起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識學會這個數據分析技能，保你超越90%大廠設計
在數字化時代，數據分析已成為產品設計和優化不可或缺的一環。本文將帶你深入了解數據埋點的奧秘，揭示如何通過用戶行為數據來支撐和優化設計方案。
“請問你的設計依據是什么？為什么A功能放在前面，B功能放在后面？這個功能的用戶場景確定是這樣的嗎？你是否有明確的用戶數據分析？”
不知你們是否遇到過類似的場景，每當我們絞盡腦汁完成功能設計后，興高采烈地拉上團隊開發、測試進行設計評審，但卻常常因為缺乏用戶數據從而受到開發人員對設計方案的質疑，最后導致方案推翻或擱置。
設計方案缺乏用戶數據支持時，就如同在黑暗中摸索，無法準確判斷方案的可行性和有效性。
為了讓設計方案更具說服力，避免同樣傷心的事情再次發生，這就引出了一個關鍵知識 —— 用戶行為數據。
所以，今天想跟大家聊一聊如何通過數據埋點獲取用戶數據，以及一般我們最常關注的用戶數據有哪些。
一、什么是數據埋點？??
假如你正在經營一家超市，為了了解顧客的購物習慣和喜好，例如，觀察顧客進入商店后的第一個去哪個區域，他們在哪些貨架上停留的時間較長，哪些產品更容易吸引顧客購買等，你采取什么樣的方案？
我會安裝攝像頭和傳感器在重要位置來觀察、記錄顧客在商店里的行為。
收集到這些信息后，根據用戶行為調整商店布局、貨架擺放和產品陳列，把用戶喜歡的放在明顯的地方，銷售較少的放在隱藏位置，從而提高銷售額。
而數據埋點就是用戶行為的“監控器“，在應用程序或網站中的作用與此類似。
我們通過在代碼中的特定位置設置“監控點”，當用戶與這些位置進行交互（例如點擊按鈕、瀏覽頁面等）時，從而收集到用戶數據。
這些數據可以幫助我們了解用戶的行為和需求，從而優化產品功能、界面和營銷策略。
例如，在一個購物網站中，你可能會在“加入購物車”按鈕上設置一個數據埋點。當用戶點擊該按鈕時，就可以記錄用戶的 ID 、商品 ID 、點擊時間等信息。
通過分析這些數據，你可以了解哪些商品更受歡迎、在什么時間段用戶購物活躍度較高等，從而制定更有針對性的促銷活動和優化產品推薦。
二、數據埋點的原理與方式
其實，數據埋點的原理十分簡單，就是開發根據我們的數據埋點方案，在系統中植入統計信息代碼。
當用戶與系統進行交互時，系統會捕捉用戶行為數據，這就是數據埋點。后續我們會根據獲取到的數據設計可視化分析頁面，分析用戶行為。
以電商平臺為例，用戶在商品詳情頁的瀏覽、點擊購買按鈕、加入購物車等行為，都是數據的來源。
當用戶觸發這些行為時（例如點贊、評論、分享等），埋點代碼會將這些行為數據收集起來提供給我們進行分析。
那么，數據埋點的方式大致分為兩種：第三方數據埋點與自研埋點；
1、第三方數據埋點
顧名思義，第三方埋點就是使用第三方提供的標準化的SDK或API，快速集成到應用程序或網站中，實現快速部署和數據采集。
其好處是可以快速利用第三方技術實現數據埋點，提供穩定的技術支持和更新服務，減少自身的開發成本。
但缺點是使用第三方埋點工具需要向第三方提供數據隱私和敏感信息，存在數據泄漏的風險。
因此，第三方埋點一般適用于用戶數據敏感性較低，且節約開發成本的中小型企業。
常見的第三方埋點平臺有神策數據（https://www.sensorsdata.cn/demo/demo.html）或百度統計（https://#baidu.com/web5/welcome/login）等。
他們為企業提供十余個產品分析模型，如事件分析、漏斗分析、留存分析、歸因分析、用戶路徑分析等。
能幫助企業全面且深入地了解用戶行為，助力企業進行精準的業務決策和產品優化。（有興趣的可以去他們官網研究，我們不展開詳細討論）
2、自研埋點
自研埋點即通過自身開發技術來進行系統數據埋點，其優點是靈活性高，可以根據業務需求隨時調整和優化埋點方案，快速響應市場變化和業務調整，確保數據采集的精準性和完整性。
缺點是技術門檻高，自研開發埋點需要企業具備較為深厚的技術實力，從需求分析、方案設計、開發實施到后期的維護更新，每一個環節都需要專業的技術人員參與。
此外需要企業有一定維護成本，自研開發埋點上線后，隨著業務的發展和技術的更新，數據采集系統可能需要不斷地進行升級和優化，這需要企業持續投入資源。
因此，自研埋點適用于技術能力強、用戶數據敏感且有足夠研發資金的大型企業，中小型企業建議還是采用第三方埋點即可。
三、撰寫數據埋點方案
撰寫數據埋點方案可以用Excel或者word撰寫，我一般習慣使用Excel。
在撰寫數據埋點方案時，需要綜合考慮項目的目標、用戶行為、業務流程以及關鍵性能指標等多個方面。
一個完整的數據埋點方案通常應包含以下字段和要素：
1、埋點模塊與區域
模塊名稱：明確埋點所在的模塊或功能區域，如首頁、商品詳情頁、購物車等。
區域描述：具體描述埋點所在的位置，如頁面頂部、中部、底部或某個按鈕、卡片等。
2、操作行為
事件類型：定義需要跟蹤的用戶行為事件，如點擊、滑動、頁面瀏覽等。
事件描述：詳細描述事件的具體內容，如“用戶點擊購買按鈕”、“頁面加載完成”等。
3、統計標準
統計方式：明確事件的統計方式，如點擊次數、曝光次數、停留時長等。
觸發條件：定義事件觸發的具體條件，如“用戶點擊按鈕后觸發”、“頁面加載完成后觸發”等。
4、參數記錄
用戶信息：如用戶ID、設備ID、用戶名（脫敏處理）等，用于標識用戶身份。
時間信息：如事件發生的時間戳、會話ID等，用于記錄事件發生的時間。
位置信息：如IP地址、GPS位置等，用于記錄用戶行為發生的地點。
事件屬性：如按鈕ID、頁面ID、商品ID等，用于描述事件的具體屬性。
其他信息：如網絡類型、系統版本、設備型號等，用于記錄事件所處的環境。
5、備注
特殊說明：對埋點的特殊情況進行說明，如某些事件可能只在特定條件下觸發。
變更記錄：記錄埋點的變更情況，如新增、修改、刪除等。
實施部分可以直接交給研發處理，在后續環節中與研發討論確認細節。比如記錄 UV 時，用什么作為唯一憑證？
可以是手機號，不過會因為需要接受驗證碼或要求登錄從而對參與性要求較高；
當然也可以是 IP，但當前用戶訪問頁面時所在網絡的 IP 地址會因為切換網絡或使用代理進行變更，不好判斷唯一等問題。
四、B端產品與C端產品常見的用戶數據
其實撰寫數據埋點方案并非難點，因為只要熟練掌握埋點方案工具就行。
而數據分析的難點在于當我們遇到問題時，應該分析什么產品用戶數據，哪些數據能夠幫我們解決核心業務問題，這才是數據分析必須掌握的技能。
因此，最后一趴我們一起來看看C端產品與B端產品常見的用戶數據。
1、C端產品數據
（1） 用戶行為數據PV/UV與頁面停留時間
PV/UV：頁面瀏覽量反映了產品各個頁面被訪問的總次數，通過分析不同頁面的 PV 數據，可以了解用戶對不同功能模塊的關注度。
獨立訪客數則表示訪問產品的獨立用戶數量，有助于評估產品的用戶覆蓋范圍和吸引力。在電商產品中，首頁的 PV 和 UV 較高，說明產品的入口流量較大；
而某個特定商品頁面的 PV 和 UV 上升，可能意味著該商品近期受到更多用戶關注。
頁面停留時間：衡量用戶在特定頁面上停留的時長，反映了用戶對該頁面內容的興趣程度和信息獲取的難易程度。
如果某個頁面的停留時間較短，可能需要優化頁面布局、內容呈現方式或提高加載速度，以提升用戶體驗。
以新聞資訊類產品為例，用戶在一篇文章頁面的停留時間較長，說明文章內容具有較高的吸引力。
（2） 用戶留存與用戶活躍數據
用戶留存：包括次日留存、7日留存、14日留存、月留存，用戶留存的計算為：用戶在初次使用某功能/某產品后，X天內再次使用，則為用戶留存。
用戶留存反映了用戶在一段時間后仍然繼續使用產品的比例，是衡量產品用戶粘性和可持續發展能力的重要指標。
用戶活躍數：用戶活躍分為日活用戶（DAU）、周活用戶數（WAU）和月活用戶數（MAU）。反映了產品的用戶活躍度和市場競爭力，例如我們經常聽到小紅書日活用戶超過3億，那就證明這款產品的市場競爭力強。
（3） 功能轉化率（注冊、購買等）
功能轉化率：用于查看某些功能的轉化率，通過轉化率數據思考用戶使用流程，例如某金剛區有4個功能，我們可以通過查看這四個功能的轉化率從而判斷這些功能對用戶的重要性。
2、B端產品數據
（1） 用戶行為數據：功能使用率、操作時長、操作錯誤數
功能使用率：了解各個功能模塊被用戶使用的頻繁程度。例如，在企業管理中，項目管理模塊、財務管理模塊使用頻率可以反映不同業務部門的工作重點和需求。
操作時長：衡量用戶完成特定操作所需的時間。比如，在數據錄入、報表生成、審批流程等環節的操作時長可以反映系統的易用性和效率。
操作錯誤數：統計用戶在使用過程中出現的錯誤操作情況。這可以幫助發現系統中容易導致用戶犯錯的地方，如復雜的表單填寫要求、不明確的操作提示等
（2） 業務流程數據：流程轉化率、任務完成時間、流程中斷率
業務流程轉化率：監測業務流程中各個環節的轉化情況。例如，在銷售管理系統中，從線索獲取到客戶成交的各個階段的轉化率可以反映銷售流程的有效性。
任務完成時間：記錄用戶完成特定業務任務所需的時間。對于企業來說，高效的業務流程可以提高生產效率和競爭力。
流程中斷率：計算業務流程在執行過程中被中斷的比例。中斷可能是由于系統故障、用戶操作錯誤、業務規則變化等原因引起的。
（3） 用戶反饋數據：用戶滿意度、功能需求反饋
用戶滿意度：定期進行用戶滿意度調查，了解用戶對產品的整體滿意度、功能實用性、易用性、技術支持等方面的評價
功能需求反饋：收集用戶對產品功能的需求和建議。用戶在實際使用過程中可能會發現一些新的業務需求或現有功能的不足之處
最后，數據分析是產品設計的關鍵
回應文章開頭的質疑，我們可以通過用戶數據進行回應：
“我們在設計前做了用戶調研，通過數據分析得知，同樣場景下，A功能轉化率23.4%，B功能轉化率20.3%，因此對于用戶而言，A功能優先于B功能”
學會數據分析后，我們可以通過用戶行為數據支撐我們的設計方案，提升設計方案的可靠性。
好啦，以上正是這次文章的全部內容，我知道童鞋們對數據分析工作稍微陌生，但恭喜你開始入門啦！
如果你還想進一步學習了解更多數據分析知識，歡迎一起溝通討論，下次見??~
作者：北沐而川 公眾號：北沐而川
本文由 @北沐而川 原創發布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基于CC0協議
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
1