数据埋点是什么？

在产品经理的日常工作中，数据分析是一个非常重要的工作。在我做产品的历程中，很多时候，产品诞生的前期，由市场驱动产品设计，而产品到了一定阶段，则由数据驱动产品设计。分析数据的前提则需要我们采取一些手段去采集数据，埋点则是采集数据的重要方式之一。

一、数据埋点的意义

数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。

在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。

在企业里面，数据分析可以帮助我们掌握企业的运营状况，商品的出售情况，用户的特征、产品的粘性、等等。

前面提到，埋点是为了采集数据，进而分析用户的动作行为。

那么对于这种动作，你需要知道你做埋点的目的是什么？

是说你考虑对某一个功能做判断还是说你想知道最近频繁跳出率出现在哪里？

对于这种情况拿什么去判断？

是问访客？是做市场调研？还是问各设计、研发、测试人员？

比如平时我们支付的时候就是打开支付宝，打开扫一扫，扫描对方的二维码，输入金额（2元，小金额免输入支付密码），点击确认，支付成功。你为了资金的安全，做了两个设定。打开支付宝，打开扫一扫，扫描对方的二维码，弹出提示“您正在付款，请输入密码”，然后要你先输入支付密码（不能免输入），然后在输入金额（2元），点击确认时，弹出提示“为了保障你的安全，请先进行实名认证”，接着跳转到认证的页面。

先不管这两个设定是否合情合理，你这里就可以以埋点的形式将两次弹出做行为收集，并对相应的动作进行连串行为分析，并以此为根据形成用户画像等最终数据。

二、基础埋点怎么做

基础埋点：在产品流程关键部位植入相关统计代码，用来追踪每次用户的行为，统计关键流程的使用程度，或者接入第三方数据统计工具。

在任何的情况下，产品经理做出来新的功能都希望用户能够去体验、使用，获得用户的认可就是大量的用户都对此功能赞不绝口。就以APP注册功能来说，我们在升级到2.0时对注册功能进行了优化，不光用户可以通过手机号进行注册，还可以通过第三方账号-微信登录。我们在注册这里放置一个埋点的判断，一天后我们收集到了100条数据。有20个用户打开APP后退出（这些是流失用户），有80个用户进入了注册功能进行注册，但只有5个用户注册成功进入首页。那么我们就可以判断注册功能这里有BUG了，成功率太低。

比如，当你发现产品的UV很高， 注册量却非常低，你就需要分析出用户在首页的行为，如20%的用户退出了产品，80%的用户进入了注册页，但只有5%的用户注册了该产品。这也就意味着，注册流程可能出现了问题，需要进一步细化注册各个流程，增加数据埋点，分析各个流程之间的转化率，找到产品出现的问题并解决。

具体到自己的产品，怎么数据埋点，就需要根据自己产品的任务流及产品目标来设计。这是一个由粗到细，优化迭代的过程。

最简单的使用第三方数据统计工具。例如百度统计、谷歌分析、友盟、神策数据、TalkingDate……

利用好这些专业的网站流量分析工具，能够告诉用户访客是如何找到并浏览用户的网站，在网站上做了些什么，有了这些信息，可以帮助用户改善访客在用户的网站上的使用体验，不断提升网站的投资回报率。“世界很复杂，百度更懂你”，百度统计提供了几十种图形化报告，全程跟踪访客的行为路径。

三、中级埋点都有什么

中级埋点：植入多段动作代码，追踪用户在该模块每个界面上的系列行为，事件之间相互独立

如注册功能：任意页面——注册页面——点击注册——填写手机号——判断手机号格式正确——获取验证码——输入验证码正确——输入密码——写入数据库——注册成功。

点击第三方注册——获取第三方信息——授权成功——写入数据库——注册完成。

如果不用埋点，那么注册的成功除了靠猜测、经验、模拟测试外，最靠谱还是拿真实的数据来说话。

产品经理提出埋点需求，由研发完成数据埋点和数据提取，产品经理&数据分析师开始对数据进行分析、数据图表展示，并根据数据结果形成数据报告。使用数据报告中的结果重新对注册功能进行调整，进行版本迭代，重新检测看效果，最终形成良好的功能应用。

埋点的过程就是针对功能，准备要分析的动作，对数据进行观测，提取有价值的数据，将数据进行分析，模拟及判断分析结果，形成数据报告，最终用结果对功能进行判定。

四、高级埋点

高级埋点：联合公司工程、ETL采集分析用户全量行为，建立用户画像，还原用户行为模型，作为产品分析、优化的基础。

埋点的目的是什么？埋点的最终目的就是数据分析，而产品经理工作职责中一个最终的环节也是数据分析。

产品的立足点有四个点：大众、主流、高频、刚需。只要有一个那么你就可以去做产品了；满足其中两个那么你的产品就会火爆起来；满足任意三个你的产品就能够攻占市场，四个都凑齐了你就可以召唤神龙了。

我们可以做用户画像来进行表示数据，埋点只是产品经理工作的一个小节点，埋点背后的数据和利用数据驱动需求、改进需求、提升需求是提升产品经理整体素质很好的手段。

（文章创作于2017-9-6 23点，转载请署名“产品笔录”，谢谢）

作为一名设计师，用数据说话是佐证工作价值的方式之一。而那些数据需要获取哟事一项值得思考的问题。而数据分析的前提是数据。

有宏观些的，对于整个产品层面上的漏斗模型，即转化率相关的，如：展示量、点击量、下载量、安装量和激活曝光的设备量之间的关系。产品拉新时投放在各个渠道的瀑布流广告也同样需要检测其投放的效果。主要是以点击率和激活曝光率来衡量。如变量相同的情况下，一个广告素材是蓝色，点击率是5%，而一个广告素材是红色，点击率是3%，根据这些埋点数据就可以优化设计或运营的方向。这就是一些从设计的角度来解释以数据获得的优化的样例。

数据埋点是什么

数据埋点又称数据追踪（Event Trace），是一种得到数据的方法。即是一种方法，那这个方法怎么用，用在哪，为什么使用就是一个值得思量的问题。其具体的实现方法是将一串检测数据的代码植入要检测的行为数据的一个点活一串点的行为，如点击事件。

数据埋点的目的

为了对产品进行持续追踪，通过深度数据分析不断优化产品。数据埋点是监控页面加载的行为，其目的在于用的出的数据来辅助决策。辅助决策的绝弦不限于产品、运营、设计师。

对于产品来说，用户在你的产品里做了什么、停留了多久、有什么异样，都是需要关注的。

对于运营人员主要通过自有或第三方的数据统计平台了解产品的概览性数据指标，包括新增用户数、活跃用户数等。

而对于设计师，关注的点莫过于产品重要按钮的布局是否合理，使用流程是否顺畅。好的埋点是数据驱动产品和精细化运营的前提，而埋点质量的好坏也直接影响到了产品运营的质量。其贯穿了产品的整个生命周期，为产品优化指明方向。

任何一个系统在设计初始阶段只关心核心业务的功能，等到系统上线以后，数据分析师对用户行为分析时会发现缺少很多数据，此时需要采用埋点的方法进行采集需要的数据。

数据埋点的类型

数据埋点有一下几种类型：代码埋点、可视化埋点、无埋点。

代码埋点又称手动埋点，可自定义程度高，符合自定义埋点需求。

可视化埋点是在可视化页面上对埋点区域和事件进行设定，从而在用户有所操作时，对交互时间（操作行为）进行记录的方式。代码埋点是手动编码产生的，自由度高，功能强大，企业可以自定义事件和属性，精准控制监控对象，传输丰富的数据内容。自定义埋点需要知道埋点的目的和需求。

无埋点（全埋点）是采集页面上所有的点击行为，可绘制出用户点击的热力图的方式。

数据埋点的阶段

数据埋点有几种不同的阶段。

第一阶段是在产品流程关键部位植入相关统计代码，用来追踪单次用户的行为，统计关键流程的使用程度。

第二阶段是在产品中植入多段代码追踪用户的连续行为，建立用户模型来具体化用户在使用产品中的操作行为。

第三阶段是与研发及数据分析师团队合作，通过数据埋点，还原出用户画像及用户行为，建立数据分析后台，用以优化产品。

第一阶段，数据埋点有两种形式，一是在产品内部进行埋点，二是利用第三方平台对于产品的下载量、使用时长等进行监测。对于追踪单次用户行为，我们就需要对页面访问量（PV）、访问人数（UV）、访问时间、停留时间、页面路径等信息进行监测。页面路径主要的可视化展现形式即为热点图，点击越多，颜色越深。

产品内部埋点主要包含页面埋点和事件埋点。页面埋点统计应用页面的访问情况，事件埋点统计应用内的具体点击和操作行为。两者分别从“面”和“点”的角度来统计用户的访问情况。事件埋点更关注针对某一个具体功能、模块、区域的用户访问情况。通过统计页面上不同功能区的流量分布判断用户对于产品功能和内容的偏好，分析业务流程设计对用户漏损的影响，不同用户在 APP 中的使用路径，从而指导产品优化。

第二阶段是在产品中植入多段代码追踪用户连续的行为，在友盟中会统计用户在页面上进行埋点，来获取用户在页面上的访问路径，通过访问路径可以得到整体用户的行为数据。

第三阶段就是通过标签类的用户画像来获取对不同类型的客户提供不同的服务，而还原出用户画像和用户行为这件事就需要数据分析师参与了。

根据这三个阶段，就可以设想一下自己可以参与到哪个阶段了。

需要埋点的指标类型

以下3种类型的指标通常需要埋点：

基础指标：比如用户行为相关的，有用户数、新增用户数、活跃用户数等；用户设备相关的，比如电脑系统、地区、语言、国家、产品版本等；用户属性相关的，性别、年龄等。

用户行为数据指标：用户行为的行为数据，就是埋点的核心了。这一部分根据不同的产品，收集的数据也不同。再拿PC端的腾讯视频举例，每个用户每天使用腾讯视频的时长是多少？每次看的是哪些视频？用户最喜欢看哪个频道的视频？

想要看的数据非常多，而这些，都是要提前规划好，有目的性得去决定要埋什么点、怎么埋。如果你的目的是为了研究一下用户对弹幕的接受程度，那围绕弹幕，设置一些指标数据。比如发布弹幕的次数和频率？看视频时是否开启了弹幕？

核心质量指标：比如迅雷、photoshop等软件，核心质量的指标能帮助我们监控产品的“健康”情况。对于视频编辑产品，编辑成功率是很重要的指标；对于迅雷，下载成功率是核心指标；对于在线类产品，资源解析成功率是核心指标。

数据埋点的流程

1.明确数据埋点目的，根据需求进行埋点

2.与技术团队沟通

3.制定埋点表——开始埋点

4.获取数据——漏斗模型分析数据

数据埋点的注意事项

1.数据埋点的前提是，团队需要首先明确产品的目标以及当下的首要问题。

2.最开始进行需求梳理时，需要从整体进行考虑，要给给深层次和具体的需求。

3.数据采集方案要想清楚，哪些应该在前端埋点，哪些应该在后端埋点，埋点采集SDK如何正确使用在还没了解清楚时就急于上手。

4.在分析的一开始，建议采集少数的用户行为。

5.埋点结束后，测试一般只会看一下埋点是否有数据返回，而不会一个个是对数据是否有收到以及是否准确。

结语：以上就是有关数据埋点的知识了，你可以通过数据埋点，来优化你的工作内容，希望对你有所帮助。

Q1什么是埋点？

打个简单的比方，就是在你的应用中增加监控点，这样从后台中可以清楚知道用户在这个监控点做了什么事情等等。

Q2埋点的目的是什么？

数据埋点是数据分析的准备工作，只有埋点了才可以获得数据进行分析，所以埋点的目的显而易见了吧～

在做足数据埋点之后，我们就可以拿到想要的的目标数据：

1、行为数据：时间、地点、人物、交互、交互的内容；

2、质量数据：浏览器加载情况、错误异常等；

3、环境数据：浏览器相关的元数据以及地理、运营商等；

4、运营数据：PV、UV、转化率、留存率（很直观的数据）；

你们老大要求做埋点，就是想通过分析数据去定位问题所在。埋点分为前端埋点和后端埋点，如果一个event，它的信息在前端和后端都能采集到，我们建议优先在后端采集数据。例如，通过手机APP“提交订单”这个事件，在APP端和服务器端都可以拿到这个事件的细节，包括但不限于商品名称、价格、品类、店铺等信息，我们建议尽量在服务器端采集数据。

对网站、活动页面进行SDK埋点。即预先设定好想要获取的“事件”，让程序员在前/后端模块使用 Java/Python/PHP/Ruby 语言开发，撰写代码把“事件”埋到相应的页面上，用于追踪和记录的用户的行为，并把实时数据传送到后台数据库或者客户端。

所谓“事件”，就是指用户作用于产品、网站页面的一系列行为，由数据收集方（产品经理、运营人员）加以描述，使之成为一个个特定的字段标签。

我们以“网站购物”为例，为了抓取用户的人口属性和行为轨迹，做SDK埋点之前，先预设用户购物时的可能行为，包括：访问首页、注册登录、搜索商品、浏览商品、价格对比、加入购物车、收藏商品、提交订单、支付订单、使用优惠券、查看订单详情、取消订单、商品评价等。

把这些行为用程序语言进行描述，嵌入网页或者商品页的相应位置，形成触点，让用户在点击时直接产生网络行为数据（登陆次数、访问时长、激活率、外部触点、社交数据）以及服务内行为数据（浏览路径、页面停留时间、访问深度、唯一页面浏览次数等等）。

数据反馈到服务器，被存放于后台或者客户端，就是我们所要获取到的用户基础数据。

然而，在大多数时候，利用埋点获取的基础数据范围较广，用户信息不够精确，无法做更加细化的分类的情况。比如说，只知道用户是个男性，而不知道他是哪个年龄段的男性。

在这种情况下，为了得到更加详细的，具有区分度的数据，我们可以利用A and B test。

A and B test就是指把两个或者多个不同的产品/活动/奖品等推送给同一个/批人，然后根据用户作出的选择，获取到进一步的信息数据。

为了知道男性用户是哪个年龄层的，借助A and B test，我们利用抽奖活动，在奖品页面进行SDK埋点后，分别选了适合2040岁两种不同年龄段使用的礼品，最后用户选择了前者，于是我们能够得出：这是一位年龄在20~30岁的男性用户。

埋点的目的是：

1、实现精准的点对点营销

2、可以做相关的分类统计

3、为用户画像的构建提供数据支持

4、指导产品研发以及优化用户体验

一款软件产品无论是移动端的App、还是H5、还是web，背后都是一大堆的代码实现

我们使用一款软件产品本质上都是在加载/请求背后的一行行代码

你可以把上述的代码理解成只是业务的代码

用来支持用户的使用和功能的实现

但是

为了知道业务运营的怎么样

通常我们需要做数据统计

就需要加入另一部分代码

也就是统计代码

加这些统计代码的过程就叫做“埋点”

也可以叫数据采集

为什么叫埋点

其实就像踩好点然后开始埋雷

踩点就是先确定你要采集哪些数据

是用户的环境数据、设备数据、还是行为数据

我们以行为数据为例

比如一个登录按钮

用户点击登录

背后的代码是通过登录API请求服务器验证用户输入的账户信息

如果验证通过，比如收到“0”的反馈，那就让用户登录成功进入下一个页面

如果收到的是不通过，比如是“1”，就告诉用户账号或密码错误

同时，如果在这个位置嵌入了统计代码，即埋了点

它也会加载这段代码

只要这段代码被加载

这个时候就知道这段统计代码也被加载了就会有记录

统计的位置多了，用户多了，那数据就会多

这些数据一般会先进入数据平台

对于数据量较大的app

你可以理解为进入了大数据处理的流程

之后就是大数据一套，包括ETL、存储、计算、最后再可视化出来等等

————

以上就是埋点的大逻辑

具体细化一下

比如埋点的代码这段代码到底包含了什么

对于行为数据

我们通常会定义一个行为的名称

比如登录按钮叫“点击登录按钮”

什么时候真正记录这段代码

可以设定当用户登录成功的时候

也就是用户点击完登录按钮，服务端返回账号密码正确的判断反馈是“0”

然后才会真正记录这段采集代码

准确点是行为数据的埋点要考虑采集的时机

是只要用户点了按钮就采，还是登录成功才采

采集时机直接影响了代码的准确程度

或者是置信前提

即：这个数据是在什么情况下发生的

我们把一条条不同的行为数据叫做“事件”

我们以诸葛io的采集为例

对于一些复杂的行为

事件还有属性的维度

比如用户进入商品详情页这个事件

还可以记录这个页面的商品的名称是什么、价格是什么、分类是什么

这些属性的记录让这个行为解读和分析的时候更加丰满

关于“事件-属性-值”的采集逻辑

不讲10遍8遍确实比较难理解

完全大白话

希望说明白了

以上~