数据埋点之三：需要采集哪些数据？

数据需求也就是我们要如何去通过数据评价该模块的版本效果，以 及可以采集哪些数据去做用户特征分析。

需要采集的数据主要包含以下几类：

1. 用户行为数据：时间、地点、人物、交互、交互的内容等和数据。
2. 产品质量数据：页面加载情况、异常或错误情况等。
3. 环境数据：环境参数、地理位置、运营商等数据。
4. 运营相关数据：页面访问数量、停留时长、跳出率、转化率等页面分析和行为分析指标等方面。

确定数据分析指标

不同的产品业务需求不同，比如运营更关注活动上线后的运营情况，产品则关注功能的使用情况等，因此需要根据各业务需求设计数据分析指标，以满足各业务对数据分析的需求。
下面是京东排行榜页面数据分析指标，可参考：
用户路径：京东首页→排行榜入口→排行榜页面→商品详情页→购物车→支付订单→跟踪物流→收货确认→商品评价

京东排行榜数据分析指标

事件设计,梳理埋点

事件设计就是要采集用户行为数据，首先要根据业务分析需求明确采集的目标行为，进一步搞清楚应该在哪些地方埋什么样的点，最终输出的成果就是埋点需求文档。
事件设计可按照4W1H（“WHO”、“WHEN”、“WHERE”、“WHAT“、”HOW“）的原则进行事件的设计和定义。

1. who

• 设备区分
  设备区分多用于不需要登录的产品，通过设备独有的编码来标记用户。
• 账号区分
  账号区分是常用的方式，通过账号id、手机号等信息来标记用户。

2. when

• 设备时间
  设备时间可能会因为不同时区的原因，用户之间各不相同，比如跨国业务。
• 服务器时间（时间戳）
  服务器时间就是常说的Unix时间戳，是全球统一时间，不受时区的干扰，如果不考虑业务特殊情况，一般都是使用服务器时间。

3. where

• GPS定位
• LBS 定位
• IP判断
  常用的就是获取用户的定位权限，然后通过gps进行定位，还有就是通过设备ip判断用户位置。

4. how

• 操作系统
• 设备品牌和型号
• 运营商
• 屏幕尺寸
• 用户来源等等
  用户是怎么完成这个行为的，像上述这些信息都算，不止于此，看业务需要，可以继续扩充。

5. what

• 商品下单（事件）
  • 商品ID（属性）
  • 期望收货时间
  • 快递方式
• 商品退货
  • 商品ID
  • 退货原因
  • 退货价格
  • 商品是否已寄回

what就要看业务行为了，举了上面两个例子，并引入了“事件”和“属性”两个概念，事件是指具体的行为，属性是指行为相关的一些信息，如商品下单这个事件：

• 商品ID属性用来分析什么商品卖的好；
• 期望收货时间的属性用来分析物流方面的高峰期；
• 快递方式用来判断哪个合作物流对用户服务质量更好。

这个要根据不同的业务需要，在埋事件的同时，增加必要的属性，以便深入分析数据。