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

本文作者從工作實踐出發，梳理總結了關于數據埋點的相關基本知識，與大家分享。

產品汪每天都在和數據打交道，你知道數據來自哪里嗎？

移動app端內的用戶行為數據大多來自埋點，了解一些埋點知識，能和數據分析師、技術侃大山，參與到前期的數據采集，更重要是讓最終的埋點數據能為我所用，否則可憐巴巴等上幾個月是常有的事。

埋點類型

根據埋點方式，可以區分為：

1. 手動埋點
2. 半自動埋點
3. 全自動埋點

秉承“任何事物都有兩面性”的道理：自動程度高的，能解決通用統計，便于統一化管理，但個性化定制需求難滿足，成本較低；偏手動的，能滿足個性化需求，但容易出錯和疏漏，成本較高。

上報方式：

1. 客戶端上報
2. 服務端上報

客戶端能記錄一些通用頁面PV、UV、點擊等信息，但更多細節無法覆蓋，用戶購買了什么、訂單金額、成交單數，用戶看了哪個視頻、視頻物理時長是多少等信息則需要服務端回傳，服務端上報有上線靈活、不隨版本、丟失率較低的優點。

客戶端上報埋點數據流轉如下圖：

（客戶端上報埋點數據流轉）

埋點在個性化推薦系統（詳見下一篇推送）中扮演著先頭兵的角色，采集的數據的準確性將直接影響策略方向。

端數據

由于不同端的用戶具有不同用戶特征，往往會有不同的做功點，因此，采集數據時需要區分端數據，可以通過app_id區分產品不同端，如iOS、Android、iPad、PC各端。

埋點事件

如果作為數據分析師，思考角度較高，輸出的埋點需要有“可擴展、可維護、易用性、高效性”，字少事大的典型。產品汪可降低要求，只要能看懂埋點文檔，正確提出埋點需求、知道哪些數據對應哪些埋點即可。

(埋點文檔示例)

根據場景，同一屬性的行為往往會歸為同一類埋點，成為“同一事件”，同一事件下會有相應的擴展字段來承接相關的細節信息。

事件字段

以資訊app（如今日頭條、騰訊新聞、網易新聞）為例，按漏斗思維和用戶的行為路徑拆解，有哪些數據可能需要獲取？

打開APP人數（客戶端登錄損耗）->首頁/欄目訪問人數（訪問占比）->刷新或點擊人數（刷新或點擊人數占比）->點擊人數（點擊率）->閱讀時長/停留時長（讀完率、閱讀進度）->跟帖/收藏/分享等互動行為（互動率）->回流人數（回流率、病毒傳播系數）

以上環節怎么對應上埋點？

根據行為屬性，埋點事件大致分為以下幾類，并不唯一：

埋點事件下的信息怎么看？如item_id:”114774”，冒號前是字段（key），冒號后是值（value），//后的是注釋。

以視頻瀏覽事件（_vdE）為例：

字段注意點和應用場景：

1. item_id：內容id，易錯傳為序列id
2. type：內容類型，如圖文、視頻、音頻，可區分內容類型作分析
3. referer_id：上一頁面內容id，可用于相關推薦業務的分析
4. _pt/_pi/_pm系列：定位頁面和模塊，可用于不同業務線的分析，例如首頁、要問頻道、正文頁等
5. _pre_系列：追蹤了上一級頁面，可用于用戶行為路徑分析

除了關注字段的定義和場景外，還需留意上報時機，定義盡可能周全，就以此視頻瀏覽事件為例：

1. 頁面退出（銷毀）時：點擊返回等
2. 切換到其他視頻：點擊上下集，點擊相關視頻等
3. 按home鍵退出時
4. 鎖屏時
5. app殺死時

以刷新事件（_fsE）為例：

1. direction：可供產品汪區分上拉、下拉作刷新行為的分析。你可能會發現，除自動刷新外，大部分用后喜歡上拉刷新，但下拉刷新的廣告位更值錢（有問題存在就有工作要做了）。
2. auto_type：在新session，打開app到達首頁會有一次自動刷新（即用戶沒有手動操作），可用于分析用戶主動刷新的行為。

以評論事件（_cmE）為例：

從以上埋點，我們能獲取哪些數據？

每篇內容的評論數，可區分內容類型、欄目、評論類型、位置；結合獲取到的用戶id，還可以從用戶維度分析。

以上埋點字段僅做示例說明，需要根據實際的數據需要來增刪字段，定義要明確，場景要詳盡，避免出現“想要分析次均閱讀進度，卻發現沒有相關字段”的窘境。

五花八門的用戶id

用戶id是用戶的唯一標識，是該用戶在應用里活動的“身份證”，但它在獲取的時候可是五花八門的，曾經某產品汪提供的deviceid和數據分析師手上的uuid完全對不上，ab實驗得重做，所以懂多點兒概念提前問一問準沒錯。

（用戶id獲取示例）

以iOS系統的用戶id獲取為例，先補充幾個概念。

1. IDFA（廣告標識符，Advertising Identifier），是蘋果公司提供的用于追蹤用戶的廣告ID，同一手機的不同APP對應著相同的IDFA，IDFA可通過以下步驟重置：設置-隱私-廣告-還原廣告標識符。因為IDFA會存在取不到的情況，因此需要選用其他的ID作為DeviceID。在取不到IDFA的情況下，選用IDFV。
2. IDFV（Vindor標示符，IdentifierForVendor），一般用于追蹤用戶在應用內的行為，每個設備在所屬同一個Vender的應用里值是相同的。如果用戶刪掉了該vender的所有APP，IDFV將會被重置。
3. UUID（通用唯一標識碼，Universally Unique Identifier），通用唯一識別碼，每次生成均不一樣；第1次生成后UUID后，需要保存到鑰匙串（keyChain）中；應用被刪除再重裝時，仍然可以從鑰匙串得取到UUID；在一臺設備上，同一個開發者賬號的所有APP，可獲取到相同的UDID；刷機或者重新安裝系統后，UUID將重新生成。

鑒于沒有任何一種標識符能百分百準確獲取，且為了盡可能獲取用戶id，會有一個退而求其次的獲取邏輯，即先取IDFA的值，取不到IDFA時去取IDFV的值，再取不到時IDFA時，則生成UUID。

獲取用戶id邏輯示例：

• iOS：先取user-DA；如果user-DA為空或者為00000000-0000-0000-0000-000000000000，取user-DV；如果user-DV為空，取deviceid
• Android：先取imei；如果imei為空或者為02:00:00:00:00:00，取deviceid

埋點踩過的坑

字段和值

• id字段指內容id，錯傳序列id，導致無法讀取用戶瀏覽的內容，丟失用戶閱讀歷史（影響個性化推薦）。
• 當內容是合集時，item_id傳合集id還是主視頻id需提前定義

上報時機

• 需明確定義，如：不同端的文章瀏覽事件切換前后臺時的上報時機需統一，Android切前后臺都上報，iOS僅切前臺時上報，導致兩端的人均閱讀數差異大。
• 需正確上報，如：視頻瀏覽事件出現同一個用戶的同一條數據重復上報（事件、時間戳、用戶id等都相同），使統計的瀏覽量偏大。

統計

• 栗子1：過濾瀏覽事件中時長>=10 ms 和? ? ?時長<10000000 ms 的異常數據。
• 栗子2：過濾刷新事件中單個用戶每天幾千幾萬次刷新的異常數據。

埋點注意點

1. 埋點問題需跟版本修復，bug修復周期長：手動埋點如果出現漏埋或埋錯的情況，必須依賴下一個版本發版，才能看到數據（發版還需時間覆蓋，很傷），想周全+多測試=高效率
2. 定義明確，格式規范，正確上報
3. 測試環節很重要（老生常談）

日常反饋bug姿勢

產品汪反饋bug是家常便飯，甩個bug截圖可能會被忙碌精分的開發直接無視，掌握反饋bug的正確姿勢：

1. 截圖
2. 提供自己的app賬號或手機信息
3. Android：提供imei（手機數入*#06#可自助查詢）
4. iOS：提供idfa（抓包查詢）
5. 說明時間和場景，給開發補充上下文，方便定位問題

走上述流程，開發一定覺得你可愛無比。

結語

只要產品仍在迭代，就需要更新埋點以供數據分析使用，可以說埋點將伴隨產品終生，攜手埋點，頭發也將越來越少，且行且珍惜。

本文由 @張小喵Miu 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。