优采集平台( “埋点”两个字却成了C端产品经理、数据化运营的基石)

　　优采集平台(

“埋点”两个字却成了C端产品经理、数据化运营的基石)

　　数据采集

是大数据的基石。用户使用App、微信小程序等各种在线应用的行为只能通过埋点采集

。没有埋点，数据分析决策、数据化运营都是被动的水，聪明的女人难做无米之炊。但在很多情况下，“埋点”这个词已经成为很多人不愿提及的痛点，比如C端产品经理、数据产品、数据分析、数据开发等。

　　我遇到过一个C端产品，想报告一个新的在线功能的数据效果。我找数据分析或数据产品经理。数据同学问，“你埋了吗？”，C端PM一脸疑惑。“这不是埋葬数据团队所做的事情吗？”。

　　在数据化运营的时代，为了分析用户行为数据，需要了解埋点的过程以及几种常见埋点方案的特点和应用场景。

　　一、埋点的作用

　　在微信指数中，埋点的搜索热度甚至超过了数据分析。主要原因是用户行为的数据分析必须依赖于埋点的数据采集。产品运营埋点的主要功能包括：

　　1. 产品优化分析

　　在粗放经营时代，产品数据分析主要基于DAU、MAU、订单数、收入等宏观指标。只要能了解企业的​​整体经营状况，就差不多了。精细化运营时代，每一次产品改版，每一个页面按钮的使用，都需要对数据效果进行分析。例如，通过漏斗分析，我们可以找到主要业务路径中用户流失的主要节点，并针对流失严重的步骤优化产品或运营策略。

　　2. 洞察用户行为

　　通过将每个页面或页面元素的点埋起来，串联用户的行为路径，我们可以清晰的看到用户在产品中的行为路径。对于多业务板块、多流量入口的企业，用户进入网站后的行为路径复杂多样。通过对用户浏览轨迹的统计分析，找出不同用户群体的使用路径，从而针对不同的路径制定差异化的产品策略。

　　3. 用户分组和精细化运营

　　根据用户属性和用户行为事件，实现用户的精细化、分层化能力，进一步进行不同用户群体的个性化操作触达。例如，对于浏览商品详情页多次但未下单的用户，推送促销红包以刺激转化。

　　4. 渠道策略优化

　　通过App的启动和埋点，记录用户的下载和激活渠道，结合站内行为和转化数据与站外广告的归因数据，分析渠道的流量规模和质量渠道用户（留存、客单价、复购）力量等），高流量、高质量的渠道会扩大投放量，反之，减少投入，提高营销ROI。

　　二、埋什么？

　　在用户行为分析的数据埋点中，最常用的模型是事件模型，它包括两个核心实体：事件和用户。同时还需要配合Item实体做更多的维度分析。.

　　1. 事件

　　每次浏览并单击页面按钮/元素时都是一个事件。在管理事件时，通常会根据用户的行为路径和业务流程对事件进行分类管理，例如浏览事件、点击事件、系统事件等。

　　一个事件的完整数据结构如下：何时、何地、做了什么事情、产品用来实现什么目标、如何使用。在埋点的开发中，必须要有能够识别唯一事件的ID、事件的描述信息、事件的属性信息。事件的属性主要包括用户属性和内容属性。

　　2. 用户属性

　　每个事件对应一个独立的用户实体。用户的*敏*感*词*信息构成了事件最重要的属性信息，如用户的设备属性、地理属性、性别、年龄等。

　　3. 内容（项目）属性

　　一个事件的运营主体一般是一个内容或者一个内容集合，比如浏览某个页面或者某个商品。埋点统计时，需要记录页面（page）、块位置（Block）、元素（item）。

　　4. 埋点需求怎么提

　　例如，团购App新推出金刚来分配不同业务类别的流量。对于不同的用户，金刚的内容可能会有所不同。在实际分析中，平台运营方重点根据位置进行分析，看哪个位置点击效果好，而品类运营则侧重于内容的哪个品类转化更好。埋点需求的关键要素包括：

　　以上只是一个例子。其实每个公司的embedding模型定义的字段都不一样。SDK默认可以采集的字段就不用说了。只有能够明确定义独特事件的内容才能被解释。

　　三、常见埋点方案对比分析1.代码埋点

　　代码埋点是最早的埋点方法。根据业务的分析需求，将采集到的埋点代码添加到应用端。根据嵌入点的实现方式，分为前端（客户端）嵌入点和后端（服务器端）嵌入点两种。

　　1）客户端埋点

　　前端开发手动定义数据采集的时间和内容，并将数据采集的代码段添加到前端业务代码中。当用户在前端产生相应的行为时，就会触发数据采集代码。

　　优势：

　　缺点：

　　适用场景：

　　综合分析用户在客户端的操作行为。对于一些电商交易产品，需要充分结合行为和业务数据进行分析

　　2）服务端埋点

　　由服务器开发，在后端服务请求中添加埋点采集代码。当用户前端操作请求服务端数据时，根据约定的规则触发埋点代码

　　优势

　　缺点

　　适用场景：

　　对于一些非点击、不可见的行为，或者获取用户身份信息，更多与业务相关的属性信息。如果前后端都可以采集，则优先考虑后端埋点

　　2. 所有埋点

　　全埋点也称为非埋点或无标记埋点。他们主要是将埋点采集代码封装成一个标准的SDK。连接应用终端后，会根据SDK采集规则自动采集并上报数据。

　　优势：

　　缺点

　　适用场景：

　　业务场景很简单，比如工具、应用产品，或者处于业务发展的早期阶段。对快速产品迭代的需求比精细分析具有更高的优先级。只需要简单的 PV 和 UV 分析。

　　3. 埋点可视化

　　默认情况下，不采集

任何数据。当数据分析师通过设备连接到用户行为分析工具的数据访问管理界面时，在页面可视化定义要采集的位置后发出采集请求，采集代码生效

　　优势：

　　缺点

　　适用场景：

　　业务场景很简单，比如工具、应用产品，或者处于业务发展的早期阶段。对快速产品迭代的需求比精细分析具有更高的优先级。只需要简单的 PV 和 UV 分析。

　　四、总结：如何选择埋点方案

　　从几种埋地方案的对比可以发现，没有一种方案可以完美地解决所有问题。因此，在实际选择中，需要综合考虑业务形态（强交易流程或内容娱乐消费）和企业发展阶段（发展初期产品迭代需求强于综合精细化）的多方面因素。分析需求）。

　　目前最常用的方案是代码埋点+全埋点的组合。即全埋点用于统计App（小程序）中基于用户行为事件的PV/UV等数据，代码埋点用于补充无法覆盖的场景全埋点，最终实现全面精细的用户行为分析。在数据产品方面，配套设施需要有掩埋管理系统支持，对掩埋工作流程和掩埋信息管理平台进行改造。

　　#专栏作家#

　　任数据范范，微信公众号：任数据范范，大家都是产品经理专栏作家。专注于数据中台产品领域，涵盖开发套件、数据资产与数据治理、BI与数据可视化、精准营销平台等数据产品。擅长大数据方案规划和产品设计。

　　这篇文章最初是大家作为产品经理发表的。未经作者许可，禁止转载。

　　标题图片来自Unsplash，基于CC0协议