用戶行為分析埋點「埋點數據采集」

編輯導讀：數據采集是大數據的基石，用戶在使用App、微信小程序等各種線上應用產生的行為，只有通過埋點才能進行采集。本文針對常見的埋點方案進行優劣勢對比，并給出選型建議，希望對你有幫助。

數據采集是大數據的基石，用戶在使用App、微信小程序等各種線上應用產生的行為，只有通過埋點才能進行采集。沒有埋點，數據分析決策、數據化運營都是無源之水，巧婦難為無米之炊。但很多時候，“埋點”兩個字卻成了C端產品經理、數據產品、數據分析、數據開發等很多人不愿提及的痛。

曾遇到過，C端產品要出某一新上線功能的數據效果作工作匯報，找到數據分析或數據產品經理，數據同學問”你埋點了么?”，C端PM一臉懵逼，“埋點不是數據團隊做的事情么?”。

在數據化運營時代，要做用戶行為數據分析，都需要了解埋點的流程以及常見的幾種埋點方案的特點與應用場景。

一、埋點的作用

微信指數中，埋點的搜索熱度甚至超過了數據分析，主要原因也是用戶行為的數據分析必須要依賴于埋點的數據采集。埋點對于產品運營的主要作用包括：

1. 產品優化分析

粗放式運營時代，產品數據分析主要以宏觀的DAU、MAU、訂單數、營收等宏觀指標為主。只要能了解業務整體的經營狀況就差不多了。而精細化運營時代，每一次產品的改版，每一個頁面按鈕的使用情況，都需進行數據效果的分析。例如，通過漏斗分析，發現業務主路徑用戶流失的主要節點，針對流失嚴重的步驟，進行產品或運營策略的優化。

2. 洞察用戶行為

通過對每個頁面或頁面元素的埋點，將用戶的行為路徑串聯起來，可以清晰的洞察用戶在產品內的行為路徑。對于有多業務板塊、多流量入口的業務，用戶進站后的行為路徑復雜多樣，通過對用戶瀏覽軌跡的統計分析，發現不同用戶群體的使用路徑，從而針對不同的路徑設定差異化的產品策略。

3. 用戶分群與精細化運營

根據用戶屬性、用戶行為事件，實現用戶的精細化分層能力，進一步對不同用戶群體進行個性化的運營觸達。例如，對瀏覽商品詳情頁多次，但卻未下單的用戶，推送促銷紅包，刺激轉化。

4. 渠道策略優化

通過App的啟動埋點，記錄用戶下載激活的渠道，通過站內的行為及轉化數據，與站外廣告投放歸因數據結合，分析渠道的流量規模、渠道用戶的質量(留存、客單價、復購力等)，流量大、質量高的渠道擴大投放量，反之則減少投入，提升營銷的ROI。

二、埋點埋什么?

在用戶行為分析數據埋點中，最常用的模型是事件模型，該包括事件(Event)和用戶(User)兩個核心實體，同時還需要配合內容(Item)實體，才能做更多維度的分析。

1. 事件(event)

每一次瀏覽、頁面按鈕/元素的點擊都是一個事件，管理事件時通常按照用戶的行為路徑以及業務流程，對事件進行分類管理，例如分為瀏覽事件、點擊事件、以及系統事件等類別。

一次事件完整的數據結構構成如下：在什么時候，什么位置，做了哪些事情，使用產品為了達到什么目標，他是如何使用的等問題。在埋點開發時，要有能夠標識唯一事件的ID標識、事件描述信息、以及事件的屬性信息，事件的屬性主要包括用戶屬性和內容屬性。

2. 用戶(User)屬性

每一次事件對應一個獨立的用戶實體，用戶的畫像(profile)信息構成了事件最重要的屬性信息，例如用戶的設備屬性、地域屬性、性別、年齡等

3. 內容(Item)屬性

事件的操作實體一般是內容或內容的集合，例如瀏覽某一頁面，或某個商品，在埋點統計時，需要記錄頁面(page)、區塊位置(Block)、元素(item)。

4. 埋點需求怎么提

例如，團購App新上線了金剛位，來進行不同業務品類的流量分發。金剛位內容可能不同用戶看到的是不一樣的，在實際分析時，平臺運營側，偏重于按照位置分析，看哪一個位置的點擊效果好，而品類運營則會聚焦于內容哪一個品類的轉化更好。埋點需求的關鍵要素包括：

事件名：點擊金剛位事件ID:clickjingangwei事件類型：click頁面:首頁homepage區域：金剛區元素：item位置、item內容平臺：微信小程序、APP(android、iOS)、PC應用版本：8.0.1用戶屬性：城市、設備機型等SDK可以采集的通用屬性

以上僅做示例，實際上，每個公司的埋點模型定義的字段是不一樣的，對于可以SDK默認收集的字段不需要提需求，僅對可以明確定義唯一事件的內容進行說明即可。

三、常見的埋點方案對比分析1. 代碼埋點

代碼埋點是最早的埋點方式，根據業務的分析需求，將埋點的采集代碼加入到應用端。按照埋點實施方，又分為前端(客戶端)埋點和后端(服務端)埋點兩種類型。

1）客戶端埋點

由前端開發手動定義數據采集時機、內容等將數據采集的代碼代碼段加入到前端業務代碼中，當用戶在前端產生對應行為時，觸發數據采集代碼。

優點：

按需埋點，采集數據更全面，幾乎可覆蓋所有數據采集場景行為數據和業務數據可充分聯合分析

缺點：

延遲上報，數據丟失率高(5%-10%)需要客戶端發版，用戶端更新App埋點開發工作量大埋點流程需要多方協作，容易漏埋、錯埋

適用場景：

全面分析用戶在客戶端的操作行為，對于一些電商交易類的產品，需要把行為和業務數據充分結合分析

2）服務端埋點

由服務端開發將埋點采集代碼加入到后端服務請求中，當用戶前端操作請求服務端數據時，按照約定規則觸發埋點代碼

優點

按需埋點，采集數據更全面，幾乎可覆蓋所有數據采集場景行為數據和業務數據可充分聯合分析數據采集實時上報，準確性高，丟失率低服務端更新，不需要客戶端發版或用戶更新版本

缺點

純前端操作不觸發服務請求的按鈕點擊無法采集數據埋點開發工作量大埋點流程需要多方協作，容易漏埋、錯埋

適用場景：

對于一些非點擊、不可見的行為，或者要獲取用戶身份信息、更多的業務相關的屬性信息。如果前后端都可以采集到，優先后端埋點

2. 全埋點

全埋點也有稱之為無埋點或無痕埋點的，主要是將埋點采集代碼封裝成標準的SDK，應用端接入后，按照SDK的采集規則自動化地進行數據采集和上報

優點：

接入SDK后，可自動采集數據，無需按需開發，節省開發成本頁面可見元素均可自動采集，數據更全面埋點流程簡單，業務使用埋點系統自助定義事件，新增埋點需求無需業務開發參與

缺點

動態頁面或頁面不可見行為數據無法采集和業務強相關的屬性信息采集困難數據全部采集，數據存儲壓力大

適用場景：

業務場景簡單，如工具、應用類的產品，或者業務發展初期，產品快速迭代需求比精細化分析優先級更高，只需要分析簡單的PV、UV

3. 可視化埋點

默認不采集數據，當數據分析人員通過設備連接用戶行為分析工具的數據接入管理界面，在頁面可視化定義需要采集的位點后下發采集請求，采集代碼生效

優點：

默認不上報數據，可視化圈選才按需觸發埋點，節約存儲和傳輸成本業務可視化圈選，埋點操作簡單方便

缺點

數據只在埋點圈選定義之后才有，歷史數據無法回溯只能覆蓋基本的點擊、展示等用戶行為，和業務強相關的屬性信息采集困難

適用場景：

業務場景簡單，如工具、應用類的產品，或者業務發展初期，產品快速迭代需求比精細化分析優先級更高，只需要分析簡單的PV、UV

四、總結：如何選擇埋點方案

從幾種埋點方案的對比可以發現，沒有一種方案是可以完美解決所有問題的。因此在實際選擇時，要結合業務形態(強交易流程類的還是內容娛樂消費類)、企業發展階段(發展初期，產品迭代需求強于全面的精細化分析需求)多個方面因素綜合考慮。

目前最常用的方案是代碼埋點 全埋點組合使用。即用全埋點統計App(小程序)內用戶基礎的行為事件的PV/UV等數據，用代碼埋點補充全埋點無法覆蓋的場景，最終實現全面的精細化用戶行為分析。在數據產品方面，配套的需要有埋點管理系統的支持，將埋點工作流轉、埋點信息管理平臺化。

#專欄作家#

數據干飯人，微信號公眾號：數據干飯人，人人都是產品經理專欄作家。專注數據中臺產品領域，覆蓋開發套件，數據資產與數據治理，BI與數據可視化，精準營銷平臺等數據產品。擅長大數據解決方案規劃與產品方案設計。

本文原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議