的差异性，企业的营销工作就不会搞一刀切，就不会拿大炮轰蚊子，而是会进行市场细分和目标市场选择，然后针对目标用户进行精准营销。这种精准营销体现在市场定位、竞争战略选择、品牌形象和营销组合等很多方面。
三、如何分析用户行为(How)？
这里我们只谈差异性，后面的博文中会谈流动性和传播性。
我们前面谈到因为用户行为具有差异性，因此需要进行市场细分和目标市场选择，那么如何进行市场细分和目标市场选择呢？
市场细分的思路是看看从哪个维度切分市场，使所分得的细分市场内部具有的共性，细分市场之间具有个性。从哪个维度切要结合企业所处的行业特点的。例如食品市场，地域差异比较明显，南甜北咸东辣西酸，所以食品市场可按地域分；服装市场，性别差异非常突出，男款少而精；而女款多而靓，所以服装市场可按性别分。此外二八原则，也广泛用于市场细分，即我们可以按重要程度将用户分为大中小三类。重要性可以有很多评价指标，比如规模、综合实力、业内影响力、对企业的贡献率、在同类产品上的总投入等等。
将市场划分成几个细分市场后，企业就面临着目标市场选择的问题。如何选择目标市场呢？这是一个团体决策的过程，在选择目标市场时往往需要企业的管理人员和骨干营销人员坐在一起讨论来确定。讨论共有五步进行
第一步指标的选择需结合企业自身的实际情况。例如，我是大企业，规模经济是我的优势，那市场规模就是我选择的重要指标；我是中小企业，我要更关注竞争的激烈程度，因为竞争太激烈了，我可能无法存活。因此，竞争强度就是我选择的重要指标。
第二和第三步确定优先级和为指标打分的方法可参考小蚊子的《谁说菜鸟不会数据分析》中的权重确定方法
第四步的综合得分是第二步和第三步的结果加权平均得到。
第五步选择目标市场可以企业适应度和市场吸引力为横纵坐标，得出各个细分市场在四个象限中的位置。
六款免费的用户行为分析工具测评中国移动互联网市场经过几年的高速发展，增速已经明显放缓，人口红利逐渐消失。移动互联网进入了下半场，市场竞争已经从增量用户竞争逐步转化成为存量用户竞争。同时伴随流量红利消失，数据红利时代已经到来，流程驱动性公司正转变为数据驱动的数字公司，竞争从同业蔓延至异业竞争，跟随用户，跨场景地满足用户的需求将会成为数据红利时代最核心的诉求。
如果说数字化转型不可逆，那么对于用户的精细化运营将会是数字化转型的支撑点之一。要实现对用户的精细化运营，必不可少要对用户行为进行分析。比如对网站、APP等渠道的用户行为数据进行采集，对获取到的用户行为数据进行多维度、多角度对比分析，用以指导提升获客效率、优化产品服务和用户体验，以数据驱动业务持续增长。
但目前来看，距离要实现这一目标，还有一定的差距。由于日常工作中，大家的分工不同，仅关注某一个方面的数据显然不够，无法全面了解产品运营情况，更不能提出行之有效的分析建议。
现在的情况是在公司内，业务部门想要看数据，会先提出自己的数据需求，这时候需要找到技术人员或者数据分析师，根据需求写SQL将数据从库里提出来，交给数据分析师进行分析，形成对应报表之后，再发给业务部门查看，完成整个过程没个三五天搞不定，数据分析的时效性大大降低。
企业采用用户行为分析工具，可以让产品、运营、市场、数据等业务部门更方便的分析数据，让技术部门日常面对的零碎需求更少，能把等多精力放在建立数据仓库等核心工作上。
当我们在做产品开发或者产品运营时，通常需要第三方工具去做用户行为分析以提供数据支持。因此免费产品的试用成了大家在前期选择工具的必要方式。为了方便大家对目前市场上的用户分析工具有一个清晰的了解，我们在试用了大量的工具后，分别从数据接入、数据分析、安全与拓展几个方面进行了综合分析。
许多人都在问，市场上有没有免费的用户行为分析工具，答案是有的！不过各家各有特点，国外知名用户行为数据分析工具像Google Analytics（以下简称GA）、Mixpanel，国内有百度统计、易观方舟Argo、友盟、TalkingData免费版（以下简称TD免费版）。
01、数据接入
谈到数据接入，首先需要说明的是几个产品在数据模型上的差别。
GA、百度统计诞生于传统PC互联网时代，都是以传统的页面浏览（PV）和用户会话（Session）为核心。其中GA经过多年演进，增加了一些关于事件分析和自定义属性的内容，但本质上主要还是服务于页面类的产品。百度统计还是依然只支持页面和会话统计。
随着移动互联网时代到来，用户的行为触点变多，以往以页面和会话为中心所能采集到的结构化数据颗粒度不够细，页面和会话模型已经不适用了。因此，基于“用户+事件（User+Event）”模型出现了，在分析的时候可以完全自主的定义需要分析的事件，并从不同的属性维度进行交叉分析。刚推出不久的易观方舟Argo，以及Mixpanel、友盟、TalkingData免费版都采用了 “用户+事件”模型。
在埋点方面，目前根据埋点的工具和方式，可以划分为三种类型：代码埋点，可视化埋点和全埋点，并没有说哪一种方式能够碾压其他几种，因为都各有弊端，具体的各种埋点方法的分类与优缺点我们也做一下对比：
下面我们看一下市面上几家免费的数据分析产品之间在数据接入方面对比。需要注意的是由于GA、Mixpanel都是国外产品，在数据采集的规则适配了iOS、Android的设计规范，但国内开发者常常直接忽视这些设计规范开发产品，而GA、Mixpanel在数据采集上没有针对国内产品的特点进行优化，因此在数据采集的准确性上可能会受到一些影响。
另外，需要提到的一点是Mixpanel和易观方舟Argo的数据采集SDK开放了源代码，一定程度上可以打消企业在数据采集安全方面的顾虑。
02、数据分析
数据分析是用户行为分析工具的核心，除了百度统计以外，其他几款产品都可以满足用户行为数据分析的基本需求，但在功能的丰富程度上不尽相同。具体对比可以看下表。
从分析模型丰富程度上来看，Mixpanle和易观方舟Argo是里面功能最全的，堪称全家桶，唯一遗憾的是目前易观方舟Argo目前尚不支持热图分析。比如最常用的“事件分析”这个功能，不止可以从PV、UV等方面进行分析，还可以根据不同的属性值设定具体的指标按照不同的维度进行对比，功能非常强大。
从数据准确性上来看，GA在算法的严谨性上应该是最好的，但如果用户或者事件量比较大的时候，会采取抽样分析，可能会影响到数据的准确性，Mixpanel的免费版本也会存在类似的问题。易观方舟Argo在这方面表现抢眼，在数据计算上支持秒级实时数据分析、自定义指标、多维多人群指标对比、人群交叉分析、智能分析、数据实时回传、即席数据分析等。
从数据管理、项目管理、权限管理这些常用的管理功能方面来看，几款工具都提供了比较友好的支持。但仅有友盟+提供了手机app，可以随时通过手机查看监测的数据情况，易观方舟Argo支持通过手机浏览器访问查看数据看板。
另外，值得一提的是易观方舟Argo里面的用户运营和触达功能。目前易观方舟Argo可以在完成用户分析与分群后，通过邮件、短信、Push消息等方式对目标用户进行触达，还支持配置UTM追踪参数对广告进行跟踪。
03、安全与拓展性
企业级产品在数据安全性和可拓展性上，需要提前做一些考量，几款产品也各有侧重，具体对比情况如下表所示：
（点击图片可查看清晰大图）
GA免费版 和 Mixpanel 提供的都是SaaS服务，但因为服务器都在国外，在国内使用起来稳定性和刷新速度上可能会有一定的影响；百度统计、友盟统计、TD免费版基本上都是SaaS服务；易观方舟Argo提供安装包，可由企业自己私有部署，如果对数据安全有顾虑，易观方舟Argo是个不错的选择。在服务方面，除了GA和易观方舟Argo可提供社区服务支持以外，其他产品目前还没有完善的用户服务支持。
总结
对比来说，刚推出不久的易观方舟Argo，在数据采集、数据分析能力上，已经可以满足产品数据和用户行为数据分析的需求，而且提供了独家的一站式用户运营和用户触达。与目前其他国内的免费工具产品对比来说，易观方舟Argo在颗粒度细致程度、分析模型全面性、系统性能方面表现优秀。
目的，大多数成长型团队、创业团队的市场及运营预算都相对紧张，每一分投出去的钱恨不得立马知道什么时候能转化回来，如果自己搭建一套完整的数据分析平台要花费的功夫肯定不少。相信更多性能全面的用户分析和运营分析工具的免费开放，能避免企业在市场运营方面走弯路；也能解放团队更专注的在业务上，通过用户行为分析提升营销效率、优化迭代产品、留住更多用户，真正用数据指导和驱动业务。
最后，这次选型过程中，在易观方舟Argo社区交流感受较好，现在市面上能见到的免费工具产品不少，但真正形成自己技术服务社区的不多。相信未来他们能把这个社区做的更好，就像当年小米运营MIUI做社区一样，能给广大的技术宅和数据爱好者提供一个炫技、PK、互助的圈子。
阿尔戈ARGO配置要求不是很高最低配置:
操作系统: Windows 7 SP1 / 8 / 10(64位)
处理器: Intel 双核 2.4 GHz 或 AMD 双核 Athlon 2.5 GHz
内存: 4 GB RAM
图形: NVIDIA GeForce 9800GT / AMD Radeon HD 5670 / Intel HD 显卡 4000(VRAM 为 512 MB)
DirectX 版本: 10
网络: 宽带互联网连接
存储空间: 需要 20 GB 可用空间
声卡: DirectX®-兼容主板
推荐配置:
操作系统: Windows 7 SP1 / 8 / 10(64位)
处理器: Intel Core i5-4460 或 AMD FX 4300 或性能更优的处理器
内存: 6 GB RAM
图形: NVIDIA GeForce GTX 660 / AMD Radeon HD 7800 系列(VRAM 为 2 GB)
DirectX 版本: 11
网络: 宽带互联网连接
存储空间: 需要 20 GB 可用空间
声卡: DirectX®-兼容声卡
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）