数据埋点那些事儿
背景
最近做了公司关于产品的数据埋点项目，主要是做和移动端的数据埋点。所以做个小总结，顺道回顾展开讲一讲关于app埋点应该注意的问题以及应该关注的指标（具体要结合各公司产品特性），主要是全新的埋点，如果单独的功能模块需要加上埋点则简单很多 直接在需求说明里面加上埋点需求即可。
数据分析的 道、术、器
我们都知道今日头条是一家在数据分析、数据驱动方便做得非常优秀公司。数据分析的“道” 也就是一个公司能从战略意义上明白数据的重要性，不是拍脑袋，也不是拍大腿。建立在数据分析的基础上进行项目决策（实际操作要克服很大的阻力）。找到最优的产品方案。“术”既是分析的方法，俗称套路， “器” 主要是工具，数据埋点的工具我会在问末尾介绍。
app数据分析的原理
分类：根据采集数据端的不同，主要分为网页数据采集、APP数据采集。网页数据的主要是使用JS采集，APP数据采集主要是通过埋点采集，主要有客户端（前端）埋点和服务端（后端）埋点之分。客户端的埋点是记录的用户在客户端的操作记录，服务端埋点则是记录的客户进行服务器请求的日志。
这次结合公司的实际情况，使用的是百度移动，在app中嵌入第三方平台的SDK进行客户端的数据收集，然后在第三方平台上进行数据的可视化与分析。
埋点的步骤
确认主题——确认指标——分解指标事件——点位统计——开发沟通调整——进行埋点——数据收集——分析
确认主题
我们埋点主要是为了什么？ why so？ so what？ 这次埋点主要是为了了解用户的使用习惯、各个板块的转化情况，还是为了了解上线的两个功能进行A/B测试。比如我们这次埋点就是为了能了解app端的使用现状。用户增长情况、各板块的访问情况、页面跳转、区域分布、搭建转化漏斗。
确认指标
根据主题拆解为不同的指标，比如用户增长可以拆解为新用户注册量、新老用户占比、日活跃、月活跃等指标。
指标分类
指标方面按照核心指标和衍生指标进行一个初步的拆分，各个公司可以根据各个公司的情况进行增减。
分解指标事件
把指标按照计算方式拆分成事件，客户端埋点一般都是采取key-value的形式，key代表某个事件，value代表相应的参数值，这个在sdk埋点中不用过多考虑。
需要注意的是要在第三方平台上，上传/手动命名相应的事件ID与事件名称，一定要代码中的ID与名称一致。ID与名称iOS 与Android保持一致，命名的工作一般是由产品来做，有的也可以让研发提，两边统一即可。
确认好事件之后就可以统计埋点的点位了，汇总成一个excel表格即可，埋点位置，数据类型。确认好了一定要和研发讨论确认实现的方案，合理采用不同的埋点方式。
现在的平台一般提供3种方案。
代码埋点：控件操作发生时通过添加的代码来发送数据。优点：控制发送数据时间，事件自定义属性详细记录；缺点：时间、人力成本大。
可视化埋点：直接在客户端进行可视化圈选，通过可视化界面配置控件操作与事件操作发生关系进行数据采集。优点：产品可直接操作，成本低，速度快；缺点：行为记录信息少，数据准确度不高。
无埋点：用户展现界面元素时，通过控件绑定触发事件，事件被触发的时候系统会有相应的接口让开发者处理这些行为。现在市面上主流无埋点做法有两种，一种是预先跟踪所有的渲染信息，一种是滞后跟踪的渲染信息。优点：无需埋点；缺点：记录信息少。
进行埋点，数据收集
埋点过程中有埋点问题的要及时沟通，埋点事件名称切记不能随意修改导致两边不同，这会给后期数据分析造成干扰。埋点完成后需要一段时间进行数据收集，一般第二天会开始数据统计，稳定一两周查看是否有异常，没有就可以进行数据分析了。
数据分析
这个结合指定的埋点主题进行相应的数据分析，大部分的数据平台都会提供报告制作功能，相应的拖拽就能完成数据的之前发的产品运营的文章分析即可。通过描述性分析、预测性分析 对收集到的数据进行解读。
截图来源：神策数据DEMO
有坑注意
如果事无巨细的进行埋点是一项非常大的工程，少则一两百项多则几百个点位，全部使用代码埋点工作量巨大。所以埋点前先要确认主要目的，核心指标，其他的都达不成时必须要的部分，剩下的可以分期、分步逐步加上。
埋好点后及时进行跟进，落实埋点的完整性与准确性。
很多数据后台都可以查到，收集的数据也更详细，而且实现可能更简单。所以进行埋点前要提前确认，哪些在第三方平台统计，哪些在后台统计。
不同第三方平台对于时间ID与名称可能会有不同限制，但一定要注意名称的统一，ios和android 代码处的和平台填写的。
每个点都有一个专属ID，尽量能按照类型分组，便于后期分析的时候查找。
移动应用数据分析平台
GrowingIO
百度移动统计
神策分析
腾讯移动分析
谷歌GA
总结
这次埋点还是有很多遗漏的地方，需要后续进行补充。另外，埋点只是数据分析的基础，对数据按照套路进行分析，形成参考才能体现数据的价值。
更重要的是需要管理层能对数据驱动（Data-Driven）能有足够的重视，用数据说话，用数据做参考。结合产品数据进行问题排查、功能优化、业务探索、试错并及时修正。
作者：程晓媛闯天涯
我是晓媛，喜欢记得关注我哦！
