软文一件采集器(【小火龙说数据】用户行为分析便是的核心流程)

　　软文一件采集器(【小火龙说数据】用户行为分析便是的核心流程)

　　如果你对数据分析感兴趣，想学习更多的方法论，希望听听经验分享，

　　欢迎来到手机宝公众号“小火龙说数据”，无广告，无软文，纯干货，更多精彩原创文章与大家分享！

　　00序言

　　近年来，随着互联网红利的消退，各大公司的关注点逐渐从增量用户转向存量用户，挖掘存量用户价值已成为共识。其中，用户行为分析是这一过程中不可或缺的环节。核心侧重于技术对人的挖掘，更准确地描述了用户在应用中做了什么。

　　如果要挖掘用户行为，就需要知道用户每一步都在做什么，而上报是记录用户行为的第一个环节，它决定了后续是否有数据可供分析，质量好坏的数据。

　　本文将用通俗易懂的语言向大家介绍埋点的核心流程以及配乐学员所扮演的角色。

　　01 埋葬的目的是什么？

　　通过序言的简单描述，应该可以感受到埋点的重要性。通过埋点，可以采集应用中用户的一系列数据数据，真实反映用户的行为，为下游数据应用奠定基础。

　　在座的大家会不会有这样的疑问：“我知道埋点的作用，但是点是什么？”

　　通俗地说，“点”是记录用户触发事件的规则。类似于excel中每一列的标题，标题会提示你需要记录哪些内容。用户在应用中触发的各种行为事件都会按照这个规则进行记录。

　　举个例子

下图是某APP的首页，当用户进入到页面时，会触发当前页的「页面展现事件」，以及红色框内容的「曝光事件」；

当用户点击蓝色内容时，会触发这个内容的「点击事件」。

通过这些事件，就可以刻画出用户在APP中的行动轨迹。

　　这里可能有同学会有以下疑问：“哪些需要录？哪些不需要录？”

　　埋点需要上报哪些内容，主要取决于埋点的用途，是用于“分析用户行为”还是“监控APP质量”。

　　分析用户行为

用户所见：页面展现、内容曝光；用户动作：滑动、点击、进入、返回。

监控APP质量

用户加载页面的时间；用户播放视频卡顿的情况；用户打开页面失败的情况。

　　02 如何埋点？

　　了解了埋点的目的后，APP应该如何埋点呢？这里主要是R&D同学的工作范围，大家可以了解一下。目前各大公司埋点方式主要有人工埋点、视觉埋点、全埋点三种。让我介绍一下这三种方法之间的区别。

　　人工埋

　　含义：这种方法比较常见。R&D 在需要 采集 数据来记录行为的地方植入代码。

　　优点：采集灵活，根据业务需求设计。

　　缺点：开发成本高。

　　可视化埋点

　　含义：在大公司中比较常见。通过可视化平台，将业务与代码解耦。业务同学可以在平台上配置需要记录的点，然后在后台把业务和代码耦合起来。听起来比较高大上，但实际上是在人工嵌入的基础上做了一层视觉封装。

　　优点：业务可自行配置，研发成本小。

　　缺点：平台有局限性，只能覆盖头部情况。

　　埋葬所有

　　含义：记录所有事件，上报后解析产品需要的内容。

　　优点：不会有遗漏，研发成本小。

　　缺点：报告量级对*敏*感*词*能挑战很大，适用场景有限。

　　不同的掩埋方式各有优缺点，需要在实战过程中找到最佳优势。业务侧注重埋点的准确性和数据记录的完整性；技术方面侧重于成本和开发效率。因此，在这样的背景下，“手动嵌入+视觉嵌入”往往是一种更通用的方法。

　　03 嵌入核心流程

　　数据埋点上报看似核心是埋点开发，但实际上涉及到很多环节，以及不同部门之间的配合，共享一个比较通用的跟踪流程，可以参考：

　　第一步：嵌入点要求“涉及：产品+分数”

　　根据新页面的UI风格，产品同学提出了埋点要求，包括：页面风格、统计指标、记录内容、上报时机等。根据需求文档，数据同学判断是否为有必要进行埋点开发。

　　第 2 步：嵌入设计“涉及：产品”

　　根据埋点规范，输出埋点文档，内容涵盖：埋点内容、含义、事件参数等。埋点文档的作用非常大，可用于埋点开发，也可以作为下游数据应用的参考。这部分内容一般由最了解业务的产品同学负责。

　　由于跟踪设计是整个跟踪系统的中心，所以在下一章文章中，小火龙将给大家分享一个比较通用的跟踪方案，帮助大家更透彻的理解这个内容。

　　第三步：埋点复习“参与：得分”

　　埋点复习要求学生打分，以评价埋点方案的合理性以及是否满足计算新功能的各项指标，以保证设计的合理性。

　　第 4 步：嵌入开发“涉及：研发、测试”

　　一般由客户端开发，根据埋点文档植入代码，测试同学进行日志联调，保证埋点的准确性。

　　第 5 步：嵌入验收“涉及：产品、分数”

　　当埋点开发和并行调整完成后，学生一般会根据埋点文档统计核心指标。然后由产品同学来判断数据是否符合预期。

　　以上五个步骤是跟踪点开发中的核心环节，但未来一般产品会有一系列的修改。因此，追踪点上线后，仍然需要在平台上配置数据预警，以保证数据的长期质量。