文章采集api(数据埋点采集到底都是哪些事呢？的应用)

　　文章采集api(数据埋点采集到底都是哪些事呢？的应用)

　　数据采集是数据分析的基础，埋点是最重要的采集方法。那么数据埋点采集究竟是什么？我们主要从三个方面来看：什么是埋点，埋点如何设计，埋点的应用。

　　一、数据采集及常见数据问题

　　1.1Data采集

　　数据采集的方式有很多种，埋点采集是其中非常重要的一部分，无论是对于c端还是b端产品，都是主要的采集方法，数据采集 ，顾名思义，采集对应的数据是整个数据流的起点。采集 不完整吧？它直接决定了数据的广度和质量，并影响到后续的所有环节；在数据采集 效率和完整性较差的公司通常会在其业务发现数据中发生重大变化。

　　数据处理通常包括以下5个步骤：

　　1.2常见数据问题

　　在大致了解了数据采集及其结构之后，我们来看看我们工作中遇到的问题，有多少是与数据采集链接相关的

　　1、数据与后台差距大，数据不准确——统计口径不同，埋点定义不同，采集的方法带来误差

　　2、想用的时候，没有我要的数据--没有提到数据。采集需求，埋点不对，不完整

　　3、 事件太多，意思不清楚——埋点设计的方法，埋点更新迭代的规则和维护

　　4、分析数据，不知道看哪些数据和指标——数据定义不明确，缺乏分析思路

　　我们要从根本上解决问题：把采集当作一个独立的研发企业，而不是产品开发的附属品

　　二、什么是埋点

　　2.1 什么是埋点

　　所谓埋点，是数据领域的一个术语采集。它的学名应该叫事件跟踪，对应的英文是Event Tracking，指的是捕获、处理和发送特定用户行为或事件的相关技术和实现过程。数据埋点是数据分析师、数据产品经理和数据运营。根据业务需求或产品需求，开发用户行为的每个事件的对应位置，开发埋点，通过SDK上报埋点的数据结果，记录汇总数据。分析、推动产品优化、指导运营。

　　该过程附有规范。通过定义，我们看到具体的用户行为和事件是我们采集的重点，我们也需要处理发送相关的技术和实现流程；数据嵌入点是为产品服务的，它来自于产品。，所以跟产品息息相关，埋点在于具体实战过程，关系到大家对底层数据的理解。

　　2.2 为什么要埋点？

　　埋点的目的是对产品进行全方位的持续跟踪，通过数据分析不断引导和优化产品。数据埋点的好坏直接影响到数据质量、产品质量、运营质量等。

　　1、数据驱动——深入分析，深入到流量分布和流量层面，通过统计分析，宏观指标深入分析，发现指标背后的问题，洞察潜力用户行为与价值提升之间的关联

　　2、产品优化——对于产品，用户在产品中做了什么，在产品中停留了多久，有什么异常需要注意。这些问题可以通过埋点来实现

　　3、 精细化运营-埋点可以实现整个产品生命周期、流量质量和不同来源的分布、人群的行为特征和关系，洞察用户行为与提升业务的潜在关系价值。

　　2.3种埋点方法

　　埋点的方法有哪些？目前，大多数公司使用客户端和服务器的组合

　　准确度：编码埋点>可视化埋点>全埋点

　　三、埋点的框架和设计

　　3.1 埋点采集的顶层设计

　　所谓顶层设计，就是搞清楚怎么做点，怎么用，上传机制是什么，怎么定义，怎么实现等等；我们在设计的基础上遵循唯一性、可扩展性、一致性等一些常见的字段和生成机制，例如：cid、idfa、idfv等。

　　用户识别：用户识别机制的混乱会导致两种结果：一是数据不准确，比如UV数据没有对齐；另一个是漏斗分析有异常。因此，它应该是： a．严格规范ID自身的识别机制；湾 跨平台用户识别

　　相似抽象：相似抽象包括事件抽象和属性抽象。事件抽象是指浏览事件和点击事件的聚合；属性抽象意味着合并大多数重用场景以增加源区分

　　采集 一致性：采集 一致性包括两点：一是跨平台页面的一致命名，二是按钮命名的一致；设置埋点本身的过程就是对底层数据进行标准化的过程，所以一致性尤为重要，只有这样才能真正发挥作用

　　渠道配置：渠道主要是指推广渠道、落地页、网页推广页、APP推广页等，这个落地页的配置必须有统一的规范和标准

　　3.2埋点采集事件和属性设计

　　在设计属性和事件时，我们需要知道哪些是经常变化的，哪些是不变的，哪些是业务行为，哪些是基本属性。基于基础属性事件，我们认为属性是必填采集项，但是属性中的事件属性会根据不同的业务进行调整。因此，我们可以将埋点采集分为协议层和业务层埋点。

　　业务分解：梳理确认业务流程、运营路径和不同细分场景，定义用户行为路径

　　分析指标：定义特定事件和核心业务指标所需的数据

　　事件设计：APP启动、退出、页面浏览、事件曝光点击

　　属性设计：用户属性、事件属性、对象属性、环境属性

　　3.3 数据采集事件和属性设计

　　Ev 事件的命名也遵循一些规则。当同一类型的函数出现在不同的页面或位置时，根据函数名进行命名，在ev参数中区分页面和位置。仅点击按钮时，按按钮名称命名。

　　ev事件格式：ev分为ev标识和ev参数

　　规则：

　　ev标志和ev参数之间用“#”连接（一级连接器）；

　　ev参数和ev参数之间用“/”连接（二级连接器）；

　　ev 参数使用 key=value 的结构。当一个key对应多个value值时，value1和value2之间用“,”连接（三级连接器）；

　　当埋点只有ev标志，没有ev参数时，不需要带#；

　　评论：

　　ev ID：作为埋点的唯一ID，用于区分埋点的位置和属性。它是不可变的，不能被修改；

　　ev参数：需要返回埋点的参数，ev参数的顺序是可变的，可以修改；

　　调整app埋点时ev标志不变，只修改后续埋点参数（参数值改变或参数类型增加）

　　通用嵌入点文档中收录的sheet的名称和功能：

　　A.暴露埋点汇总；

　　B.点击浏览埋点汇总；

　　C、故障埋点总结：一般会记录埋点的故障版本或时间；

　　D、PC和M页面嵌入点对应的pageid；

　　E、各版本上线时间记录；

　　在嵌入点文档中，所有列名和函数包括：

　　3.4 基于埋点的统计

　　如何使用埋点统计查找埋点 ev 事件：

　　1. 指定埋点类型（点击/曝光/浏览）-过滤类型字段

　　2. 指定按钮所属的页面（页面或功能）-过滤功能模块字段

　　3. 指定埋藏事件的名称-过滤名称字段

　　4. 知道ev logo，可以直接用ev过滤

　　如何根据ev事件进行计数统计：查询按钮点击统计时，可以直接使用ev标志进行查询，有区别时，可以限制埋点参数的取值；因为ev参数的顺序不需要可变，查询统计，不能限制参数的顺序；

　　四、应用-数据流的基础

　　4.1 指标体系

　　系统指标可以将不同指标、不同维度串联起来进行综合分析，快速发现当前产品和业务流程中存在的问题。

　　4.2 可视化

　　人类对图像信息的解释比文本更有效。可视化对于数据分析极其重要。数据可视化的使用可以揭示数据中错综复杂的关系。

　　4.3 api提供

　　数据采集服务会将采集的埋点写入Kafka。针对每个业务的实时数据消费需求，我们为每个业务提供单独的Kafka，流量分配模块会定时读取。将埋点管理平台提供的元信息实时分发到各个业务Kafka。

　　数据采集就像设计一个产品。不能过火，留有扩展空间，但要时刻考虑数据是否完整、详细、不稳定、快速与否。