豆瓣 [书影音档案] 功能埋点设计
豆瓣在个人页面加入了「书影音档案」功能，用来展现丰富的个人阅读观影历史，方便对外分享。试图通过这样的功能，让用户对在豆瓣留下的痕迹拥有资产感，更不易流失。同时也希望通过此，刺激更多用户补标更多的电影、书籍、音乐，产生更多的数据
豆瓣[书影音档案]功能数据埋点设计
目录
1、分析产品需求
2、梳理业务流程
2.1 分享：将【书影音档案】分享至外界
2.2 回访：从【书影音档案】中，重新进入详情页
2.3 补录：手动补标记
3、梳理关键事件及算法
4、针对关键事件，选择埋点属性
5、输出DRD
6、总结
1、分析产品需求
「书影音档案」功能的核心事件如下：
• 分享：用户将自己的「书影音档案」分享给外界。
• 回访：用户从自己的「书影音档案」中，重新进入「读过/看过/听过」的「某本书/某部电影/某张唱片」的详情页。
• 补录资料：用户手动补标图书、电影、音乐。
结合以上核心事件进行分析，「书影音档案」功能上线的目的和价值在于以下几点：
我们需要通过数据观察「书影音档案」功能是否能够达到以上目的，分析数据考察该功能是否有降低用户流失率，以及是否达到预期的效果：刺激更多用户补标电影、书籍、音乐，产生更多数据
2、梳理业务流程
2.1 分享路径：将【书影音档案】分享至外界
分享路径
通过以上页面流程图可以看出，分享事件的主要流程为：
进入书影音档案页→点击分享按钮→选择分享路径→分享成功→被分享用户进入档案页
2.2 回访路径：从【书影音档案】中，重新进入详情页
回访路径
通过以上页面流程图可以看出，用户通过【书影音档案】，重新回访到内容详情页有两个途径：
a、进入书影音档案页→点击分类分析→进入分类分析页面→点击已看列表（分类分析页）→进入我的书影音页面→选择分类→选择内容→查看某→内容详情页
b、进入书影音档案页→点击已看列表（书影音档案页）→进入内容详情页
2.3 补录路径：从【书影音档案】中，重新进入详情页
补录路径
通过以上页面流程图可以看出，用户通过【书影音档案】，补录资料也有两个途径：
a、进入书影音档案页→点击分类→进入分类分析页面→点击顶部[补标]按钮→进入补标页面→补标成功→未反悔
b、进入书影音档案页→点击分类→进入分类分析页面→点击底部[补标]按钮→进入补标页面→补标成功→未反悔
在这里补标的方式有两种：一种为点击【看过】按钮，一种为下滑
3、找出关键事件及算法
根据业务目的、流程及业务背景的指标，拆解关键事件，并给出关键事件的算法：
3.1 分享
指标：分享率
事件意义：用户将自己的「书影音档案」分享给外界
关键事件：1、浏览书影音档案页
2、浏览分类分析页
3、点击分享
4、被分享用户进入档案页
指标计算方法：从PV和UV两个维度计算
1、页面的分享转化率：分享成功次数/书影音档案页PV
2、用户的分享转化率：分享成功的用户数/书影音档案页UV
3.2 回访
指标：回访率
事件意义：用户从自己的「书影音档案」中，重新进入「读过/看过/听过」的「某本书/某部电影/ 某张唱片」的详情页
关键事件：1、浏览书影音档案页
2、浏览内容详情页
指标计算方法：因为访问的页面繁杂数量可能会很大，因此从UV这个维度计算
1、用户的回访率：查看详情页UV/书影音档案页UV
3.3 补录资料
指标：补录率
事件意义：用户手动补标图书、电影、音乐
关键事件：1、浏览书影音档案页
2、点击补标
3、标记
4、选择反悔
指标计算方法：从PV和UV两个维度计算
1、页面的补录转化率：补录成功数/书影音档案页PV
2、用户的补录转化率：补录成功的UV/书影音档案页UV
4、针对关键事件，选择埋点属性
针对上面梳理的关键事件和指标，利用WWWHW（who、when、where、how、what）分析法，分析各事件的埋点属性
分享
回访
补录
5、输出DRD
根据以上各个环节的分析，形成该功能的数据需求埋点文档如下：
豆瓣书影音功能DRD
公共属性见下表：
公共属性
用户属性：
用户属性
6、总结
以下为使用该功能过程中的一些建议及思考：
1、补录功能，没有结合数据进行推荐，比如我看过最多的影视类型是动画，是否可以根据分析，推荐我看的最多的同类型进行补录，而不是随机推荐近期的电影，有可能会造成用户大量的标记没有看过，如果大量的都是没看过的，可能就会丧失了补标的兴趣了，补标的主要目的是促进用户标记已经看过的书、电影、音乐，因此如果已经有数据的，需要结合当前已标记的数据进行推荐
2、补录功能效率太低，是否考虑增加批量标记
3、通过采集的数据，分析各个途径的分享率数据及用户回流数量（回流率：回流用户数量/分享数）、新增用户数量（新增率：新增用户数量/分享数），可将分享量小/回流比例低的的途径去掉
