点击红色方框中的加号，进入新建

节点配置

选择指标作为图谱的根节点指标，即核心归因分析指标。

配置根节点：支持配置目标值与指标值预警

节点操作：

1. 点击加号，添加子节点

2. 子节点支持更换与删除

3. 支持在同一图谱中重复选择和配置相同的指标（主指标除外） 解决的问题是：当用户想分析“当日平均温度”对“进店人数”的影响，同时也想看它对“外卖订单量”的影响；或者一个通用的宏观指标（如“节假日标记”或“促销活动力度”）通常是所有业务指标的共同影响因子。如果不支持复用，用户需要为每个分支单独维护一套逻辑，或者在多个图谱间反复横跳，分析效率极低，重复建设成本高。

时序相关性分析（子节点配置）：

1. 用于分析当前指标和上一级指标之间随时间变化的关联程度和动态关系，仅当两个指标的统计周期相同时支持进行时序相关分析。

2. 开启时序相关分析后，支持设置滞后/提前影响的时间偏移量，并进行相关性测试。在相关性的测试结果弹窗中，支持查看相关性结论，并通过图表方式展示两个指标的数据分布趋势，用户可以更直观了解数据规律。

3. 例如：在分析合同对收入影响的场景中，当月的合同会在3个月后转化成收入，则一般认为合同对收入存在滞后3个月的影响，那么我们可以对合同指标开启时序相关分析，并设置为滞后3个月，在归因解读时将自动根据时间偏移量获得对应的指标数据进行贡献度的计算，从而获得更加准确、符合业务逻辑的解读结论。

相关性配置

左下角开关可控制相关性配置是否开启

功能：用于计算子节点指标对根节点指标（主指标）和上级节点指标的贡献度。

共有五种关系：相加、相减、相乘、相除、相关

相加：指标相加形成新指标

1. 举例：

   • 聚合统计：例如总销售额 = 华北销售额 + 华东销售额 + 华南销售额

   • 组合分析：用户总数 = 新用户数 + 老用户数

2. 贡献度计算规则：因子指标贡献度=因子指标变化值/主指标变化值。其中变化值=当期值-基期值，区分正负。

3. 贡献度计算举例：

   • 总GMV减少1000万（总GMV=新用户GMV+老用户GMV），其中新用户GMV减少800万，老用户减少200万，则新用户贡献度（-800）/（-1000）=80%，老用户贡献度（-200）/（-1000）=20%。

相减：指标差异反映业务状态

1. 举例：

   • 净指标计算：净利润 = 总收入 - 总成本。

   • 波动分析：日环比增长率 = (今日销售额 - 昨日销售额) / 昨日销售额 × 100%

2. 计算顺序：从上往下减

3. 贡献度计算规则：同加法

4. 贡献度计算举例：

   • 利润=收入-成本，可以看作 利润=收入+（-成本），其中收入增长500，成本增长100，利润增长400，则收入贡献度=500/400=125%, 成本贡献度=(-100)/400=-25%.

相乘：乘积生成复合指标

1. 举例：

   • 复合指标：GMV = 用户数 × 客单价 × 复购率。

   • 权重计算：用户价值评分 = 活跃度 × 消费金额 × 权重系数。

2. 贡献度计算规则：公式两端取对数，转换成加法运算计算贡献度。即因子指标贡献度=（log因子指标）变化值/（log主指标）变化值。

3. 贡献度计算举例：

   • GMV=用户数人均单量均价

相除：通过比值衡量效率或转化效果

1. 举例：

   • 比率指标：转化率 = 成交用户数 ÷ 访问用户数。

   • 效率评估：人均产能 = 总产出 ÷ 员工数。

2. 计算顺序：上为分子，下为分母。

3. 贡献度计算规则： 取对数，转换为减法运算计算贡献度。

4. 贡献度计算举例：

   • 打赏率=打赏用户数/总用户数，log打赏率=log打赏用户数-log总用户数

   • 其中打赏用户数贡献度=（log打赏用户数）变化值/（log打赏率变化值）

   • 总用户数贡献度=（-log总用户数）变化值/（log打赏率变化值）

相关：指标间存在统计相关性（正负相关性），相关性只能说明指标 “同步变化”，不能证明谁导致谁，即没有直接的因果关系。

1. 正相关：两指标同向变化，例如：用户停留时长 ↑ → 广告收入 ↑

2. 负相关：两指标反向变化，例如：服务器响应延迟 ↑ → 用户留存率 ↓

3. 指标正负向：指标本身性质，上升或下降是好是坏