中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導讀：數據埋點是指在產品中加入統計代碼做用戶行為數據的收集，對于產品迭代和運營策略調整有很大的幫助，但是，很多公司對于數據埋點總是用不起來。本文作者對此進行了分析，希望對你有幫助。

數據埋點，也叫數據打點，是指在網站或者APP中加入一些統計代碼進行用戶行為數據的采集，通過分析埋點數據，來幫助產品做迭代及運營調整策略。

埋點的價值以及正確埋點的重要性，基本上所有的產品或者數據相關人員都得需要了解。埋點的數據價值很多公司都有清晰的認識，但為什么有的公司埋點總是用不起來呢？

一、埋點之痛

埋點的數據價值是一個數據驅動型的互聯網公司需要認真考慮的事情。很多公司都有自己的埋點，但埋點數據卻因各種原因用不起來，或者叫很難用好。埋點體系上涉及到的干系人非常多，而每一環又都不可或缺，任何一環的不重視都會導致埋點出問題。我想很多數據從業人員都知道埋點數據價值，但基于各種歷史原因和現狀卻經常會感嘆“”埋點數據怎么這么難用”。埋點之痛，不經歷過埋點體系的從業務無法感同身受。

我們首先來梳理下多數公司 埋點治理體系的干系人及其痛點。一般埋點體系涉及到的人員有：業務方（常說的需求方 市場運營團隊），產品（專指前端APP產品，部分公司由APP產品經理代提埋點需求），開發（埋點開發人員），測試（埋點數據測試），數據（包括兩類角色：數據工程師，解析埋點并規范落庫；數據分析師：使用埋點數據進行取數或分析）。

在數據產品經理這個角色慢慢成形之前，一般是由業務團隊的前端產品或者業務團隊商業分析師來提埋點需求，目前很多中大型公司會有專門的數據產品經理來負責埋點需求和全流程。那我們來總結下，這些角色的“埋點之痛”：

1. 業務方

1）埋點需求告訴產品了，但最后的數據卻不是我想要的，沒解決我的問題

2）想要做分析卻發現數據不支持，該埋得點沒埋或埋錯了，不該埋點埋了一大堆

2. 產品

1）各條產品線各個功能模塊產品各負責各自的埋點，很難全局規劃和統一

2）除了負責功能需要，還要負責埋點需求，事情忙起來，根本無暇顧及埋點需求

3）業務一句話需求，也不說明白想要看什么指標，想分析什么運營

3. 開發

1) 產品這邊五花八門埋點需求文檔，我到底按哪個的標準來？

2) 嵌套到業務邏輯中的埋點代碼，看著頭疼，以后怎么維護？

3) 每次埋點都需要重新發版，埋點相對業務功能滯后，影響業務功能開發及上線進度

4) 有些APP業務端需求火急火燎，根本沒時間詳細考慮這塊埋點

4. 測試

1）埋點設計需求不清晰，沒個測試驗收標準，怎么測都測不準

2）埋點功能嵌入到業務邏輯代碼里面，每次測埋點都要重新走一遍流程

3）埋點事件存在性好測，埋點數據準確性，測的我心累

5. 數據分析

1）同一個埋點類型，存在無數個事件，讓我怎么做統計分析？

2）事件定義的不清楚，問了開發和產品，問死都問不出來個所以然

3）做個行為數據的BI，業務怎么老說數據有問題

想必各位數據人或多多少都會碰到上述問題，埋點之難，難道真的無法解決了嗎？到底是人出了問題還是流程體系出了問題？

二、規范埋點治理流程

很顯然，埋點治理流程不對是導致埋點數據難以治理的根本原因。沒有一個核心人物對埋點數據負責，那必然導致事不關己高高掛起。那到底應該由什么角色來牽頭負責埋點全生命周期，保障埋點數據可用性呢？筆者基于自己公司的實踐經驗，總結出 可以由 數據人員（具體可以是數據產品經理）來把控埋點需求流程，統一設計埋點需求，并對埋點數據可用性負責?；趥鹘y的埋點（前端產品/分析師）提需流程，經過優化后建議的提需流程如下：

業務需求統一匯集到 前端app產品處，然后app產品和數據部數據產品對接埋點業務需求，同時app產品產出PRD后給到數據PM，數據PM基于前端PRD來設計埋點需求，出埋點需求文檔（DRD）。這里面數據PM會和前端產研有多次交互，一個好的交互方式能及時消除信息不對稱，筆者經過實踐，為提高整體埋點治理效率，總結出如下整個埋點生命周期流程中 前端功能需求和埋點需求協同的節奏：

經過幾個月的實踐，我們發現埋點治理新流程有如下優勢：

• 統一了埋點需求入口和出口
• 統一了埋點設計規范
• 加深了數據對產品業務的理解
• 產出了更多的有價值數據應用

當然也有一些缺點，比如數據和產研頻繁交互會更多，溝通成本會上升，這一點也可以在具體實踐中不斷優化流程，達到最優最合適的效果。

那具體新的埋點治理流程到底能有啥效果，能不能量化評估，接下來談談我們是怎么去評估這套新流程的效果。

效果評估：

效果評估從兩個維度來：準確的數據應用產出，解決了流程干系人的痛點。

比如之前數據很難用，因為數據質量問題，幾乎就只能做少量分析；現在統一流程和規范后，數據分析同學能基于埋點數據產出很多（取數，分析，BI，甚至行為數據產品）。之前流程干系人的埋點之痛，現在大多數也都解決了。

具體過去和現在對比如下：

下一步規劃：

統一和規范了埋點治理流程 是實現埋點治理的關鍵的一步，也是埋點整體治理體系的第一步。公司要根據自身業務發展的階段，公司的研發資源，成本等來綜合評估是否還要進一步完善埋點治理體系。一個完整的埋點治理體系，除了統一埋點提需流程，還包含 打通各業務線，做統一的埋點事件設計，統一的埋點管理平臺，統一的埋點測試平臺，統一的行為數據分析平臺。具體這些平臺如何來實施，后續有空再分享。

當然，埋點數據的價值應該被高層所重視，建議能自頂向下推動數據驅動業務的文化，如果沒有這層驅動，相關人員是無法有真正動力去做流程體制改造，建設多個埋點系統的。還有，數據部的同學要主動承擔起這份責任，用數據驅動業務思想去影響業務和產研同學，只有他們覺得他們做的埋點真的有應用價值了，他們才會花時間去重視。

筆者的經歷有限，分享的經驗并不能完全代表其他公司的埋點治理情況。各位數據同行們，對于埋點治理體系 有任何的想法，對我的分享有任何建議，歡迎溝通。

本文由 @乘風隨行 原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議