本文介紹在AnalySDK的統計分析中，關於使用者的一些資料該如何操作使用於統計。
使用者模型
使用者屬性及與使用者相關的屬性都可以用來建立使用者模型，比如vip等級、生日、所屬省份等等。
Mob統計分析功能提供的介面能夠記錄這些使用者屬性，這樣在進行資料分析時就可以根據不同的需求來呼叫出圈定的特定人群進行各項精細化的資料分析。
如圖，可以看到使用者的ID、等級、註冊電話、建立時間，以及年齡、省份、城市等個人資訊和註冊渠道等。這樣就為一個使用者建立起了他的使用者模型
使用者行為
使用者行為就是記錄使用者事件流水的，可以精確查詢每個使用者的精準化行為軌跡，以及觸發每個事件時的所屬環境。
1）使用者行為列表
預設顯示近100條的事件流水可搜尋出任意一個 user ID 的事件，點選事件列表中的 user ID 可進入檢視該使用者所有事件的流水
2）單個使用者的事件流水
下圖中 A / B 區顯示的是上述使用者屬性和事件流水的內容，A區顯示的是該使用者的基本資訊及使用者屬性，B區顯示的是事件流水，而C區是需要將二者結合後，進行可按天篩選，來顯示當前所選中事件的事件屬性
使用者群組
使用者群組就是通過一些特定的條件篩選出的使用者組，為其設定使用者群組後，可針對特定的使用者進行精準化的使用者行為分析。例如可對近三天充值金額大於100元的使用者進行留存率分析或者漏斗分析等。
1）設定使用者群組篩選條件
可以為用群組進行具體的篩選，如天數、活躍時段和自定義標籤
2）群組對比
群組人數對比，可選擇相同專案的一個群組進行人數對比，即分析同屬於兩個使用者群組的人數群組使用者畫像對比，可選擇一個使用者屬性進行對比群組全部事件分析，可對比兩個使用者群組的獨立使用者數、觸發總次數、觸發使用者佔活躍使用者額比例、每人觸發數群組活躍使用者留存等，可對比兩個使用者群組的留存率情況。
3）資料模型分析指定使用者群組
事件分析、使用者畫像分析、漏斗分析、留存分析均可以指定使用者群組進行精準化分析例如可以針對於參與過某次活動的使用者進行漏斗分析
關於事件分析、漏斗分析等，之後會有更詳細的介紹，敬請關注。