從經驗驅動到數據驅動，我們經歷了一整個數字化發展浪潮，早些年我們在做增長或者做網站運營的時候，都是依賴多年的經驗，具體為什麼這麼做，做的什麼樣？都無跡可尋，還記得早些年什麼工種最難得？工廠裡的老師傅，因為他們有技能，無它、手熟。
國內的ToB數字營銷一直在進步，數據驅動告訴我們一個道理，在進行決策之前，我們可以通過數據分析來輔助決策，在執行之後，我們還可以通過數據分析來驗證決策的正確性。數據與決策形成了良好的閉環，然而在我們利用數據驅動決策的時候，數據的維度決定了數據對於決策指導的比重，如果你只知道UV，PV，停留時長、跳出率，你的決策會很片面，這個時候，我們需要從訪問級升級到事件級。如果你身邊的運營還在關注UV和PV以及跳出率，請你肯定他，並且告訴他，關注事件級數據，會打開新世界大門。
什麼是訪問級和事件級？（網站舉例）
訪問級數據：
跟訪問有關的數據，比如獨立訪客數量（UV），頁面瀏覽量（PV），平均訪問頁面數量，平均訪問時長，跳出率等。
通過訪問級數據，我們可以從頁面被訪問的相關數據上得到一些洞察，比如我的跳出率變高了，是不是因為著陸頁上的信息不符合用戶的搜索意圖了，或者UV，PV增加減少意味著用戶的關注減少了，還可以粗淺的知道我的網站表現情況。
問題來了，訪問級指標真的可以驅動決策麼？也許會有一些指導，但是完全不足的。
舉例：
1、我想知道，為什麼那麼多訪客，那麼少訂單？
2、我想知道，不同瀏覽器會不會有兼容問題？
3、我想知道，點擊註冊按鈕用戶有多少？
4、我想知道我的用戶都是從哪裡來的，轉化情況如何？
如果知道了這些問題的原因，就可以知道如何優化我們的產品，從而獲得更好的數據增長。
這些原因訪問級數據完全做不到，這個時候，我們的數據分析能力需要升級了，我們需要換個維度看數據。
事件級數據：
以事件觸發為基礎的數據維度，計算不同的事件發生的時間，觸發的人，做了什麼事情，以及做這件事情的環境
舉個例子：
事件：點擊體驗Demo按鈕
事件屬性：點擊體驗Demo當時的瀏覽器
事件屬性值：Chrome
時間：2019-09-20 15點整
觸發的人：手機號為18612528411
這樣的數據直接告訴了我們，體驗Demo的時候用戶會在哪些瀏覽器，這樣就可以發現我們的用戶不同瀏覽器使用比例，以及如果通過瀏覽器這個維度構建漏斗，就會發現不同瀏覽器的漏斗轉化情況（也許你會發現你的網站對個別瀏覽器兼容的不好），事件分析是更小顆粒度的維度的行為分析，這是訪問級數據完全不具備的。
有了事件級數據後再去看訪問級數據，我們會發現一個現象，就是如果單獨只有訪問級數據，那麼只能為決策提供很小的幫助，完全實現不了數據驅動。
訪問級數據結合事件級數據，數據會更加全面。
並不是說有了事件級就不要訪問級，很多數據還是需要訪問級的，落地頁的跳出率和退出率，停留時間都是需要訪問級的數據的，比如頁面瀏覽是可以作為一個事件存在的，比如某頁面的瀏覽的觸發次數和觸發人數，這樣瀏覽級就可以作為漏斗的其中一個組成存在，幫助我們更好的進行分析。
事件的應用就像樂高玩具一樣，可以根據自己的需求創造無數種可能，做數據分析通常都是先有需求，其次有構建想法，然後通過事件來複現自己的構建想法，最後看到數據表現。
如何能瞭解事件級數據？
2，如果要更專業的事件分析，可以調查一下國內的UBA產品，SaaS版本的很好用：如易觀方舟、神策、Growingio。
閱讀更多 趙巖Marketing 的文章
