一、埋点的作用

为了更好的了解用户使用产品的情况，进一步实现产品商业化的目标，需要对用户数据进行采集分析。数据埋点是数据分析中数据采集的第一个环节，是整个数据分析闭环的起点。埋点的作用主要有以下几点：

• 提高转化率：通过跟踪用户的操作路径，找到用户流失的节点，比如支付转化率，通过漏斗分析，分析出用户在哪个环节流失率最大，找到问题并给予优化。
• 精准客户运营：按照一定需求对用户打标签或分组，实现精准营销、智能推荐（千人千面——等。比如根据（电商）用户浏览行为、收藏行为、加购行为、 购买行为，可用按商品到底等维度进行分组，推荐不同价格的商品给不同分组的用户。
• 完善客户画像：基本属性（性别、年龄、地区等），行为属性；
• 数据分析：埋点数据作为原料放在数据仓库中。提供渠道转化、个性推荐等；
• 改善产品：通过用户行为分析产品是否有问题，例如用户有没有因为设计按钮过多导致用户行为无效等问题，以此发现功能设计缺陷等。

二、埋点的方式

埋点方式分为：代码埋点、可视化埋点、无埋点（全埋点）。

1. 代码埋点

代码埋点是指在APP或网站加载的时候，初始化第三方服务商数据分析的SDK，然后在某个事件发生时就调用SDK里面相应的数据发送接口发送数据。目前，国内的主要第三方数据分析服务商有百度统计、友盟、TalkingData、神策等。

优点：

灵活性强，使用者可以比较方便的自定义属性、事件，传递各种所需的数据到服务端。

缺点：

1. 人力成本高，每一个埋点都需要技术人员手动的添加代码；
2. 更新成本较大，每一次更新埋点方案，可能都需要改代码。

2. 可视化埋点

使用可视化埋点业务人员可以直接在页面上进行简单圈选，以追踪用户的行为（定义事件），节省了开发时间。不过可视化埋点仍需要先配置相关事件，再采集。

优点：

1. 可视化埋点很好地解决了代码埋点的人力成本高和更新成本较大的问题；
2. 只需一开始技术在页面接入SDK的代码，后续埋点只需业务人员自己按规则操作即可，无需开发再次接入。

缺点：

1. 可视化埋点无法做到自定义获取数据，覆盖的功能有限，目前并不是所有的控件操作都可以通过这种方案进行定制；
2. 上报行为信息容易受限。

3. 无埋点

无埋点是指开发人员集成采集 SDK 后，SDK 便直接开始捕捉和监测用户在应用里的所有行为，并全部上报，不需要开发人员添加额外代码。或者是说用户展现界面元素时，通过控件绑定触发事件，事件被触发的时候系统会有相应的接口让开发者处理这些行为。

使用者通过管理后台的圈选功能来选出自己关注的用户行为，并给出事件命名。之后就可以结合时间属性、用户属性、事件进行分析了，所以无埋点并不是真的不用埋点了。

优点：

1. 由于采集的是全量数据，所以产品迭代过程中是不需要关注埋点逻辑的，也不会出现漏埋、误埋等现象；
2. 无埋点方式因为收集的是全量数据，可以大大减少运营和产品的试错成本，试错的可能性高了，可以带来更多启发性的信息；
3. 无需埋点，方便快捷。

缺点：

1. 缺点与可视化埋点相同，未解决个性化自定义获取数据的问题，缺乏数据获取的灵活性；
2. 无埋点采集全量数据，给数据传输和服务器增加压力；
3. 无法采集自定义属性、事件。

三、埋点的实现流程

埋点的实现流程一般可以分成3个步骤：收集需求，确定目标以及指标、形成数据需求文档、上线后复盘效果。

1. 收集需求，确定目标以及指标

首先明确埋点主要为了实现什么目标，满足什么需求？然后确定如何量化目标，最后梳理出可落地的数据指标。

比如，我们发现App每天的日活很高，但是最终完成付款却很少。那么我们的目标就是提高支付转化率，了解为什么用户没有有效支付，是哪一个环节让用户犹豫了。

我们一起看看常见的指标有哪些：

• PV（page view）：即页面浏览量，用户每次对页面访问均被记录计数；
• UV（unique visitor）：即独立访客，访问您网站的一台电脑客户端为一个访客，00:00-24:00内相同的客户端只被计算一次；
• 转化率：只在一个统计周期内，完成转化行为的次数占总数的比率；
• 活跃度：主要衡量产品的粘性，用户的稳定性以及核心用户的规模，观察产品在线的周期性变化，如日活、月活；
• 留存率：在统计周期（周/月）内，每日活跃用户数在第N日仍启动该App的用户数占比的平均值。其中N通常取2、3、7、14、30，分别对应次日留存率、三日留存率、周留存率、半月留存率和月留存率。

2. 形成数据需求文档

在梳理清楚需求目标，确定数据指标后，还原用户的使用场景，将不同的埋点事件进行选取及调整，形成完整的数据需求文档。

3. 上线后复盘效果

需求上线之后我们要验证埋点数据的正确性及准确性，如有异常、缺失等情况，则需及时反映并进行调整。还要观察对应的指标是否有所提高或者降低，与优化前的版本相比较是否有所改善。很多时间往往不可能一步到位就把问题解决掉，需要迭代优化，不断通过数据跟踪来修正设计策略，达到我们最终的设计目标。

作者：Haraway

链接：https://www.jianshu.com/p/e74464ce1fd9