u采 采集(前端埋点可视化埋点与代码埋点方式档案卡的应用场景)

　　u采 采集(前端埋点可视化埋点与代码埋点方式档案卡的应用场景)

　　用户行为分析是产品调优和精准用户操作的基础，好的数据解决方案是精准用户行为分析的基础。

　　代码嵌入点、无嵌入点、可视化嵌入点、全嵌入点、前端嵌入点、后端嵌入点，名称很多，其实可以简单的分为客户端嵌入点（即，前端）和服务器端嵌入点（即后端）。前端埋点按实现方式可分为视觉埋点和代码埋点，后端埋点统一采用代码埋点法。

　　一、代码埋点VS无埋点（全埋点、视觉埋点）

　　代码嵌入方法文件卡

　　概念：代码嵌入是指产品上线后PM需要做的数据分析场景，设计数据需求，编写数据需求文档，然后交给开发每个需要的数据采集点击编写代码，并使用编写的代码来监控和报告数据。代码埋点分为前端埋点和后端埋点。前端埋点是指在web、app等产品中编写代码，后端埋点是指在数据服务器中编写代码。

　　应用场景：需要分析app内的用户事件，需要进行多维度的用户行为分析，需要准确分析服务端数据

　　优点：1.适用于客户端和服务端数据采集2.可以进行多维属性定义，采集数据自动归类3.返回-端代码埋点可以提高数据精度，适合精细数据分析

　　缺点：1. 需要初步的墓葬设计。2. 开发工作量大，错误率高。3. 版本更新后，可能需要重新埋一些

　　实现方式：PM组织数据需求，PM与开发沟通确定嵌入点文档，开发进行人工嵌入，PM根据业务需求进行数据分析，嵌入方案迭代调整

　　Sokushu Technology SDK 埋葬后的事件上传

　　注意：开发更多产品的大公司会遇到更通用的嵌入要求。因此，将开发适合此类通用需求的 SDK，以减少嵌入的工作量。但是，产品数量较少的中小型公司会选择纯手工代码嵌入或者使用外部SDK进行嵌入工作。

　　无埋法档案卡

　　概念：非埋点是前端埋点的一种方法。通过添加“无埋点”采集代码，对网页或APP上的所有交互事件元素进行分析和监控。当有用户操作行为发生（交互事件）时，该事件会被采集上报，所以“无埋点”和“全埋点”是同一个概念。非埋点不需要写任何代码。而是将所有的事件元素通过代码解析并以可视化的方式呈现出来，让PM、运营经理等可以根据自己的需要手动选择和校准。为了区别于开发中一一编写代码的方式，称之为视觉嵌入点。可视化的埋点通常是通过第三方工具实现的。2013 年，

　　应用场景：产品上线初期没有明确的业务和交易数据，只需要分析web界面

　　优点：1.部署简单，工作量小2.数据量全采集，前期数据设计要求低3.使用简单，业务人员可自行操作

　　缺点：1.无法记录详细的事件属性2.由于缺少事件属性，分类报表生成繁琐，需要手动添加事件属性。3.属于前端埋点，数据精度低

　　实现方式： 开发并在产品中添加全埋点监测代码，PM/Operation 可视化埋点选择，PM/Operation 用于数据分析应用

　　通过 HeapAnalytics 实现可视化埋点

　　注：因为完全不依赖统计代码是没有办法采集数据的，所以说没有埋点是不准确的。

　　二、前端埋点VS后端埋点

　　前端嵌入式点文件卡

　　概念：前端埋点又称客户端埋点，是指在APP或Web产品中植入代码，采集用户在产品中的行为事件数据。一旦用户触发事件，就会上传代码中定义的埋点代码 需要上传的事件的信息。前端埋点将包括代码埋点和视觉埋点方法。

　　应用场景：产品运营前期，功能简单，无需深入分析；分析事件和后端之间没有交互；

　　优点：可以统计app中与服务器的非交互事件数据

　　缺点：存在数据丢失的情况，与自己业务数据库的数据不符。这是前端数据采集的先天缺陷，因为网络异常或者统计口径不一致，会导致数据不对齐。

　　埋数据过程中，设置公共事件，减少工作量

　　后端埋点档案卡

　　概念：后端埋点也叫服务端埋点。通过在服务器端开发和编写代码，就会有客户端和服务器之间的交互事件数据，以及业务服务器中存储的业务数据。

　　应用场景：产品功能复杂，需要深入钻研，多维度分析；用户行为数据与业务数据整合分析；数据保密性高；分析项与后端交互，前后端都可以是采集数据；涉及充值、退订等重要事件

　　优点： 1. 避免多个客户端埋点 2. 采集 数据准确

　　缺点：1. 客户端与服务端未请求的交互数据2. 无法准确统计客户端行为事件（如提交订单，用户可能点击3次才提交成功）

　　三、3种数据嵌入方法对比采集

　　选择哪种方式，往往取决于产品形态和发展阶段。前期可以采用可视化埋法，后期可以采用可视化埋法+后端代码埋法；也可以前期采用前端埋代码的方式，后期采用前端+后端的方式。端码嵌入方式；对于没有交易或广告位类型的企业官网，可以使用谷歌分析或百度统计等外部工具。

　　四、整理好思路后，学会节约能源

　　据调查：数据团队大部分时间都浪费在基础数据采集和清理上。

　　产品经理、运营经理、数据分析师、开发都会花费大量的精力在数据的采集整理上，导致没有足够的时间来真正结合业务需求进行数据分析，那么有没有什么好的办法可以减少这部分的工作量呢？?

　　将业务需求与外部工具相结合

　　您可以尝试将多个外部工具结合使用，以减少内部自我开发，并通过使用可以实时分析数亿数据的分布式框架来提高分析速度。比如通过Google Analytics进行网页分析，通过Heap Analytics首次将嵌入点可视化，通过数据技术ThinkingAnalytics系统app、小程序、服务器等全端数据采集SDK，实现多维度深度用户行为分析。

　　充分利用所有工具的基础是对您的产品逻辑和业务的清晰分析。所以前期可以设计一个好的埋点方案，后期分析可以根据业务需求灵活应用数据。分析结果出来后，才能做出准确的判断和操作决策。