深入了解埋點

什麼是埋點

埋點分析，是網站分析的一種常用的資料采集方法。資料埋點分為初級、中級、進階三種方式。資料埋點是一種良好的私有化部署資料采集方式。

資料埋點分為初級、中級、進階三種方式，分别為：

初級：在産品、服務轉化關鍵點植入統計代碼，據其獨立ID確定資料采集不重複（如購買按鈕點選率）；

中級：植入多段代碼，追蹤使用者在平台每個界面上的系列行為，事件之間互相獨立（如打開商品詳情頁——選擇商品型号——加入購物車——下訂單——購買完成）；

進階：聯合公司工程、ETL采集分析使用者全量行為，建立使用者畫像，還原使用者行為模型，作為産品分析、優化的基礎。

簡單來說，埋點就是在網站或APP中加入一些程式代碼，用以收集和統計使用者在該網站/APP中的浏覽、通路資料和應用使用情況，分析使用者互動行為，進而幫助産品和營運進行後續優化。

我們平時所說的埋點，可以大緻分為兩部分，一部分是統計APP頁面通路情況，即頁面統計；另外一部分是統計APP内的操作行為，及自定義事件統計。

而資料收集和分析的意義是什麼呢？

不同的人對于埋點有不同的目标。

比如對于版本的某個功能，産品可能隻是想埋點以了解：

l新功能是否得到使用者的認可和使用？

l使用者使用的場景和路徑是怎樣的？順暢嗎？

l是否需要針對回報回來的資料，進行分析改進功能？

而對于某個廣告和營運活動的投放，關注的可能是：

廣告的展示率、使用者的點選率、轉化率、甚至是商業盈利等

總而言之，埋點本身其實是對于自己所設計的産品的有一個可視化健康檢查，通過邏輯和資料，貫穿産品的整個生命周期，使産品逐漸達到最佳狀态進而實作矽谷最近所謂的“Growth Hacker”的效果。

埋點三大類型

• 手動埋點/代碼埋點

  所謂的代碼埋點就是在你需要統計資料的地方植入N行代碼，統計使用者的關鍵行為。比如你想統計首頁某個banner的點選量，上報的資料可以采用KEY-VALUE形式，我們定義 KEY為「CLICK_ADD_BTN」，VALUE的值為點選的次數。當使用者點選banner時，banner詳情的代碼會通過按鈕的「回調」來觸發執行，程式猿在業務代碼執行完後，又加上了統計代碼，把「CLICK_ADD_BTN」對應的VALUE加1，banner被統計到了一次使用。

  優點：

  使用者控制精準，可以非常精确地選擇什麼時候發送資料；使用者可以比較友善地設定自定義屬性、自定義事件，傳遞比較豐富的資料到服務端。

  缺點：

  埋點代價比較大，每一個控件的埋點都需要添加相應的代碼，不僅工作量大，而且限定了必須是技術人員才能完成；更新代價比較大，每一次更新，都需要更新埋點方案，然後通過各個應用市場進行分發，而且有的使用者還不一定更新，這樣你就擷取不到這批使用者資料。

  **适用場景：**有具體的業務分析需求，需要對埋點事件進行傳參等自定義屬性設定。

• 可視化埋點/無碼埋點

利用可視化互動手段，資料産品/資料分析師可以通過可視化界面（管理背景連接配接裝置） 配置事件，如騰訊移動分析的可視化埋點。

**優點：**業務方工作量少，無需開發支援

**缺點：**不能自定義互動事件屬性，不支援瀑布流互動，覆寫功能有限

**适用場景：**分析或統計需求簡單，不需要對埋點事件進行傳參等自定義屬性設定，頻繁上線或更新的H5類型的營運活動

• 無埋點/全埋點

  無埋點是指開發人員內建采集 SDK 後，SDK 便直接開始捕捉和監測使用者在應用裡的所有行為，并全部上報，不需要開發人員添加額外代碼，由後端來過濾和計算出有用的資料。其特點在于無論業務人員此刻是否需要統計APP某一部分，全埋點都會将該處的使用者行為資料和對應的發生地資訊照單全收下來。

  **優點：**曆史資料回溯，自動擷取啟發性資訊

  **缺點：**互動屬性有限，資料形式非業務導向，流量和采集的資料過于龐大，伺服器性能壓力山大，主流的 GrowingIO 就是這種實作方案。

  **适用場景：**分析或統計需求簡單，不需要對埋點事件進行傳參等自定義屬性設定的事件。針對快速、頻繁上線和疊代的H5類型的營運活動的評估

埋點制作流程

确認埋點目标——确認分析次元——了解産品邏輯——形成埋點方案——技術溝通——埋點實施、測試——APP上線

好的埋點方案，一定是從業務需求的角度出發，并結合自身資源和APP的産品成熟度綜合考量，确定埋點的方式及内容。在這個過程中，業務人員的角色相當重要。他作為埋點方案的設計人員，需要明确埋點的目的、未來對于埋點資料的使用方式、APP設計和布局邏輯，與技術人員深入溝通方案，并參與埋點測試，以確定從方案準備到埋點落地過程中的每一環都圍繞業務目标，進而保證埋點資料能夠滿足業務使用需求，将使用者行為資料呈現為預期形式。