深入理解埋点

什么是埋点

埋点分析，是网站分析的一种常用的数据采集方法。数据埋点分为初级、中级、高级三种方式。数据埋点是一种良好的私有化部署数据采集方式。

数据埋点分为初级、中级、高级三种方式，分别为：

初级：在产品、服务转化关键点植入统计代码，据其独立ID确保数据采集不重复（如购买按钮点击率）；

中级：植入多段代码，追踪用户在平台每个界面上的系列行为，事件之间相互独立（如打开商品详情页——选择商品型号——加入购物车——下订单——购买完成）；

高级：联合公司工程、ETL采集分析用户全量行为，建立用户画像，还原用户行为模型，作为产品分析、优化的基础。

简单来说，埋点就是在网站或APP中加入一些程序代码，用以收集和统计用户在该网站/APP中的浏览、访问数据和应用使用情况，分析用户交互行为，从而帮助产品和运营进行后续优化。

我们平时所说的埋点，可以大致分为两部分，一部分是统计APP页面访问情况，即页面统计；另外一部分是统计APP内的操作行为，及自定义事件统计。

而数据收集和分析的意义是什么呢？

不同的人对于埋点有不同的目标。

比如对于版本的某个功能，产品可能只是想埋点以了解：

l新功能是否得到用户的认可和使用？

l用户使用的场景和路径是怎样的？顺畅吗？

l是否需要针对反馈回来的数据，进行分析改进功能？

而对于某个广告和运营活动的投放，关注的可能是：

广告的展示率、用户的点击率、转化率、甚至是商业盈利等

总而言之，埋点本身其实是对于自己所设计的产品的有一个可视化健康检查，通过逻辑和数据，贯穿产品的整个生命周期，使产品逐步达到最佳状态从而实现硅谷最近所谓的“Growth Hacker”的效果。

埋点三大类型

• 手动埋点/代码埋点

  所谓的代码埋点就是在你需要统计数据的地方植入N行代码，统计用户的关键行为。比如你想统计首页某个banner的点击量，上报的数据可以采用KEY-VALUE形式，我们定义 KEY为「CLICK_ADD_BTN」，VALUE的值为点击的次数。当用户点击banner时，banner详情的代码会通过按钮的「回调」来触发执行，程序猿在业务代码执行完后，又加上了统计代码，把「CLICK_ADD_BTN」对应的VALUE加1，banner被统计到了一次使用。

  优点：

  使用者控制精准，可以非常精确地选择什么时候发送数据；使用者可以比较方便地设置自定义属性、自定义事件，传递比较丰富的数据到服务端。

  缺点：

  埋点代价比较大，每一个控件的埋点都需要添加相应的代码，不仅工作量大，而且限定了必须是技术人员才能完成；更新代价比较大，每一次更新，都需要更新埋点方案，然后通过各个应用市场进行分发，而且有的用户还不一定更新，这样你就获取不到这批用户数据。

  **适用场景：**有具体的业务分析需求，需要对埋点事件进行传参等自定义属性设置。

• 可视化埋点/无码埋点

利用可视化交互手段，数据产品/数据分析师可以通过可视化界面（管理后台连接设备） 配置事件，如腾讯移动分析的可视化埋点。

**优点：**业务方工作量少，无需开发支持

**缺点：**不能自定义交互事件属性，不支持瀑布流交互，覆盖功能有限

**适用场景：**分析或统计需求简单，不需要对埋点事件进行传参等自定义属性设置，频繁上线或更新的H5类型的运营活动

• 无埋点/全埋点

  无埋点是指开发人员集成采集 SDK 后，SDK 便直接开始捕捉和监测用户在应用里的所有行为，并全部上报，不需要开发人员添加额外代码，由后端来过滤和计算出有用的数据。其特点在于无论业务人员此刻是否需要统计APP某一部分，全埋点都会将该处的用户行为数据和对应的发生地信息照单全收下来。

  **优点：**历史数据回溯，自动获取启发性信息

  **缺点：**交互属性有限，数据形式非业务导向，流量和采集的数据过于庞大，服务器性能压力山大，主流的 GrowingIO 就是这种实现方案。

  **适用场景：**分析或统计需求简单，不需要对埋点事件进行传参等自定义属性设置的事件。针对快速、频繁上线和迭代的H5类型的运营活动的评估

埋点制作流程

确认埋点目标——确认分析维度——了解产品逻辑——形成埋点方案——技术沟通——埋点实施、测试——APP上线

好的埋点方案，一定是从业务需求的角度出发，并结合自身资源和APP的产品成熟度综合考量，确定埋点的方式及内容。在这个过程中，业务人员的角色相当重要。他作为埋点方案的设计人员，需要明确埋点的目的、未来对于埋点数据的使用方式、APP设计和布局逻辑，与技术人员深入沟通方案，并参与埋点测试，以确保从方案准备到埋点落地过程中的每一环都围绕业务目标，从而保证埋点数据能够满足业务使用需求，将用户行为数据呈现为预期形式。