對(duì)于產(chǎn)品經(jīng)理、運(yùn)營(yíng)、數(shù)據(jù)分析師來(lái)說(shuō)，數(shù)據(jù)的重要性非比尋常，直接影響最終的決策，好的數(shù)據(jù)源才是數(shù)據(jù)分析的基礎(chǔ)。而數(shù)據(jù)分析的第一步就得做好數(shù)據(jù)的埋點(diǎn)工作，也是最為重要的環(huán)節(jié)之一。

本來(lái)近5000字和大家一起聊聊如何快速學(xué)會(huì)埋點(diǎn)操作，歡迎查缺補(bǔ)漏，本文目錄如下：

1. 什么是埋點(diǎn)

2. 埋點(diǎn)的作用

3. 埋點(diǎn)方式 (3種)

4. 埋點(diǎn)步驟 (6大步)

1. 什么是埋點(diǎn)

所謂“埋點(diǎn)”，是數(shù)據(jù)采集領(lǐng)域的術(shù)語(yǔ)，指的是針對(duì)特定用戶行為或事件進(jìn)行捕獲、處理和發(fā)送的相關(guān)技術(shù)及其實(shí)施過(guò)程。在此過(guò)程中收集所需信息，以跟蹤用戶的使用情況，最后分析數(shù)據(jù)作為后續(xù)迭代產(chǎn)品或者運(yùn)營(yíng)工作的數(shù)據(jù)支撐。

埋點(diǎn)也是為了滿足快捷、高效、豐富的數(shù)據(jù)應(yīng)用而做的用戶行為過(guò)程及結(jié)果記錄。數(shù)據(jù)埋點(diǎn)是一種常用的數(shù)據(jù)采集的方法。

埋點(diǎn)是數(shù)據(jù)的來(lái)源，采集的數(shù)據(jù)可以分析網(wǎng)站/APP的使用情況，用戶行為習(xí)慣等，是建立用戶畫(huà)像、用戶行為路徑等數(shù)據(jù)產(chǎn)品的基礎(chǔ)。

比如訂單成交率：我們進(jìn)入到商品詳情頁(yè)操作，同時(shí)按要求進(jìn)行數(shù)據(jù)采集和上報(bào)，告訴服務(wù)器我們主動(dòng)干了什么或者被動(dòng)出發(fā)了什么？然后進(jìn)入訂單結(jié)算頁(yè)面，進(jìn)行其他操作，以此類(lèi)推。

最后后臺(tái)可以統(tǒng)計(jì)出各個(gè)點(diǎn)擊事件和預(yù)置事件，根據(jù)得到的數(shù)據(jù)還原出用戶的各種行為，最終將這些數(shù)據(jù)可視化出來(lái)，進(jìn)行深入分析。

2. 埋點(diǎn)的作用

提高渠道轉(zhuǎn)化：通過(guò)跟蹤用戶的操作路徑，找到用戶流失的節(jié)點(diǎn)，比如支付轉(zhuǎn)化率，通過(guò)下圖的漏斗分析，就能分析出用戶在哪個(gè)環(huán)節(jié)流失率最大，找到問(wèn)題并給予優(yōu)化。

圖1：支付率漏斗分析

精準(zhǔn)客戶運(yùn)營(yíng)：按照一定需求對(duì)用戶打標(biāo)簽或分組，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)、智能推薦(千人千面)等。比如根據(jù)(電商)用戶瀏覽行為、收藏行為、加購(gòu)行為、 購(gòu)買(mǎi)行為，可用按商品到底等維度進(jìn)行分組，推薦不同價(jià)格的商品給不同分組的用戶。

完善客戶畫(huà)像：基本屬性（性別、年齡、地區(qū)等），行為屬性；

數(shù)據(jù)分析：埋點(diǎn)作為原料放在數(shù)據(jù)倉(cāng)庫(kù)中。提供渠道轉(zhuǎn)化、個(gè)性推薦等；

改善產(chǎn)品：通過(guò)用戶行為分析產(chǎn)品是否有問(wèn)題，例如用戶有沒(méi)有因?yàn)樵O(shè)計(jì)按鈕過(guò)多導(dǎo)致用戶行為無(wú)效等問(wèn)題，以此發(fā)現(xiàn)功能設(shè)計(jì)缺陷等。

3. 埋點(diǎn)方式

埋點(diǎn)方式分為：代碼埋點(diǎn)、可視化埋點(diǎn)、無(wú)埋點(diǎn)（全埋點(diǎn)）；

3.1 代碼埋點(diǎn)

它的技術(shù)原理也很簡(jiǎn)單，在APP或網(wǎng)站加載的時(shí)候，初始化第三方服務(wù)商數(shù)據(jù)分析的SDK，然后在某個(gè)事件發(fā)生時(shí)就調(diào)用SDK里面相應(yīng)的數(shù)據(jù)發(fā)送接口發(fā)送數(shù)據(jù)。目前，國(guó)內(nèi)的主要第三方數(shù)據(jù)分析服務(wù)商有百度統(tǒng)計(jì)、友盟、TalkingData、神策等。

優(yōu)點(diǎn)：

靈活性強(qiáng)，使用者可以比較方便的自定義屬性、事件，傳遞各種所需的數(shù)據(jù)到服務(wù)端；

缺點(diǎn)：

(1) 人力成本高，每一個(gè)埋點(diǎn)都需要技術(shù)人員手動(dòng)的添加代碼；

(2) 更新成本較大，每一次更新埋點(diǎn)方案，可能都需要改代碼；

3.2 可視化埋點(diǎn)

又稱(chēng)框架化埋點(diǎn)，利用可視化交互手段，業(yè)務(wù)人員都可以直接在頁(yè)面上進(jìn)行簡(jiǎn)單圈選，以追蹤用戶的行為(定義事件)，節(jié)省了開(kāi)發(fā)時(shí)間。不過(guò)可視化埋點(diǎn)仍需要先配置相關(guān)事件，再采集。

優(yōu)點(diǎn)：

(1) 可視化埋點(diǎn)很好地解決了代碼埋點(diǎn)的人力成本高和更新成本較大的問(wèn)題。

(2) 只需一開(kāi)始技術(shù)在頁(yè)面接入SDK的代碼，后續(xù)埋點(diǎn)只需業(yè)務(wù)人員自己按規(guī)則操作即可，無(wú)需開(kāi)發(fā)再次接入。

缺點(diǎn)：

(1) 可視化埋點(diǎn)無(wú)法做到自定義獲取數(shù)據(jù)，覆蓋的功能有限，目前并不是所有的控件操作都可以通過(guò)這種方案進(jìn)行定制；

(2) 上報(bào)行為信息容易受限；

圖2：諸葛IO可視化埋點(diǎn)部分操作

3.3 無(wú)埋點(diǎn)

無(wú)埋點(diǎn)是指開(kāi)發(fā)人員集成采集 SDK 后，SDK 便直接開(kāi)始捕捉和監(jiān)測(cè)用戶在應(yīng)用里的所有行為，并全部上報(bào)，不需要開(kāi)發(fā)人員添加額外代碼；

或者是說(shuō)用戶展現(xiàn)界面元素時(shí)，通過(guò)控件綁定觸發(fā)事件，事件被觸發(fā)的時(shí)候系統(tǒng)會(huì)有相應(yīng)的接口讓開(kāi)發(fā)者處理這些行為。

使用者通過(guò)管理后臺(tái)的圈選功能來(lái)選出自己關(guān)注的用戶行為，并給出事件命名。之后就可以結(jié)合時(shí)間屬性、用戶屬性、事件進(jìn)行分析了，所以無(wú)埋點(diǎn)并不是真的不用埋點(diǎn)了。

優(yōu)點(diǎn)：

(1) 由于采集的是全量數(shù)據(jù)，所以產(chǎn)品迭代過(guò)程中是不需要關(guān)注埋點(diǎn)邏輯的，也不會(huì)出現(xiàn)漏埋、誤埋等現(xiàn)象。

(2) 無(wú)埋點(diǎn)方式因?yàn)槭占氖侨繑?shù)據(jù)，可以大大減少運(yùn)營(yíng)和產(chǎn)品的試錯(cuò)成本，試錯(cuò)的可能性高了，可以帶來(lái)更多啟發(fā)性的信息；

(3) 無(wú)需埋點(diǎn)，方便快捷；

缺點(diǎn)：

(1) 缺點(diǎn)與可視化埋點(diǎn)相同，未解決個(gè)性化自定義獲取數(shù)據(jù)的問(wèn)題，缺乏數(shù)據(jù)獲取的靈活性；

(2) 無(wú)埋點(diǎn)采集全量數(shù)據(jù)，給數(shù)據(jù)傳輸和服務(wù)器增加壓力；

(3) 無(wú)法采集自定義屬性、事件；

圖3：GrowingIO無(wú)埋點(diǎn)部分操作

4. 埋點(diǎn)步驟

那么，埋點(diǎn)操作過(guò)程又是怎樣的呢？一般可以分成以下六個(gè)步驟：確定目標(biāo)/指標(biāo)、數(shù)據(jù)采集規(guī)劃、埋點(diǎn)采集數(shù)據(jù)、數(shù)據(jù)評(píng)估和數(shù)據(jù)分析、確定優(yōu)化方案、如何評(píng)估解決方案的效果。

4.1 確定目標(biāo)/指標(biāo)

為什么要有埋點(diǎn)指標(biāo)呢，因?yàn)楫a(chǎn)品需要量化，量化了之后才知道產(chǎn)品做得好不好。所以在真正設(shè)計(jì)埋點(diǎn)之前，就要想好怎么分析這些埋點(diǎn)，只有確定好了分析思路，你才知道需要哪些埋點(diǎn)。

比如，我們發(fā)現(xiàn)app每天的日活很高，但是最終完成付款卻很少。那么我們的目標(biāo)就是提高支付轉(zhuǎn)化率，了解為什么用戶沒(méi)有有效支付，是哪一個(gè)環(huán)節(jié)讓用戶猶豫了。

我們一起看看常見(jiàn)的指標(biāo)有哪些：

PV(page view)：即頁(yè)面瀏覽量，用戶每次對(duì)頁(yè)面訪問(wèn)均被記錄計(jì)數(shù)；

UV(unique visitor)：即獨(dú)立訪客，訪問(wèn)您網(wǎng)站的一臺(tái)電腦客戶端為一個(gè)訪客，00:00-24:00內(nèi)相同的客戶端只被計(jì)算一次；

轉(zhuǎn)化率：只在一個(gè)統(tǒng)計(jì)周期內(nèi)，完成轉(zhuǎn)化行為的次數(shù)占總數(shù)的比率；

活躍度：主要衡量產(chǎn)品的粘性，用戶的穩(wěn)定性以及核心用戶的規(guī)模，觀察產(chǎn)品在線的周期性變化，如日活、月活；

留存率：在統(tǒng)計(jì)周期（周/月）內(nèi)，每日活躍用戶數(shù)在第N日仍啟動(dòng)該App的用戶數(shù)占比的平均值。其中N通常取2、3、7、14、30，分別對(duì)應(yīng)次日留存率、三日留存率、周留存率、半月留存率和月留存率。

4.2 數(shù)據(jù)采集規(guī)劃

只有對(duì)產(chǎn)品的結(jié)構(gòu)和邏輯足夠了解，才知道哪些是需要關(guān)注的數(shù)據(jù)和指標(biāo)，以及怎樣通過(guò)對(duì)這些指標(biāo)的監(jiān)控實(shí)現(xiàn)最終的目標(biāo)，因此這時(shí)我們需要將產(chǎn)品功能抽象化、邏輯化和結(jié)構(gòu)化，拆分成具體的邏輯層次。

比如之前圖1：支付率漏斗分析的目標(biāo)，我們需要拆解用戶從進(jìn)入app頁(yè)面到完成支付的每一個(gè)步驟的數(shù)據(jù)，每一次輸入的數(shù)據(jù)。比如：進(jìn)入商品詳情頁(yè)(PV/UV) --> 點(diǎn)擊購(gòu)買(mǎi)(次數(shù)) --> 提交訂單(次數(shù)) --> 支付操作(結(jié)果返回)等步驟。

在這環(huán)節(jié)我們可能要輸出一份埋點(diǎn)文檔，這是埋點(diǎn)需求分析結(jié)果的落地方案。不同平臺(tái)，不同渠道，對(duì)于業(yè)務(wù)需求的不同，所產(chǎn)出的埋點(diǎn)文檔結(jié)構(gòu)和埋點(diǎn)方案都不同，接下來(lái)以神策平臺(tái)埋點(diǎn)文檔進(jìn)行大致講解。

公共屬性：如果某個(gè)事件的屬性，在所有事件中都會(huì)出現(xiàn)，可以將該屬性設(shè)置為事件公共屬性。設(shè)置公共屬性后，之后觸發(fā)的所有事件，都會(huì)自動(dòng)加上設(shè)置的公共屬性。

預(yù)置事件/預(yù)置屬性：預(yù)置事件指平臺(tái)已經(jīng)定義好的事件，后端埋點(diǎn)時(shí)，無(wú)法自動(dòng)采集預(yù)置屬性，需要手動(dòng)傳輸（其他平臺(tái)可能會(huì)有不同定義）。

圖4：預(yù)置事件       

圖5：預(yù)置屬性

自定義事件：產(chǎn)品經(jīng)理和技術(shù)人員約定好相關(guān)規(guī)則，如事件命名規(guī)則、變量命名規(guī)則等，然后才可以開(kāi)始自定義自己想要的事件。自定義事件主要由事件名稱(chēng)、參數(shù)、參數(shù)值組成。

列舉一個(gè)“取消訂單”埋點(diǎn)自定義事件：從文檔中可看出cancelOrder是取消訂單的事件名，同時(shí)cancelOrder時(shí)間被觸發(fā)后，可傳入order_id (訂單ID)、order_amount (訂單金額)等參數(shù)。

4.3 埋點(diǎn)采集數(shù)據(jù)

如果我們采用的是代碼埋點(diǎn)的話，那就需要把4.2整理好埋點(diǎn)文檔交給技術(shù)人員，讓他們通過(guò)代碼的手段去埋點(diǎn)。

這里要注意一下，手工埋點(diǎn)流程存在著較大的數(shù)據(jù)風(fēng)險(xiǎn)：

(1) 埋點(diǎn)名稱(chēng)不規(guī)范不統(tǒng)一，對(duì)于一些參數(shù)的定義也較為隨意，這樣就容易造成后續(xù)的埋點(diǎn)名稱(chēng)冗余且混亂，不利于后續(xù)的統(tǒng)一管理；

(2) 流程中諸多環(huán)節(jié)均為口頭溝通，產(chǎn)品驗(yàn)收較為繁瑣，某個(gè)版本漏埋點(diǎn)或埋點(diǎn)不正確的風(fēng)險(xiǎn)大大提高，對(duì)于數(shù)據(jù)的及時(shí)提供帶來(lái)較大隱患。

如果是可視化埋點(diǎn)或者無(wú)埋點(diǎn)，那么由使用者通過(guò)管理后臺(tái)的按照規(guī)則進(jìn)行操作，基本上不需要技術(shù)人員操作。

埋點(diǎn)操作完成后，要對(duì)埋點(diǎn)采集的數(shù)據(jù)進(jìn)行觀測(cè)：每個(gè)事件是否正常上傳數(shù)據(jù)？采集到數(shù)據(jù)是否正常范圍（過(guò)大或過(guò)?。?？

4.4 數(shù)據(jù)評(píng)估和數(shù)據(jù)分析

在一段時(shí)間的數(shù)據(jù)采集之后，形成相應(yīng)的數(shù)據(jù)樣本，要注意的是時(shí)間上過(guò)短，或者用戶很少的數(shù)據(jù)是沒(méi)有多大意義的。

思考一下，收集上來(lái)的數(shù)據(jù)質(zhì)量如何，數(shù)據(jù)該如何分析呢？數(shù)據(jù)分析的方式還是比較多，這里不重點(diǎn)展開(kāi)說(shuō)，接下來(lái)列舉一些常用的分析方法：

對(duì)比分析：通常用于對(duì)比迭代前與迭代后的數(shù)據(jù)對(duì)比；

分布分析：通常用于分析特定行為的在某個(gè)維度的分布情況，可以展現(xiàn)出用戶對(duì)產(chǎn)品的依賴(lài)程度，分析客戶在不同地區(qū)、不同時(shí)段所購(gòu)買(mǎi)的不同類(lèi)型的產(chǎn)品數(shù)量、購(gòu)買(mǎi)頻次等

如電商APP的下單行為，一天24h的下單量分布，來(lái)分析一天內(nèi)哪個(gè)時(shí)間內(nèi)是下單高峰期。

漏斗分析：反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況的重要分析模型，比如上面提到的電商下單流程的轉(zhuǎn)化率。

用戶路徑分析：用戶在 APP 或網(wǎng)站中的訪問(wèn)行為路徑。為了衡量網(wǎng)站優(yōu)化的效果或營(yíng)銷(xiāo)推廣的效果，以及了解用戶行為偏好，時(shí)常要對(duì)訪問(wèn)路徑的轉(zhuǎn)換數(shù)據(jù)進(jìn)行分析。

以電商為例，買(mǎi)家從登錄網(wǎng)站／APP 到支付成功要經(jīng)過(guò)首頁(yè)瀏覽、搜索商品、加入購(gòu)物車(chē)、提交訂單、支付訂單等過(guò)程（用戶真實(shí)的選購(gòu)過(guò)程是一個(gè)交纏反復(fù)的過(guò)程）。

留存分析：用來(lái)分析用戶參與情況/活躍程度的分析模型，考察進(jìn)行初始行為的用戶中，有多少人會(huì)進(jìn)行后續(xù)行為。這是用來(lái)衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要方法。常見(jiàn)指標(biāo)有次日留存、7日留存、15日留存、30日留存等。

上述是一些常用的分析思路，除此之外還有很多：點(diǎn)擊分析、用戶分群分析、屬性分析、行為事件分析等等，感興趣的同學(xué)可以自行學(xué)習(xí)。

4.5 確定優(yōu)化方案

產(chǎn)品經(jīng)理的職責(zé)就是發(fā)現(xiàn)問(wèn)題，然后解決問(wèn)題。

通過(guò)數(shù)據(jù)分析來(lái)定位問(wèn)題，找到影響上述量化指標(biāo)的產(chǎn)品問(wèn)題點(diǎn)在哪里？

比如：確認(rèn)訂單到支付這步的轉(zhuǎn)化率這么低情況有哪些？可能是用戶無(wú)法在確認(rèn)訂單頁(yè)面查看商品細(xì)則，為了返回上一頁(yè)，因此放棄了付款，也可能是用戶想修改商品數(shù)量或規(guī)格，但是確認(rèn)訂單頁(yè)面不能修改，因此放棄了付款，當(dāng)然也有可能是提交支付按鈕存在Bug或者理解的偏差等等。

最后找到了問(wèn)題，就得對(duì)癥下藥，制定解決方案。

4.6 如何評(píng)估解決方案的效果？

優(yōu)化方案上線，我們的工作不意味就結(jié)束了，重點(diǎn)要觀察對(duì)應(yīng)的指標(biāo)有所提高或者降低，與優(yōu)化前的版本相比較是否有所改善，很多時(shí)間往往不可能一步到位就把問(wèn)題解決掉，需要迭代優(yōu)化，不斷通過(guò)數(shù)據(jù)跟蹤來(lái)修正設(shè)計(jì)策略，達(dá)到我們最終的設(shè)計(jì)目標(biāo)。

大數(shù)據(jù)時(shí)代的到來(lái)，對(duì)產(chǎn)品經(jīng)理提出了更加嚴(yán)格的數(shù)據(jù)分析要求，一個(gè)懂?dāng)?shù)據(jù)分析的產(chǎn)品經(jīng)理可以利用數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品設(shè)計(jì)優(yōu)化，并提升客戶體驗(yàn)，實(shí)現(xiàn)更多的價(jià)值。

-END-