python埋點測試_什麼是資料埋點？

資料埋點的方式

現在埋點的主流有兩種方式：

第一種：自己公司研發在産品中注入代碼統計，并搭建起相應的背景查詢。

第二種：第三方統計工具，如友盟、百度移動、魔方、App Annie、talking data等。

如果你的資料來自第二種，那你使用的工具也應該是第三方統計工具，後續沒啥資料産品了，好好用這些産品吧。這裡說說第一種的埋點方式吧，怎麼資料埋點，就需要根據自己産品的任務流及産品目标來設計。

關鍵名額

我們先看看無論是APP還是H5都會關注的名額，了解這些名額的計算方法的細微差異以及複雜性，換個角度來思考埋點的意義。【源自：精通Web Analytics 2.0】

通路與訪客

通路(Visits)與訪客(Vistors)是幾乎所有應用都需要統計的名額，這也是最基礎的名額。

對于應用的統計來說，希望統計的是訪客(Vistors)。通路(Visits)是指會話層，使用者打開應用花一段時間浏覽又離開，從名額定義來說這杯稱之為一個會話(Session)。一次會話(Session 或 Visit)是打開應用的第一個請求(打開應用)和最後一個請求決定的。如果使用者打開應用然後放下手機或是離開電腦，并在接下來30分鐘内沒有任何動作，此次會話自動結束，算作一次通路或會話期。

在計算訪客時，埋點上報的資料是盡可能接近真實訪客的人數。對于獨立訪客這個名額，這裡還是需要強調一下，獨立訪客數并不是真實獨立的人，是以收集資料時必須知道獨立訪客雖然能夠很好的反映使用應用的真實通路者的數量，但不等于使用應用的真實人數。

原因是，重複安裝的應用，或是手機參數被修改都會使得獨立訪客的名額收到影響。獨立訪客的埋點都是依賴Cookie，使用者打開應用，應用都會在此人的終端建立一個獨立Cookie, Cookie會被保留，但還是難免會被使用者手動清理或是Cookie被禁用導緻同一使用者使用應用Cookie不一緻，是以獨立訪客隻能高度接近于使用應用的真實人數。

停留時長

停留時長用來衡量使用者在應用的某一個頁面或是一次通路(會話)所停留的時間。

頁面停留時長，表示在每個頁面所花費的時間；例如：首頁就是進入首頁(10：00)到離開首頁進入下一個頁面(10:01)的時長，首頁停留時長計算為1分鐘。頁面A是2分鐘。頁面B進入時間(10：03)，離開時間沒有記錄，這時候計算就是0 ，這種特殊情況的處理是需要在埋點特别注意的，還是那句話，不要嘗試收集絕對精準的資料，要學會使用不全的資料，活學活用。

應用的停留時長，表示一次通路(會話)所停留的時間，計算起來就是所有頁面的通路時長，同樣是上一個流程，應用的停留時長就是4分鐘。

跳出率

跳出率的計算方法現在在各個公司還是很多種，最精彩被使用的是：單個頁面通路的所占的會話比例。這種場景意味着使用者來了通路了一個頁面就離開了，想想使用者使用的心裡畫面應該是：打開應用，心想什麼鬼，然後關閉應用甚至解除安裝了。這個場景多可怕，這也是為什麼跳出率名額被如此關注。

跳出率可以分解到兩個層次：一是整個應用的跳出率，二是重點的着陸頁的跳出率，甚至是搜尋關鍵詞的跳出率。跳出率的名額可操作性非常強，通過統計跳出率可以直接發現頁面的問題發現關鍵詞的問題。

退出率

退出率是針對頁面的，這個名額的目标很簡單，就是在某個頁面有多少使用者離開這個頁面，主要使用者反映使用者從應用離開的情況。哪些頁面需要被改進最快的方式被發掘。(有些流程中設定走完标準流程，退出率最高的在标準流程的最後的頁面反映的正向呢，不要認為退出率高都是壞的事情哦)

轉化率

我們在産品上投入這麼多，不就是為了衡量産出麼？是以對于電商類應用，還有比轉化率更值得關注的名額嗎？轉化率的計算方法是某種産出除以獨立訪客或是通路量，對于電商産品來說，就是送出訂單使用者數除以獨立訪客。

轉化率的計算看起來想到那簡單，但卻是埋點中最貼近業務的資料收集。這也是最展現埋點技巧的名額，需要結合業務特點制定計算方法。送出訂單量/訪客數是最基本的轉化率，轉化率還可以分層次，指定使用者路徑的，如：完成某條路徑的送出訂單數/訪客數。

試着找一條路徑，想想轉化率的資料怎麼得來的吧，埋點都收集了什麼樣的資料吧？

參與度

參與度并不是一個名額，而是一系列的名額，通路深度，通路頻次這些都是衡量參與度的名額。之是以把參與度列為一個名額，是希望大家明白把名額組合後續産生化學反應，發現實物的本質。

埋點的内容

看完關鍵的這些名額後，有沒有發現埋點的來源也大緻分為兩部分，一部分是統計應用頁面通路情況，即頁面統計；另外一部分是統計應用内的操作行為，及自定義事件統計。

頁面，事件都被唯一标記，使用者的資訊，裝置的資訊，時間參數被附加上報。這就是埋點。

關于埋點的資料的注意事項

不要過分追求完美

關于埋點資料有一點至關重要，埋點是為了更好地使用資料，不要試圖得到精準的資料要得到的是高品質的埋點資料，前面讨論跳出率就是這個例子，得到能得到的資料，用不完美的資料來達成下一步的行動，追求的是高品質而不是精确。這是很多資料産品容易入坑的地，要經常提醒自己。

作者：趙素衛

連結：https://www.zhihu.com/question/36411025/answer/139101494