透視眼功能解鎖：用戶行為的「第N次」親密接觸！
有沒有想過，同樣是滑手機、逛APP，為什麼有些用戶一點就通、一買再買，有些卻是「到此一遊」，從此相忘於江湖？秘密可能就藏在他們與你「親密接觸」的次序裡！今天，咱們就來聊聊如何用Amplitude中「歷史計數」這個酷炫功能，精準掌握用戶行為的「第N次」，從中挖出連自己都驚訝的寶藏洞察！
想像一下，用戶在你的APP裡買了1次東西，跟買了2–3次東西，他們之後的「回頭率」和「忠誠度」，那可是天差地遠！有了歷史計數這雙「透視眼」，我們就能精準捕捉到用戶從「第一次心動」到「第五次下單」（當然，你想追蹤到第幾次都行！）的每一次蹤跡。這不僅能幫我們揪出新手用戶到底在哪一步「卡關」了，更能讓咱們對核心指標的觀察提升好幾個檔次！挖掘你身邊的「超級VIP」：歷史計數顯神通！
不只如此，這功能還是你挖掘「超級VIP」的秘密武器！比如說，在電商平台，誰是買了又買的剁手黨常客？在音樂APP裡，誰又是天天報到的鐵粉歌迷？歷史計數都能幫你一眼看穿！
拿音樂APP來說吧，用戶「第一次」點開歌來聽，跟那些早就是「老司機」、天天泡在裡面的用戶，他們的使用習慣肯定大大不同。歷史計數功能就能把這些差異清清楚楚地攤開在你面前，讓你的數據分析不再停留在表面，而是充滿了深度和「原來如此」的驚喜！
設定「高智商」篩選？三兩下搞定！
「Hold on，這麼神的功能，設定起來會不會難如登天？」別擔心，三兩下就能搞定！
首先，在事件模組裡找到你想追蹤的那個「關鍵動作」，然後豪邁地按下「+篩選條件」鈕。接著，在屬性篩選區裡找到「歷史計數」這位仁兄，再設定好運算符和你想要看的次數範圍（比如第1次到第5次）。
瞧！就像下面這張動圖演繹的，設定完畢，那些觸發了「發送訊息」事件達到三次的用戶群體，就乖乖列隊出現在你眼前啦。過程看起來是不是簡單到不可思議？但它背後的運算邏輯，可藏著不少「小心機」呢！
歷史計數設置動態示意圖。來源：Amplitude
你想知道的運算「潛規則」：細節是魔鬼！
重點來了！在Amplitude的世界裡，這個歷史計數篩選器可是個「壓軸大佬」 — — 也就是說，它總是在所有其他篩選條件都表演完畢後，才會華麗登場。
舉個簡單例子，如果你設定了「在德國第三次觸發事件」的篩選器，圖表會告訴你哪些用戶是「光顧德國三次，並且第三次光顧時做了這件事」，而不是「做了這件事三次，剛好第三次人在德國」。這意味著，前兩次的好戲也得在德國上演，才能入選這位「壓軸大佬」的法眼。有點繞嗎？多品品就懂了！
historical_count。來源：Amplitude
篩選器大比拚：長得像不代表一樣喔！
說到篩選器，還有個跟「歷史計數篩選器（Historical Count）」長得像雙胞胎的兄弟，叫做「事件歷史計數篩選器（Event Historical Count）」。雖然名字聽起來差不多，但它們的出場順序可就大相徑庭了。
這位「事件歷史計數篩選器」是個急性子，總喜歡搶在其他篩選器前面先執行。這一先一後，直接影響了最後你看見的分析結果。這種看似微不足道的差異，往往就是數據分析裡決定成敗的「魔鬼細節」，值得咱們好好琢磨琢磨！
真人實例開講：Maya姐與Loc哥的「行為劇本」
紙上談兵不過癮，咱們直接來看Maya姐和Loc哥的精彩劇本！從下表中，我們能清楚看到：Maya在時間點1開始了她的「跑步大計」，接著在時間點2切換成「走路模式」；而Loc兄則是在時間點2才悠悠哉哉地開始「走路」，到了時間點3才「跑步」起來。
來源：Amplitude
現在，如果我們把「跑步」當作要追蹤的事件，然後設定「Historical Count = 第1次」來篩選，結果會是什麼呢？鏘鏘！兩位都會上榜：Maya在時間點1的首次跑步，以及Loc在時間點3的首次跑步。 BUT！如果我們換個條件，改成「Event Historical Count = 第1次」，那結果可就只剩下Maya姐獨自美麗了。為啥？因為對Loc兄來說，「跑步」是他人生中（或者至少是這個APP裡）第二次觸發的事件，所以就被無情地排除啦！你看，是不是很有意思？
漏斗分析也愛「歷史計數」：解密轉化小心機
在用戶轉化的漫漫長路（也就是漏斗分析）中，用戶可能會像逛自家花園一樣，N次跑進來，或者在某個步驟來回橫跳。當我們祭出「歷史計數篩選器」時，Amplitude 會用下面兩個「金標準」來判斷用戶到底算不算成功「轉化」：
- 你指定的那「第N次」事件，必須發生在你設定的日期範圍內，早一天晚一天都不算哦！
- 而且，這「第N次」事件還得在規定的轉換視窗期內，跟漏斗裡的其他步驟完美配合，才能手牽手一起走向轉化成功。
再舉個例子，假設我們有個兩步驟的漏斗，事件 event_a 的歷史計數被欽定為「第2次」，日期範圍鎖定在2020年12月21日到22日。
漏斗長這樣：
- 步驟1 = event_a
- 步驟2 = event_b
如果某用戶的行為順序是BBABAB，那麼他要想被算作「成功轉化」，就得同時滿足兩個條件：
- 他的第二次 event_a 必須乖乖地發生在2020年12月21日到22日之間。
- 然後，在這次event_a之後的一小段時間內（轉換視窗期），他還得緊接著完成 event_b。
當「歷史計數」遇上「行為群組」：1+1 > 2！
最後，咱們來聊聊「歷史計數」和它的好朋友「行為群組」。它倆在Amplitude裡雖然是好哥們，但性格（概念）可是截然不同。 「行為群組」這位朋友，主要任務是幫我們圈出一群在特定時間段內，做了某件事達到一定次數的用戶。比如，最近30天內完成了五次健身訓練的「運動健將們」。有了它，我們就能快速找到那些符合特定行為模式的「目標人群」。
而「歷史計數」則更像個精密的定位儀，它關心的是某個特定用戶的第幾次動作。比如，某位用戶的「第五次訓練」。就算這位老兄最近30天只練了兩次，但加上以前攢下的三次，這第五次訓練，對他來說可能就是一個重要的里程碑，比如從「三天打魚」到「長期堅持」的轉折點，或者是展現出「高頻活躍」特質的關鍵時刻。
最酷的是，Amplitude還能讓這兩位好朋友強強聯手！你可以先用「歷史計數」作為條件（比如找到所有完成了「第五次訓練」的人），把他們建成一個群組，然後再根據時間變化，追蹤這個群組的規模是如何增減的。是不是感覺手裡的數據分析工具又強大了幾分？
參考資料：
