近些年，隨着互聯網紅利的消退，各大公司的重心，都在逐步從增量用戶向存量用戶轉變，挖掘存量用戶的價值成爲了大家的共識。而這其中，用戶行爲分析便是這個過程中必不可少的環節，核心聚焦到技術對人的挖掘，更精準的刻畫用戶在應用中做過的事情。
想要挖掘用戶的行爲，就要知道用戶每一步都在做什麼，而埋點上報則是記錄用戶行爲的首個環節，這決定了後續是否有可用於分析的數據，以及數據的質量。
本文會用通俗的語言，和大家介紹埋點的核心流程，以及數分同學在其中所擔任的角色。
0️⃣1️⃣ 埋點的目的是什麼？
通過序言簡單的描述，大家應該可以感受到埋點的重要性，通過埋點，可以收集到用戶在應用中一系列的數據資料，真實反映用戶的行爲，爲下游數據應用奠定基礎。
大家是否會有這樣的疑問：“埋點的作用我知道了，但是什麼是點呢？”
「點」通俗來講就是記錄用戶觸發事件的規則，類似excel中每一列的標題，標題會提示你需要記錄哪些內容。用戶在應用中觸發的各種行爲事件，都會根據這個規則進行記錄。
- 舉個例子
下圖是某APP的首頁
- 當用戶進入到頁面時，會觸發當前頁的「頁面展現事件」，以及紅色框內容的「曝光事件」
- 當用戶點擊藍色內容時，會觸發這個內容的「點擊事件」。
通過這些事件，就可以刻畫出用戶在APP中的行動軌跡。
可能有同學又會有這樣的疑問：“哪些需要記錄？哪些不用記錄？”
埋點需要上報哪些內容，主要由埋點的用途來決定，是用於「分析用戶行爲」還是「監控APP質量」，這兩個方向的側重點是不同的，分別列舉一些需要記錄的內容：
- 分析用戶行爲
用戶所見：頁面展現、內容曝光；
用戶動作：滑動、點擊、進入、返回。
- 監控APP質量
用戶加載頁面的時間；
用戶播放視頻卡頓的情況；
用戶打開頁面失敗的情況。
0️⃣2️⃣ 如何進行埋點？
當了解了埋點的目的後，APP要如何進行埋點呢？這裏主要是研發同學的工作範疇，大家可以瞭解一下。目前各大公司的埋點方式主要有三種：手動埋點、可視化埋點、全埋點，介紹一下這三種方式的區別。
手動埋點
含義：這種方式相對比較常見，研發在需要採集數據的地方植入代碼，將行爲記錄下來。
優勢：採集靈活，根據業務需求設計。
劣勢：開發成本高。
可視化埋點
含義：大公司相對比較常見，通過可視化平臺，將業務與代碼解耦開，業務同學可以在平臺上自行配置需要記錄的點位，再由後臺將業務與代碼進行耦合。聽上去比較高大上，其實就是在手動埋點基礎上做了一層可視化封裝。
優勢：業務可自行配置，研發成本小。
劣勢：平臺有侷限性，只能覆蓋頭部情況。
全埋點
含義：所有事件都被記錄下來，上報之後，解析出產品需要的內容。
優勢：不會出現遺漏，研發成本小。
劣勢：上報量級對服務性能考驗大，適用場景有限。
不同埋點方式各有優缺點，在實戰過程中需要找到最優點。業務方重點關注的是埋點的準確度、數據記錄的完整度；技術方重點關注的是成本、以及開發效率。因此在這樣的背景下，「手動埋點+可視化埋點」往往是較爲通用的方式。
0️⃣3️⃣ 埋點核心流程
數據埋點上報，看似核心是埋點開發，但其實涉及到衆多環節，以及不同部門之間的配合，分享一個相對通用的埋點流程，大家可以參考：
步驟一：埋點需求「涉及：產品 + 數分」
產品同學根據新頁面的UI樣式，提出埋點需求，其中涵蓋：頁面樣式、統計指標、記錄內容、上報時機等。數據同學根據需求文檔，判斷是否需要進行埋點開發。
步驟二：埋點設計「涉及：產品」
根據埋點規範，輸出埋點文檔，其中涵蓋：埋點內容、含義、事件參數等。埋點文檔的作用非常大，即可用於埋點的開發，又可作爲下游數據應用的參考。這部分內容一般由最瞭解業務的產品同學負責。
由於埋點設計是整個埋點體系的中樞，因此下篇文章會和大家分享一種相對通用的埋點方案，幫助你更透徹的理解這塊內容。
步驟三：埋點評審「涉及：數分」
埋點評審需要數分同學，評估埋點方案的合理性，以及是否滿足計算新功能的各項指標，保障設計的合理性。
步驟四：埋點開發「涉及：研發、測試」
一般由客戶端開發完成，按照埋點文檔植入代碼，並由測試同學進行日誌聯調，確保埋點的準確性。
步驟五：埋點驗收「涉及：產品、數分」
當埋點開發並聯調完成後，一般會由數分同學根據埋點文檔，統計核心指標。再由產品同學判斷數據是否符合預期。
以上五個步驟是埋點開發的核心環節，但一般產品後續還會有一系列的改版，因此埋點上線後，仍需要在平臺配置數據預警，保障數據的長期質量。
文章來源：小火龙说数据
原文鏈接：https://mp.weixin.qq.com/s/-VnObf3_1o3sJyHjQ9vnSw
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
