从业务视角，分析埋点思路

本文仅阐述思路，不涉及相关技术，文中完整的示例是为阐明思路所陈述，实际工作中一些标准化埋点可以用相关SDK完成半自动化替代。

从本文你可能获得：

• 学习基本的数据埋点规范和技巧
• 提高与数据人员的沟通效率&PY关系
• 掌握从数据角度拆解业务流程的思路

1. 埋点思路

1.1 梳理业务流程

埋点的第一步是梳理业务流程，如果你有好的PRD撰写习惯，这一步已经在PRD中完成了，例如某电商促销活动的用户流程：

流量入口——活动首页——点击具体商品——商品详情页——下单

1.2 确定关键指标

功能/业务的迭代，一定是有一个产品目标，可以是解决某个需求，也可以是提升某个产品数据；关键指标就是衡量这个预期目标的可量化的指标，这里包含2个概念：

• 预期目标：本次迭代的目标，例如活动创造XX GMV，搜索满足度等等；
• 可量化：相应的，目标一定要可量化，例如成单转化率（某链路成单用户数/参与链路的用户数），搜索排序前3内容的点击率等；

1.3 细化各流程影响因素

梳理完业务流程，接下来要细化每个流程节点的数据评估维度。由于每个节点的转化率都影响着最终关键指标的数据情况，如果发现了某个节点的转化率较差，要对这个节点进行优化，所以，我们紧接着还要列举影响每个流程的影响因素，可能包括但不限于：

• 用户自身属性：例如性别，年龄，某种偏好；
• 使用设备的属性：操作系统，版本，分辨率，屏幕尺寸等；
• 节点前后的用户流程；
• 时间属性；

1.4 对老功能/业务流程的影响

新功能的上线同时会对原有的功能流程有一定的影响，因为业务属性可能会有不同的要求和重要程度，这里就不展开讲了；

2. 埋点设计原则

2.1 唯一原则

埋点字段相互独立，能精确定位某个事件或行为；即能通过1~2个参数精确定位到某个行为事件，例如在搜索页面“确认搜索”按钮的点击事件为search，那就要避免同页面内有其他事件被命名为search；

2.2 枚举原则

将所有可能需要的数据涉及的埋点一一枚举，可以根据页面穷举，也可以根据流程穷举，保证不出现漏埋的情况；

2.3 精确描述

每个埋点事件的做到无争议的描述，包括但不限于：采集逻辑，数据结构，特殊情况处理等；

普通的点击事件采集逻辑大概率不有理解上的偏差，大多数发生在以下情况

1. 涉及发生后的状态上报：例如微信分享，是需要点击分享按钮即上报，还是点击跳转成功后上报？
2. 涉及曝光埋点：例如内容曝光，用户上下滑动是否需要重复曝光？切换导航是否需要重新曝光？从详情页返回是否已曝光内容是否需要再次曝光？
3. 涉及内容展示楼层埋点：例如内容流从上到下floor记为1,2,3…，不同类型是否共用楼层计数（例如文章123，第四位出现广告位是要上报4还是重新计数1）

数据结构就如字面意思，定义上报字段的数据类型，整型/字符串等等，这方面不是很熟悉最好BI或者分析师确认，以便后续处理数据；

• 特殊的情况例如，一次上报内容较多，需要定义格式，类似一组搜索联想词曝光，我们就需要定义“’联想词1’，’联想词2’，…”的json格式上报；
• 预先定义数据结构还有一个好处，就是能保持ios，Android两端上报一致，有利于提高后期的数据清洗及处理的效率；

3. 埋点分类及示例

在埋点示例之前，这里要简单介绍下埋点需要关注的信息，这里总结为由“5W2H分析法”简化而来的“4W1H”用户行为模型；

• WHO：用户属性；这里包括用户本身属性（性别，年龄，籍贯等）及产品属性（会员等级，活跃度，偏好的内容类型等），因为属性本身不与行为的发生而随之改变，所以不用在埋点中体现，一般由user_id与用户宽表关联即可；
• WHEN：发生行为的时间，注意不是上报时间，一般上报时间相比行为时间上会有一定的延迟；
• WHERE：发生的地点；
• HOW：发生行为时的一些状态，例如操作系统，网络状态，屏幕比例，分辨率等等；
• WHAT：具体发生的行为，例如点击，曝光，访问等，这里会在后面的示例中展开；

3.1 公共参数

埋点时常常有一些公共参数，即无论什么行为都需要上报的参数，为了避免重复劳动，这些参数通常是提前定义，每次版本埋点默认上报，下面列举了部分通用示例：

3.2 页面访问

类似于公共参数，一般页面访问也是底层定义好的逻辑，无需重复定义

这里展开讲2个参数：

1. 是否返回is_back：如果要统计某个页面的PVUV，若没有这个参数，会无法区分用户从下一页面返回的数据，导致数据偏高；
2. 动态json串：有些页面需要上报一些定制化的参数，例如订单页面想知道订单ID&订单状态，内容页面想知道这篇文章的ID，以便精细化运营；

3.3 曝光类

顾名思义，曝光埋点即不发生点击行为，内容曝光时上报的埋点，多用于内容流（商品流）的数据分析，用来计算CTR（点击通过率，点击次数/曝光次数），用户时长（曝光时长），下面以某电商App首页商品流为例做埋点示例：

3.4 打点类

打点类埋点一般用来统计各类按钮点击的事件，这里简单用点击点赞按钮做示例：

3.5 追踪参数

有时候需要追踪用户单次使用产品或使用某个功能的路径，个人习惯用user_id+时间戳作为追踪ID，这里需要注意要明确时间戳的选取，例如追踪整个产品路径，那时间戳就是打开App的时间；但若是追踪搜索行为路径，那就需要用点击搜索框的时间戳作为追踪ID

4. 写在最后

写本文的初衷是在某职场社交App上做了个小调查，结果表明大多数PM都需要在日常工作中负责埋点文档的输出，同时PM新人又对埋点感到陌生和迷茫，于是：

本文用示例提供从业务视角设计埋点的思路，仅根据自身经验总结的一家之言，并不代表行业规范；如果本文对产品新人对埋点，数据分析等方面有一点启发，便是初心所在。

同时欢迎前辈们提供建议及补充~

本文作者@gxxx

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！