优采集平台(本文讲的是数据增长第一步：选择“最优”的埋点采集方式)

　　优采集平台(本文讲的是数据增长第一步：选择“最优”的埋点采集方式)

　　本文是关于数据增长的第一步：选择“最优”的埋点采集方法[IT168评论]在这个大数据时代，基于经验的决策方法已成为过去，其重要性数据不言而喻。于，数据分析的第一步，就是从源头做好数据的采集

。我们今天的主题是埋点数据。

　　埋点：数据分析的第一步

　　大数据，从复杂的数据背后挖掘和分析用户的行为习惯和偏好，找到更符合用户“口味”的产品和服务，根据用户需求调整和优化自己就是大数据的价值. . 对这些信息的采集

和分析，也无法避免“埋点”。诸葛io为企业提供了灵活的埋点方式，让各部门、各角色轻松掌控数据采集：

　　代码（code）埋点：更精准的数据采集，更注重商业价值的数据采集（祖格io专业的数据顾问团队可以提供定制化的埋点解决方案，让数据分析有针对性）；

　　全埋点：无需人工埋点，所有操作自动埋点，按需处理统计数据；

　　-可视化埋点：埋点的界面管理和配置不需要开发者干预，埋点更新更方便，见效更快；

　　“埋点”小科普

　　埋点就是在需要的位置采集相应的信息，就像高速公路上的*敏*感*词*一样，它可以采集车辆的属性，比如颜色、车牌号、车型等，也可以采集车辆的行为。车辆，如：是否闯红灯，线路是否被按下，车辆的速度，司机是否在开车时接听电话等。 如果*敏*感*词*分布处于理想状态，则通过叠加不同位置的*敏*感*词*采集

到的信息，可以还原某辆车的路径。目的地，甚至猜测司机的驾驶习惯，是否是老司机等信息。

　　然后，每个埋点就像一个*敏*感*词*，采集用户行为数据，对数据进行多维度交叉分析，真正还原用户使用场景，挖掘用户需求，从而提升用户全生命周期的最大价值.

　　解锁4个埋点“姿势”

　　为了在未来更准确地采集

海量数据，创造一个“纯粹”的数据分析环境，点埋技术应运而生。数据基础是否巩固取决于数据采集

的方法。埋点的方法有很多种。根据埋点的位置，可以分为前端（客户端）埋点和后端（服务器端）埋点。前端埋点包括：代码埋点、全埋点、视觉埋点。.

　　多种采集方式对比

　　全埋点：通过SDK采集页面所有控件的运行数据，通过“统计数据过滤器”配置待处理数据的特征。

　　优点：所有操作都是埋点，简单快捷，无需埋点，按需统计数据处理

　　缺点：数据上传消耗大量流量，数据维度单一（只有点击、加载、刷新）；影响用户体验——用户体验在使用过程中容易卡顿，严重影响用户体验；噪声多，数据精度不高，易干扰；无法自定义埋点采集

信息

　　就像卫星拍摄一样，不需要一个一个安装*敏*感*词*，但是数据量巨大，容易遗漏，难以挖掘关键信息。所以埋点法主要用在简单的页面场景，比如短期活动的登陆页面/专题页面。，需要快速衡量点击分布的效果。

　　JS可视化埋点：嵌入SDK，可视化圈选定义事件

　　为了方便产品和操作，同学们可以直接在页面上简单的圈出跟踪用户行为（定义事件），

　　只采集

点击（click）操作，节省开发时间。诸葛io最近支持JS可视化埋点。

　　优点：界面化配置，无需开发，埋点更新方便，见效快

　　缺点：对嵌入式自定义属性支持较差；重构或页面变化时需要重新配置；

　　就像卫星航拍一样，无需安装*敏*感*词*，数据量小，支持局部区域的信息采集。所以JS可视化埋点更适合短小、扁平、快速的数据采集方式，比如activity/H5等简单的页面。业务人员可以直接圈选。门槛，减少技术人员的介入（从此天下太平），这种数据采集方式方便业务人员尽快掌握页面关键节点的转化，但用户行为数据的应用相对较浅，无法支持更深入的分析。

　　另外，如果页面临时调整，可以灵活添加埋点，可以作为代码埋点的补充，及时增加采集到的数据

　　代码嵌入点：嵌入SDK，定义事件并添加事件代码，按需采集，业务信息更完整，数据分析更专注，因此代码嵌入点是基于业务价值的行为分析。

　　优点：数据采集全面准确，方便后续深入分析（埋点精度顺序：代码埋点>可视埋点>全埋点），SDK体积小，对应用程序本身的体验

　　缺点：需要研发人员配合，有一定的工作量

　　如果您不想在采集

数据的同时降低用户体验；如果您不想采集

大量无用的数据；如果要采集数据：更细粒度、更多维度、更高的数据分析精度。那么，考虑到业务增长的长期价值，请选择一个代码埋点。

　　服务端埋点：可以支持其他业务数据的采集和整合，比如CRM等用户数据，可以通过接口调用，对数据进行结构化。由于直接从服务器采集，数据更加准确，适合自身采集能力强的客户。，或者可以结合客户端集合。

　　喜欢：

　　1、 通过调用API接口，将CRM等数据与用户行为数据整合，全方位多角度分析用户；

　　2、 如果公司有自己的积分购买系统，可以通过服务器端采集直接上传用户行为数据到诸葛io平台进行数据分析，无需维护两套积分购买系统；

　　3、 连接历史数据（埋点前的数据）和新数据（埋点后的数据），提高数据的准确性。例如，接入客户端采集客户后，导入原创

历史数据后，之前接入平台的现有用户不会被标记为新用户，减少数据错误。

　　如何“埋头苦干”？

　　埋点听起来“听不懂”，但其实很简单，就像“在高速公路上安装*敏*感*词*”一样。

　　1、 梳理产品用户行为，确定事件分布

　　埋点方案≈*敏*感*词*安装分布方案

　　童鞋经常咨询诸葛君：数据分析得到什么样的数据？要回答这个问题，首先要明确目的，理清逻辑。

　　诸葛io数据分析的对象和依据是用户行为。选择记录和分析哪些用户行为直接影响分析工作的价值输出。诸葛君建议：选择与产品目标和当前主要问题最密切相关的用户行为。事件。以电子商务为例，将流程中的每个用户行为定义为一种事件，并从中获取事件放置的逻辑。

　　2、记录事件，理解和分析用户行为

　　≈确定相机要记录的信息，拍照或超速是否违法？

　　整理好需要记录分析的用户行为，完成事件布局表后，接下来在研发工程师的协助下，根据你的应用平台类型（iOS、Android、JS）完成SDK接入，每个事件的排列会变成一个很短的程序代码——当用户做出相应的行为时，你的应用程序就会运行这段代码，将相应的事件记录到诸葛io。部署完成并发布产品后，当用户开始使用新版本的应用时，使用行为数据会自动传输至诸葛io，供您进行以下分析。

　　在这一步中，诸葛io的CS团队将为公司提供支持，并协助技术团队顺利完成第一步数据采集。

　　3、通过identify记录用户身份

　　在诸葛io中，记录了用户的行为，即：用户做了什么？在用户分析的过程中，还有一类信息非常有用，即：用户是谁（TA的id，姓名），有什么特征（TA的年龄，类型...）？您可以通过诸葛io平台的识别流程将用户的身份和特征传递给诸葛io，并利用识别信息进行精细化分析：

　　细分用户组：用户属性的一个很重要的功能就是将用户进行分组。您可以根据identity 的属性定义过滤条件来细分用户组。比如用“gender=female”这个条件过滤掉所有女生，然后分析女生的行为特征和转化率……

　　基于属性的比较：分割的重要目的之一是比较。可以根据“性别”进行细分，然后比较“女生”和“男生”在行为、转化、留存等方面的差异；

　　基于属性的人群画像：您可以根据用户属性——男女比例、区域分布、年龄层次、用户类型……

　　回到开头的问题：什么样的埋葬方式最理想？

　　正如同一枚*敏*感*词*有两个面一样，任何一种嵌入点的方法都有优点和缺点。试图通过简单粗暴的代码行/一次部署来嵌入点，甚至牺牲用户体验，都不是企业所期望的。

　　因此，数据采集

只是数据分析的第一步。数据分析的目的是洞察用户行为，挖掘用户价值，促进业务增长。诸葛io认为，最理想的埋地方案是基于不同的业务和场景以及行业特点。通过互补的方式将埋点与自身的实际需求结合起来，例如：

　　1、代码埋点+全埋点：当需要对落地页进行整体点击分析时，在细节中一一埋点的工作量比较大，并且在频繁优化落地页时调整后，更新埋点的工作量不容小觑，但复杂页面存在盲点，无法用所有埋点采集

。因此，代码埋点可以作为采集

用户核心行为的辅助手段，从而实现精准、跨领域的用户行为分析；

　　2、代码埋点+服务器埋点：以电商平台为例，用户在支付环节会跳转到第三方支付平台，支付是否成功需要通过服务器中的交易数据。这时可以通过代码埋点和服务端埋点的结合来提高数据的准确性；

　　3、代码埋点+可视化埋点：由于代码埋点工作量大，可以通过核心事件代码埋点，可视化埋点可以用来做额外补充的数据采集大大地。

　　为满足精细化、精准化数据分析的需求，可根据实际分析场景需求，选择一种或多种采集方式组合。毕竟采集

全量数据不是目的。要实现有效的数据分析，从数据中找出关键决策信息增长是重中之重。

　　原文发表时间为：2017-08-11