玩转PostHog仪表盘：把事件属性数据变成一眼看懂的图表

嘿，各位做产品和运营的朋友们！我们每天都在和数据打交道，尤其是用户行为数据。PostHog 是个好工具，帮我们收集了海量的事件（Events）和属性（Properties）。但数据本身不会说话，怎么把这些原始信息变成能指导决策的洞察呢？关键就在于 可视化。

特别是事件属性，比如用户完成了“订单支付”这个事件，我们还想知道他们买的是 什么品类 的商品？用的是 哪种支付方式？这些属性里藏着金矿！今天，我就带你一步步实操，看看如何在 PostHog 仪表盘（Dashboard）里，把这些关键的事件属性数据，用合适的图表（条形图、饼图、趋势线图等）清晰地展示出来，让你的数据报告更上一层楼。

你需要准备什么？

在开始之前，确保你的 PostHog 里已经正确追踪了你关心的事件，并且这些事件包含了你想要分析的属性。就像我们接下来要用的例子：

• 事件 (Event): order_completed （订单完成）
• 属性 (Properties):
  • product_category: string (e.g., "服装", "电子产品", "家居用品")
  • payment_method: string (e.g., "微信支付", "支付宝", "信用卡")

如果还没埋点，那得先去忙活埋点的事儿。

核心思路：从 Insight 到 Dashboard

在 PostHog 里，仪表盘上的图表通常不是直接在 Dashboard 上创建的，它们是 洞察 (Insights) 的可视化展示。所以，我们的基本流程是：

1. 创建 Insight: 针对你想分析的事件属性，创建一个新的 Insight。
2. 配置 Insight: 选择事件、聚合方式、图表类型，最关键的是——按属性细分 (Breakdown by Property)。
3. 保存 Insight: 把配置好的 Insight 保存下来。
4. 添加到 Dashboard: 将保存好的 Insight 添加到你指定的 Dashboard 中。

听起来不难？我们来实战一下。

实战一：不同商品类别的订单分布（用条形图或饼图）

目标： 我想知道，完成订单的用户主要购买了哪些类别的商品？哪个类别最受欢迎？

思路： 统计 order_completed 事件的总次数，并按照 product_category 属性进行细分，然后用条形图或饼图展示各个类别的占比。

步骤：

1. 进入 Insights: 在 PostHog 左侧导航栏找到并点击 "Insights"。

2. 新建 Insight: 点击右上角的 "+ New insight" 按钮。

3. 选择图表类型 (默认 Trends): 默认通常是 Trends，这正是我们需要的。顶部确保选择的是 "Trends" 标签页。

4. 选择事件: 在 "Series" 部分，点击选择事件的下拉框，搜索并选择 order_completed 事件。

5. 选择聚合方式: 默认通常是 "Total count"（总次数），这符合我们的需求。我们就是要看每个分类下发生了多少次 order_completed 事件。

6. 关键一步：按属性细分: 向下滚动页面，找到 "Breakdown" 部分。点击 "+ Add breakdown"，在下拉框中搜索并选择 product_category 这个属性。

   • 这时候，右侧的图表预览区域应该已经开始变化了，它会尝试展示不同 product_category 下的 order_completed 事件计数。

7. 选择可视化图表: 在图表预览区域的上方，你会看到一排图表类型图标（Line chart, Bar chart, Pie chart 等）。

   • 尝试条形图 (Bar chart): 点击条形图图标。你会看到一个垂直或水平的条形图，每个条代表一个商品类别，条的高度（或长度）表示该类别的订单数量。这种图表非常适合 比较不同类别之间的数量差异。

   • 解读：哪个条最长，就说明哪个商品类别的订单最多。你可以快速识别出热门和冷门类别。

   • 何时选条形图？ 当类别数量较多（比如超过 5-6 个），或者你想精确比较数值大小时，条形图通常比饼图更优。

   • 尝试饼图 (Pie chart): 点击饼图图标。你会看到一个圆形图，被分成了不同颜色的扇区，每个扇区代表一个商品类别，扇区的大小表示该类别订单数量占总订单数量的 百分比。

   • 解读：哪个扇区面积最大，就说明哪个商品类别的订单占比最高。饼图非常直观地展示 整体构成。

   • 何时选饼图？ 当类别数量较少（通常建议 5 个以内），且你更关心各部分占整体的比例时，饼图效果不错。如果类别太多，饼图会变得难以阅读。

   • 思考与选择：根据你的 product_category 数量和你分析的侧重点（是比较绝对数量还是看占比），选择更合适的图表。对于商品类别分析，如果类别不多，饼图可以快速看清大头；如果类别较多，或者想看具体数量差异，条形图更好。

8. 调整日期范围: 在页面顶部，你可以设置分析的时间范围，比如 "Last 30 days"、"This month" 等，确保分析的是你关心的时间段内的数据。

9. 保存 Insight: 对图表满意后，点击页面右上角的 "Save" 按钮。给这个 Insight 起一个清晰的名字，比如 “近30天商品类别订单分布（条形图）” 或 “商品类别订单占比（饼图）”。

10. 添加到 Dashboard: 保存后，通常会有一个选项直接 "Add to dashboard"。点击它，选择你想要添加到的 Dashboard，或者新建一个 Dashboard。

现在，去你的 Dashboard 看看，是不是已经成功添加了一个展示商品类别分布的图表了？是不是比看原始数据表格直观多了？

(此处可配图：展示在PostHog Insight界面配置Breakdown和选择Bar/Pie Chart的截图)

实战二：不同支付方式使用趋势（用趋势线图）

目标： 我想了解，随着时间的推移，用户使用不同支付方式（微信支付、支付宝、信用卡）完成订单的趋势是怎样的？哪种支付方式在增长？哪种在下降？

思路： 统计 order_completed 事件的数量，按照 payment_method 属性进行细分，并选择按时间（天、周、月）展示变化的趋势线图。

步骤：

1. 新建 Insight: 同样地，回到 "Insights" 页面，点击 "+ New insight"。

2. 选择图表类型 (Trends): 保持默认的 "Trends"。

3. 选择事件: 选择 order_completed 事件。

4. 选择聚合方式: 保持默认的 "Total count"。

5. 关键一步：按属性细分: 在 "Breakdown" 部分，点击 "+ Add breakdown"，这次选择 payment_method 属性。

6. 选择可视化图表: 在图表类型中，选择 线图 (Line chart) 图标。

   • 你会看到图表的横轴是时间，纵轴是 order_completed 事件的数量。图上会有多条不同颜色的线，每条线代表一种支付方式 (payment_method)。

7. 调整时间聚合粒度: 在图表预览区域下方，通常有一个下拉框可以选择时间的聚合粒度，比如 "Daily"（按天）、"Weekly"（按周）、"Monthly"（按月）。

   • 思考与选择：
     • 如果你想看短期的波动和细节，选择 "Daily"。
     • 如果你想看中期的趋势，滤掉一些日常噪音，选择 "Weekly"。
     • 如果你想看长期的宏观走势，选择 "Monthly"。
     • 选择的粒度要跟你设置的整体时间范围相匹配。比如你看过去一年的数据，按天展示可能会密密麻麻，按周或按月可能更合适。

8. 调整日期范围: 同样，在页面顶部设置你关心的整体时间范围，比如 "Last 90 days"。

9. 解读趋势线图: 现在，仔细观察这个线图：

   • 线的走向: 线条向上倾斜表示该支付方式的使用量在增长；向下倾斜表示在下降；水平则表示相对稳定。
   • 线的对比: 比较不同颜色线的位置和走势。哪条线一直处于上方？说明哪种支付方式是主流。哪条线的增长/下降趋势最明显？
   • 交叉点: 如果两条线交叉，说明在那个时间点，两种支付方式的使用量发生了反超。
   • 周期性: 观察是否有规律性的高峰和低谷？比如周末支付量是否会上升/下降？这可能与你的业务模式有关。

10. 保存 Insight: 给这个 Insight 起个名字，比如 “近90天支付方式使用趋势（按周）”，然后点击 "Save"。

11. 添加到 Dashboard: 将这个 Insight 添加到你的 Dashboard。

现在，你的 Dashboard 上又多了一个动态展示支付方式变化的图表。通过它，你可以更容易地发现支付渠道的变化趋势，也许能为你的支付策略或渠道合作提供依据。

(此处可配图：展示在PostHog Insight界面配置Breakdown和选择Line Chart，并调整时间粒度的截图)

进阶技巧与注意事项

仅仅会创建图表还不够，用好它们还需要一些技巧：

• 选择合适的图表类型至关重要: 没有最好的图表，只有最适合当前问题的图表。
  • 比较类别数量/占比: 条形图、饼图 (类别少时)。
  • 看时间趋势: 线图、面积图。
  • 看数值分布: 直方图 (Histogram，PostHog Insight 里也有)。
  • 看两个变量关系: 散点图 (Scatter plot)。
  • 虽然我们今天重点讲条形图、饼图、线图，但在 PostHog 创建 Insight 时，多尝试几种图表类型，看看哪种最能回答你的问题。
• 保持图表简洁: 一个图表最好只传达一个核心信息。不要试图在一个图里塞入太多维度的数据，那样只会让人眼花缭乱。如果需要分析多个维度，考虑创建多个图表。
• 利用 Dashboard 的过滤功能: PostHog Dashboard 通常支持全局过滤器（比如按时间范围、用户属性等过滤）。确保你的 Dashboard 设置了合适的过滤器，让所有图表能在同一口径下进行分析。
• 为图表添加文字说明 (Text cards): 在 Dashboard 上，除了图表，你还可以添加文本卡片 (Text cards)。用它来解释图表的含义、你得出的结论或者需要关注的点，能让看报告的人更容易理解。
• 关注数据质量: 图表再炫酷，如果底层数据埋点有问题（比如 product_category 属性值不规范、丢失等），分析结果也是空中楼阁。定期检查数据质量是基本功。
• 不要过度解读: 数据趋势是重要的参考，但也要结合业务背景和定性分析。某个支付方式占比下降，不一定是坏事，也许是你主动引导用户使用了利润更高的支付方式呢？要深入思考数据背后的原因。
• 多问“为什么”: 看到“电子产品”类别订单最多，问问为什么？是因为我们主推电子产品，还是这个品类的市场需求大？看到“微信支付”趋势上升，问问为什么？是最近做了微信相关的营销活动，还是支付宝渠道出了问题？不断追问，才能挖到真正的洞察。

总结

通过 PostHog 的 Insight 功能，结合 Breakdown by Property，我们可以非常灵活地将事件属性数据转化为直观的图表，并在 Dashboard 上集中展示。

我们今天实战了两种最常见的场景：

1. 使用 条形图/饼图 查看特定事件下某个 分类属性 的分布情况（如商品类别）。
2. 使用 趋势线图 查看特定事件下某个 分类属性 随 时间 变化的趋势（如支付方式）。

记住，创建图表只是第一步，更重要的是选择合适的图表、正确地配置、细致地解读，并最终将数据洞察转化为实际行动。现在，就动手去你的 PostHog 里，把你关心的那些事件属性数据，变成一目了然的图表吧！让数据真正为你所用！