一、数据埋点以及其意义

一般来说，用户信息分为以下几类：

  1. （1）用户基本信息
  2. 常规注册/登录即可获取的信息，例如注册时间、注册渠道、注册所在IP、最近登录时间等。
  4. （2）用户行为信息
  5. 用户在APP页面内表现出来的行为信息，需要预先作埋点追踪，例如页面访问（分为PV和UV）、按钮点击，从而可统计出页面访问路径、页面转化率。
  7. （3）用户业务信息
  8. 用户在APP页面内跟业务紧密相关联的数据，例如电商模块的订单数据、推荐模块的搜索记录等。

所谓埋点就是在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，后续用来进一步优化产品或是提供运营的数据支撑，包括访问数（Visits），访客数（Visitor），停留时长（Time On Site），页面浏览数（Page Views）和跳出率（Bounce Rate）。这样的信息收集可以大致分为两种：页面统计（track this virtual page view），统计操作行为（track this button by an event）。
通俗来说就是，对用户的操作进行编码解码映射的过程。所以，数据埋点针对的是用户行为信息，并且用户行为信息能在足够的数据下协助完善用户基本信息（例如标签化用户分群）以及用户业务信息（例如通过埋点分析调整策略，提高业务转化）。

数据埋点的意义：
image.png

二、数据埋点基础知识

1、理点方式

埋点技术主要分为代码埋点 、 可视化埋点 、 无埋点三类。
image.png

埋点采集的是一个一个的事件，狭义来说就是某人、某时与某事组合而成的一次事件。 通过这种行为数据的累计，可以获得诸如某件事有多少人进行、某人在一周内做了多少件事等统计任务 。与业务相结合起来，可以分析人次或事件发生的次数、两件前后相互连接的事件之间的转化率、 留存比例、 时长、内容等。

从技术实现的方式以及埋点事件触发类型分类可以分为前端埋点、后端埋点。

埋点方式对比，如下图：
image.png

2、埋点事件分类

1）、点击事件
点击事件，用户点击按钮即算点击事件，不管点击后有无结果；如下图红框标注所示，点击一次记一次。
image.png

2）、曝光事件

  1. 成功打开、加载一次页面记一次
  2. 刷新页面一次记一次

3）、页面停留时间事件
页面停留时间（Time on Page）简称 Tp，是网站分析中很常见的一个指标，用于反映用户在某些页面上停留时间的长短。

可以把一个页面生命周期抽象为三个动作：「进入」、「活跃状态切换」、「离开」，三个动作的详细触发行为如下表：
image.png

页面停留时间Tp的计算公式为：

  1. 页面停留时间Tp = 离开时间 - 进入时间

3、事件触发类型

1）、用户侧
自动式触发
自动式触发一般是曝光事件、页面停留时间事件。

  1. PV
  2. UV
  3. 转化率
  4. 停留时间
  5. ...

交互式触发
交互式触发一般是点击事件，如点击按钮、滑动页面等。通常是梳理产品的功能流程或者页面结构，剥离关键流程，提炼关键指标，组成业务事件流程，从而记录用户的操作路径。

2）、技术侧

  1. 前端触发上报：用户在前端进行相应的操作时，即触发采集数据事件。
  2. 前端获取后端结果上报：一般除了记录用户操作外，还要获取用户操作的结果，触发机制必须等到前端拿到后端服务器处理结果后，再进行上报。
  3. 后端触发上报：后端处理后直接上报，采用这种方式的好处是数据不会出现漏报，但基本拿不除接口外的其他用户信息。
  4. 后端获取前端属性后上报：为了解决后端埋点的软硬件环境属性等问题，可以在前端进行相应操作时，将相应的属性一并传回服务器，服务器在发生操作时，带上相应的前端属性上报数据。

4、埋点工具

私有化部署
对于一些对数据安全性要求比较高的公司，会研发或者私有化部署独立的数据系统，用于收集用户数据。但是大部分公司而言，更多的是专注业务本身，埋点 直接使用第三方的技术服务。

私有化部署优点是定制化的数据，保证数据的安全性和精确性；缺点是成本较高。

接入第三方服务
目前有很多做埋点和数据支持的公司，例如友盟、诸葛IO、GrowingIO、神策等等，也有埋入移动端、H5、Web等。

接入第三方服务优点是研发成本较低，几乎能满足企业的数据埋点需求；缺点是数据会存在不安全的风险，无法定制个性化埋点机制方案，接入收费依据不同需求不同。

三、数据埋点方案设计

1、确定数据埋点的时机

结合产品所在的阶段，“以终为始”，在收集之前得想明白，用数据来做什么；确定了目标再进行收集，可以起到事半功倍的效果，同时也更好地有的放矢。
通常，埋点技术，哪些埋哪些不埋，哪些先埋哪些后埋，是要考虑的事情。

数据埋点的时机：

  1. 产品初期没有数据埋点，后续埋点
  2. 每个迭代都进行埋点（建议，完整的设计方案包括指标的制定与回收）
  3. 全埋点

2、明确数据统计目的和意义

依据产品的需求，大致可以分为产品应用的全局数据、优化产品功能与指导运营三大类。

1）、全局数据（AARRR模型）
需要结合对业务的理解，从获取客户价值的角度出发，在所有事件中找出关键事件，并在关键事件的各个环节埋点布控，为后续在关键环节上的产品优化提供数据支持。根据AARRR模型，企业获取客户价值需经历以下五个环节：
image.png

制定核心指标：
image.png

2）、优化产品（基于后期分析方法判定埋点目标）

  1. 任务流分析法：根据产品设计的任务流，在任务流开始和结束处埋点，分析用户处理任务的情况
  2. 页面转化分析法：统计相关页面的转化率及页面元素点击率，分析用户行为。
  3. 情景分析法：列出各种用户使用场景，自己或多人体验不同场景下产品的使用流程，寻找依据设立数据埋点，通过数据反馈验证用户行为。

可以从以下的几点思路出发：
- 功能流程转化率：关键业务的留存转化指标尤为重要，用户在哪个关键节点发生了流失。

- 改版调整：如果产品做了改版，肯定会在一些关键入口进行了布局上的优化，那么埋点统计有利于收集变化前后的不同。

- 用户轨迹：用户来进入产品，记录第一件事情是做什么，然后还会做什么，从而挖掘出更深层次的需求。

3）、指导运营（基于商业目的埋点）
首先基于产品和业务确定商业目标，继而将商业目标拆解，完成数据原型设计。

例如，一次完整的活动运营，在工作的前中后阶段，对数据的需求如下：

- 活动前：需要了解面向的用户、兴趣、标签、来源，入口的引导和布局，有了这些，才可以更好地评估面向对象、渠道。而这些，在产品早期建立数据的时候，是需要第一时间就考虑的问题。

- 活动中：对数据的时效性要求更高，落地页或者活动页面的PV/UV、活动参与数、页面登陆数、中奖数、兑奖数、活动转化人数/金额以及用户信息等。必要的时候根据数据反馈及时调整问题和优化。

- 活动后：更加注重反馈和总结，对活动的复盘。本次活动的带来了多少的访问流量，转化率如何，不同渠道过来的用户表现如何，最终这些用户转化成活跃用户的又有多少。

3、数据埋点整体思路

首先，依据AARRR模型，制定核心指标产品全局数据指标；其次，依据业务建立业务流程的数据指标。

埋点大致分为三点：

  1. 点：基本事件埋点（单个事件的埋点）
  2. 线：流程（有场景化流程化的点事件组成）
  3. 面：业务模块（包含点、线埋点）

对一个完整产品的数据埋点来说，可以分三不部分：

  1. 第一，一般可以从AARRR模型开始，从获客、活跃、留存、营收、自传播五个方面去做基础的点型埋点；
  2. 第二，从场景化考虑，做重要流程的线型埋点；
  3. 第三，从业务模块入手，做重要业务的面型埋点（适用于迭代埋点）

现在成熟的埋点工具都会自动引入较为全面的全局数据指标机制，这里的埋点思路主要还是业务流程的埋点思路。

4、业务需求梳理

1）、梳理产品的产品结构
首先，先别急着马上就去建立埋点，此处应该是优先复盘当前的产品或者模块，整理出产品结构和页面结构。梳理出产品完整的结构、页面逻辑，这些都是决定了用户在使用产品时的任务路径，所以需要做一次完整的复盘。

2）、梳理产品页面流程
有了基础的梳理后，需要再将页面流程梳理出来。将用户与系统的交互故事完整的梳理出来。借助它，更容易知道流程中的潜在地雷是什么，哪里的效率比较低，有助于系统化、全局化、周全性的思考。后续可以在每个流程步骤，考虑好用户的目的、场景，提炼出重要指标。

3）、制作业务流程图：
- 充分理解业务需求与用户需求（在产品结构以及页面流程的基础上）
- 分析、找到所有角色
- 找到每个角色完成任务的所有接触点

  1. 和产品或某一渠道发生交互的关键点
  2. 通俗：用户做了某件事、用户看到某个信息不停的交错

- 梳理接触点

  1. 基于用户模型，经验，用户调研的体验故事（用户地图故事）
  2. 推理每个接触点的心理情况和行为动作（做事——看信息——做事）

- 处理异常流程
- 注意设计的完整性

  1. 不要随意地跳过某一页面，流程设计需要考虑到流程中出现的每个页面。
  2. 注意开头和结尾这会影响你的设计完整性。

4）、根据业务流程设计指标
在前面做了一系列的功课之后，定义好分析的目的，就可以开始依据业务流程，剥离关键流程，提炼关键指标。

  • 例如，购物环节的业务流程：
    1. 购物环节：宝贝详情页>加入购物车>订单确定>订单提交>支付>支付结果
    image.png

在这个过程中，需要采集到从详情页到购物车的转化，从详情页到订单确认的转化，订单从确认到支付成功之间的漏斗数据模型。

那么对应的数据采集，可以为详情页UV、购物车添加事件、订单确认事件、订单提交事件、支付事件、支付成功反馈事件。

  • 例如，想要了解注册流程的转化
    1. 注册流程：进入注册>注册信息填写>获取验证>注册成功
    image.png

想要了解注册流程的转化，可以主要采集注册按钮点击事件、提交信息事件、获取验证事件、注册成功事件，再加上能够统计到渠道包信息，那么也就可以分析出，不同渠道下的用户转化效果。

5、提出埋点需求

1）、收集事件
依据业务流程指标，制定这么一个事件收集表格：
image.png

2）、设置事件的参数和参数值
- 事件描述
数据埋点是为了更好的数据采集，通常记录用户行为的基本要素采用 4 W1 H 的方式，即人物（Who）、时间（When）、地点（Where）、行为（What）、方式（How）。用户在什么时间什么地点使用什么方式产生了什么样的行为来记录。

除了统计事件的触发次数外，还可以收集触发这个动作时，其他的附带信息。利用这类信息，有助于对事件有更加精准的统计，又称为参数（Key）和参数值（Value）。
事件、参数、参数值的关系如下：
image.png

根据业务流程指标和事件参数，在事件收集表格的基础上，可以制定并维护这么一份数据埋点需求表格：
image.png

示例：《越野侠数据埋点》。

3）、制作数据埋点原型
依据业务流程和数据埋点需求表格，在对应的设计稿上，参考数据埋点的技术要求的数据格式，添加对应的数据埋点说明信息。

示例：
image.png

6、开发与测试校验

数据埋点是开发业务的一种，也是严格按照正常的开发流程进行的。依据不同的情况，可以在业务功能开发中添加数据埋点，也可以在业务功能开发完成后再添加相应的数据埋点。

1）、数据埋点开发
开发人员依据数据埋点原型和数据埋点需求表格，完成数据埋点的开发工作。

2）、数据埋点测试与校验
开发完成后，依据埋点需求，进行埋点数据的测试。

在最终上线验收的环节中，需要做一个预发环境的校验，避免影响后续对产品的判断。

7、数据分析与优化设计

依据数据统计目的和意义，以及搜集的用户行为数据，做具体的分析。案例：《whaleCode数据埋点方案》。

数据分析不是本文的重点，关于数据分析，请查看《常见数据框架与技术》、《交互设计师的数据分析》。

由于数据不可见、数据不可靠、数据不可变，所有的数据分析的结果都有一定的局限性，它对产品的设计是指导性的，总是要结合产品设计理论与产品具体的情况，才能体现数据统计的价值。

image.png