数据下降第一步：选择“最优”的埋点采集方式

　　本文讲的是数据下降第一步：选择“最优”的埋点采集方式【IT168 评论】在这一个大数据的时代，凭经验拍胸口的决策方法已成过去，数据的重要性不言而喻，数据剖析的第一步就是从数据源头做好采集工作，我们明天的主题：数据埋点。

　　埋点：数据剖析的第一步

　　大数据，从繁杂的数据背后挖掘、分析用户的行为习惯和喜好，找出更符合用户“口味”的产品和服务，并结合用户需求有针对性地调整和优化自身，正是大数据的价值。而这信息的汇集、分析就绕不开“埋点”。诸葛io为企业提供灵活的埋点方法，让各个部门、各个角色轻松驾驭数据采集：

　　*敏*感*词*(代码)埋点：更精准的数据采集，更聚焦业务价值的数据采集(诸葛io专业的数据顾问团队可提供多样化埋点方案，让数据剖析有的放矢);

　　全埋点：无需人工埋点，一切操作皆手动埋点，统计数据按需处理;

　　- 可视化埋点：界面化埋点管理配置无需开发人员介入，更便捷的埋点更新，生效快;

　　关于“埋点”的小科普

　　埋点就是在有须要的位置采集相应的信息，就好似道路上的*敏*感*词*，可以采集到汽车的属性，比如：颜色、车牌号，车型等信息，还可以采集到汽车的行为，比如：有没有闯红灯，有没有压线，车速多少，司机有没有在驾驶中接听电话等，如果*敏*感*词*分布是理想状态，那么通过叠加不同位置的*敏*感*词*所采集的信息，完全可以还原出某一辆车的路径、目的地，甚至猜测出司机的驾车习惯、是否是老司机等信息。

　　那么，每一个埋点如同*敏*感*词*，采集用户行为数据，将数据进行多维度的交叉剖析，可真实还原出用户使用场景，挖掘用户需求，从而提高用户全生命周期的最大价值。

　　解锁4种埋点“姿势”

　　为了将海量数据采集得愈发精准，为后续营造“纯净”的数据剖析环境，埋点技术应运而生。数据基础筑牢与否，取决于数据的采集方式。埋点方法多种多样，按照埋点位置不同，可以分为后端(客户端)埋点与前端(服务器端)埋点，其中后端埋点包括：代码埋点、全埋点、可视化埋点。

　　多采集方式对比

　　全埋点：通过SDK，采集页面所有控件操作数据，通过“统计数据筛”，配置待处理的数据的特点。

　　优势：一切操作皆埋点，简单、快捷，无需埋点统计数据按需处理

　　劣势：数据上传消耗流量大，数据维度单一(仅点击、加载、刷新);影响用户使用体验——用户使用过程中容易出现卡顿，严重影响用户体验;噪点多，数据准确性不高，容易形成干扰;不能自定义埋点搜集信息

　　如同卫星拍摄，无需逐一安装*敏*感*词*，但数据量巨大，且容易遗漏，不易挖掘关键信息，因此全埋点的形式，主要应用于简单页面的场景，比如：短期活动中的落地页/专题页中，需要快速评判点击分布等疗效。

　　JS可视化埋点：嵌入SDK，可视化圈选定义风波

　　为了便捷产品和营运朋友可以直接在页面上进行简单圈选，以追踪用户的行为(定义风波)，

　　仅采集click(点击)操作，节省开发时间，诸葛io已于近日支持JS可视化埋点。

　　优势：界面化配置，无需开发，埋点更新方便，生效快

　　劣势：埋点自定义属性支持较差;重构或则页面变化时须要重新配置;

　　如同卫星航拍，无需安装*敏*感*词*，数据量小，支持局部区域的信息获取 ，因此JS可视化埋点更适用于短平快的数据采集方式，如活动/H5等简单页面，业务人员可直接圈选，操作无门槛，减少技术人员的介入(从此世界和平)，此种数据采集方式，方便业务人员早日把握页面中关键节点的转化情况，但是对用户行为数据的应用较浅，无法支持更深度的剖析。

　　此外，若页面临时调整，可灵活的追加埋点，可作为代码埋点的补充，以便及时降低采集数据

　　代码埋点：嵌入SDK，定义风波并添加风波代码，按需采集，业务信息更完善，对数据的剖析更聚焦，因此代码埋点是一种以业务价值为出发的行为剖析。

　　优势：数据搜集全面且确切，便于后续深度剖析(埋点准确性次序：代码埋点>可视化埋点>全埋点)，SDK较小，对应用本身的使用体验没有影响

　　劣势：需要研制人员配合，有一定的工作量

　　如果你不希望在采集数据的同时，降低用户体验;如果你不希望采集到海量无用数据;如果你希望采集的数据：颗粒度更细，维度更多，数据剖析的准确性更高。那么，从业务下降的长远价值考虑，请选择代码埋点。

　　服务端埋点：可支持其他业务数据采集和整合，如CRM等用户数据，通过插口调用，将数据结构化，由于直接从服务器端采集，数据准确性更高，适用于自身具备采集能力的顾客，或可与客户端采集相结合采集。

　　如：

　　1、通过调用API接口，将CRM等数据与用户行为数据进行整合，全量、多角度剖析用户;

　　2、若企业已有自身的埋点体系，那么可直接通过服务端采集将用户行为数据上传到诸葛io平台，进行数据剖析，无需维护两套埋点系统;

　　3、打通历史数据(埋点前的数据)与新数据(埋点后)，提高数据准确性。如在接入客户端采集之后的顾客，导入原有历史数据后，此前的已有的用户访问平台，不会被标记为新用户，减少数据偏差。

　　如何“埋点”?

　　埋点听上去“不明觉厉”，其实十分的简单，就犹如“在道路上安装*敏*感*词*”。

　　1、梳理产品用户行为，确定风波布点

　　埋点方案≈*敏*感*词*安装的分布方案

　　经常有童鞋咨询诸葛君：究竟获取什么数据来进行数据剖析?回答这个问题，先要明晰目的，厘清逻辑。

　　诸葛io数据剖析的对象和基础是用户行为，选择记录和剖析什么用户行为，直接影响到剖析工作的价值产出，诸葛君建议：选择与产品目标和当下首要问题最为密切相关的用户行为，作为风波。以电商为例，将流程中的每位用户行为定义为一类风波，从中获得风波布点的逻辑。

　　2、记录风波，了解剖析用户行为

　　≈确定*敏*感*词*要记录的信息，是违章照相还是测速?

　　对须要记录和剖析的用户行为进行梳理，并完成风波布点表后，接下来，需要在研制工程师的协助下，根据您应用的平台类型(iOS、Android、JS)完成SDK的接入，每个风波的布点，将弄成一段十分简略的程序代码——当用户做相应的行为时，您的应用会运行这段代码，向诸葛io记录相应风波。在布点完成、产品发版后，用户开始使用新版的应用时，使用行为的数据都会手动传递到诸葛io，以便您进行下边的剖析。

　　这一步，诸葛io的CS团队将为企业提供支持，协助技术团队顺利完成数据采集的第一步。

　　3、通过identify记录用户身分

　　在诸葛io中记录了用户的行为，即：用户做了哪些? 在对用户剖析的过程中，还有一类信息是很有用的，即：用户是谁(TA的id、名字)以及具备哪些特征(TA的年纪、类型……)?您可以通过诸葛io平台的identify过程，将用户的身分及特征传递给诸葛io，利用identify的信息进行精细化剖析：

　　细分用户群：用户属性的一个很重要的作用就是将用户分群。您可以按照identify的属性定义筛选条件，进行用户群的细分，比如用「性别=女」的条件将所有的女生筛选下来，然后剖析妹子们的行为特征和转化率……

　　基于属性的对比：细分的重要目的之一就是对比，您可以基于「性别」细分，然后对比「妹子们」和「汉子们」的行为、转化、留存等的区别;

　　基于属性的人群画像：您可以基于用户属性，对产品的任意用户群进行「画像剖析」——该用户群的男女比列、地区分布、年龄层次、用户类型……

　　回到一开始的问题：何种埋点方法最理想呢?

　　正就像*敏*感*词*有两面，任何单一的埋点方法都存在优点与缺点，企图通过简单粗暴的几行代码/一次布署、甚至牺牲用户体验的埋点形式，都不是企业所期望的。

　　因此，数据采集只是数据剖析的第一步，数据剖析的目的是洞察用户行为，挖掘用户价值，进而促使业务下降，诸葛io觉得，最理想的埋点方案是按照不同的业务和场景以及行业特点和自身实际需求，将埋点通过好坏互补形式进行组合，比如：

　　1、代码埋点+全埋点：在须要对落地页进行整体点击剖析时，细节位置逐一埋点的工作量相对较大，且在频繁优化调整落地页时，更新埋点的工作量愈发不容轻视，但复杂的页面存在着全埋点不能采集的死角，因此，可将代码埋点作为辅助，将用户核心行为进行采集，从而实现精准的可交叉的用户行为剖析;

　　2、代码埋点+服务端埋点：以电商平台为例， 用户在支付环节，由于中途会跳转到第三方支付平台，是否支付成功须要通过服务器中的交易数据来验证，此时可通过代码埋点和服务端埋点相结合的方法，提升数据的准确性;

　　3、代码埋点+可视化埋点：因代码埋点的工作量大，可通过核心风波代码埋点，可视化埋点用于追加和补充的形式采集数据。

　　要满足精细化、精准化的数据剖析需求，可依照实际须要的剖析场景，选择一种或多种组合的采集方式，毕竟采集全量数据不是目的，实现有效的数据剖析，从数据中找到关键决策信息实现增速才是重中之重。

　　原文发布时间为：2017-08-11

　　本文作者：厂商投稿

　　本文来自云栖社区合作伙伴IT168，了解相关信息可以关注IT168

　　原文标题：数据下降第一步：选择“最优”的埋点采集方式