我們平時所說的埋點，可以大致分為兩部分，一部分是統計APP頁面訪問情況，即頁面統計；另外一部分是統計APP內的操作行為，及自定義事件統計。

一、頁面統計

頁面統計，可以統計應用內各個頁面的訪問次數（PV）,訪問設備數（UV）和訪問時長，以及各頁面之間的流向關系。

1.1 頁面訪問數

頁面訪問次數，即當前頁面的被訪問的次數，即瀏覽量PV；舉例：首頁，訪問次數，1000次；

頁面訪問人數，即訪問該頁面的活躍用戶數，即獨立訪問數UV；舉例：首頁，訪問人數，100次；

1.2 頁面訪問時長

頁面訪問時長，用戶在頁面的停留時長，即首頁受訪時長的總和；舉例：首頁，訪問總時長，2小時；

1.3頁面流向分布

頁面流向（走向）分布，可統計出，當前頁面和下一個頁面（有多個）的流向關系；

舉例1：在“商品詳情”這個頁面中，可以進入“購買”、“收藏”、“返回列表”、共3個頁面，即在“商品詳情”頁，可能的流向分布為：

其中，用戶在該“商品詳情”頁面，沒有進入對應的3個頁面，即視為“離開應用”，在頁面流向分布，有2個常見問題：

?問題一：頁面流向分布中，僅有離開應用這一個指標？

造成這種情況的原因，可能有以下兩點：

• 用戶在該頁面全部選擇了離開用戶（這種概率相對很?。?；
• 該頁面的下一級頁面，沒有做埋點，導致所有的下一級頁面都沒有數據，其結果就是離開應用的占比為100%；

問題二：頁面流向分布中，離開應用的占比非常高，達到了40%以上？

與問題一類似，如果沒有為每個頁面添加統計代碼，會導致這些頁面統計不到，那么跳轉到這些未添加統計代碼的頁面，將會被視為離開應用。

備注：頁面流向分布的計算方法

頁面的統計數據中，會返回以下數據：當前頁面名稱，來源頁面名稱，當前頁面訪問次數；

舉例2：參照舉例1中的頁面流向分布，假定的頁面統計數字如下：

則，商品詳情流向購買頁面的占比為：在購買頁面中，來源為商品詳情的次數與商品詳情總次數的比值，即20/100*100%=20%；

依次類推，可以分別計算出商品詳情流向收藏、商品詳情流向返回列表的占比；

離開應用的占比，即為1-(20+30+30)/100*100%=20%。

二、自定義事件統計

自定義事件，即記錄用戶的操作行為（如點擊行為），記錄用戶操作行為中的具體細節；一般來說，通常所說的埋點，指的就是自定義事件。

埋點可以是某個按鈕，某個點擊區域，某個提示，甚至可以用來統計一些特定的代碼是否被執行。在APP中，需要在代碼中定義一個事件行為。

2.1簡單事件統計

簡單事件統計，即記錄事件的發生次數（可理解為PV）和事件發生人數（可理解為UV）。

以下面的登錄頁為例：

其事件統計的結果為：

事件ID，即EventID，該名稱可由程序員自行定義（按照APP統計平臺，如友盟、talkingdata等提供的事件ID命名規范進行命名），將該事件ID寫入需要跟蹤的位置中即可。

事件名稱，可以理解為事件ID的一個中文翻譯名稱，是為了方便運營人員查看，事件名稱命名是在APP上線后，該事件ID有數據后的一個事后行為，通常是在APP數據平臺中定義（如果你樂意，你可以把input_number這個事件ID的事件名稱改為：用戶在這里輸入手機號）。事件名稱只是事件ID在前端頁面的一個顯示名稱。

事件發生次數，即該事件總共發生的次數；可以理解為，在每個事件中，都會有個事件ID計數器，每當該事件被觸發時，事件數即加1；

事件發生人數，即該事件的發生人數（有些APP統計平臺也稱之為：達成該事件的用戶數、獨立用戶數）；參考事件發生次數，可以理解為，在每個事件中，都會有個事件ID計數器，每當該事件被觸發時，同時記錄下該用戶的唯一標識，事件數即加1；事件發生人數，即根據用戶唯一標識，對事件發生次數進行去重。

2.2事件轉化漏斗

事件漏斗，即按照一定的事件順序，依次統計各個事件之間的轉化率，如我們可以對登錄注冊中的一些關鍵步驟進行事件漏斗分析，如輸入手機號碼，獲取驗證碼、輸入驗證碼等，以2.1中提到的登錄過程為例，其漏斗可設置為：輸入手機號碼->獲取驗證碼->輸入驗證碼->點擊登錄按鈕，即由4個事件組成的漏斗。

根據對應的事件數（設備數），即可計算出各個事件的轉化率，如輸入手機號碼發生人數為5000次，獲取驗證碼的次數為4000人數，那么輸入手機號碼后點擊獲取驗證碼的轉化率為4000/5000*100=80%。如下表所示：

2.3利用事件參數進行精確統計

為方便對相同類型的事件類型進行歸類，在事件統計中，提供了事件標簽（label）的方法；即相同類型的事件可以使用相同的事件ID和不同的事件label，通過事件ID+事件label的方式，指代一個特定的事件。

在進行事件統計時，為了為了統計一些特定的行為數據，如商品價格，商品類型等具體數據，提供了事件參數的方法，通過使用key-value的方式，記錄該事件的詳細記錄。

事件ID、事件label、事件參數的關系，如下圖所示：

舉例，在一個購買行為中，運營人員想查看用戶在整個購買流程的詳細參數，那么可以通過以下的事件埋點方式進行埋點；在這個購買行為中，購買就是事件ID，瀏覽商品詳情，收藏該商品，加入購物車等，就是一個一個的事件label；在瀏覽商品詳情中，“商品類型：電子產品”，“商品價格：1-100元”……，等，就是一對一對的key-value值，如下圖所示：

通過對商品價格的分析，可以統計得出，用戶所選擇的商品價格的分布情況。

三、結語

在APP埋點中，我們可以統計得出各個APP頁面和各個用戶操作行為的數據，我們也可以計算得出任意幾個事件之間的轉化數據。當然，考慮運營分析中的實際意義和各APP數據統計平臺的計算能力等因素，建議統計關鍵路徑的事件數據。

APP埋點所得出的數據，對優化設計流程，優化運營推廣策略有著極其重要的作用，通過埋點數據可以更好去了解用戶，更好地提供產品服務。

歡迎各位看官打賞~~

相關文章

從產品角度透析「事件轉化漏斗」

不進行APP埋點的情況下，SDK可以收集到哪些數據？

作者：十三先，微信公眾號：產品者也

本文由 @十三先 原創發布于人人都是產品經理。未經許可，禁止轉載。