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

產品埋點歸根結底一句話：想看什么數據，就埋什么點。

大約在半年前，我寫過一篇介紹產品埋點的文章。現在回看，內容寫的還不夠豐富，有些細節、語言沒有進行足夠的打磨。

正好最近有讀者讓我給講一講埋點相關的知識，不太喜歡打補丁，索性把之前的文章刪除了，看過的同學就當重新溫習一遍埋點技能；沒看過的同學，如果你想從事數據相關的產品方向，最好能mark一下。

話不多說，進入正文。

產品經理無論是在進行需求澄清，還是進行產品版本迭代的時候，都會面對領導，研發，測試，設計等人員無數個為什么。比如：為什么要把這個樓層放在另一個樓層的上面？頁面為什么要這么設計？

這個時候如果僅僅憑感覺、道理是無法有力說服對方的，長而久之會降低自己的影響力。同時，也無法形成正確的產品方法論，對自己的職業發展也頗為不利。

剛進公司，我所在的業務線的數據質量是比較慘淡的，這一切的根源就是數據收集這個過程沒有做好。而埋點又是數據收集的主要方式，所以源頭就是埋點做得很爛，主要表現在以下幾個方面：

• 產品上線不埋點；
• 有埋點的模塊數據無法正常上報，不上報，或者上報錯誤；
• 埋點錯誤，比如PC端的產品形態用了M端的埋點方式。

夏唬人開始了填坑之路，經過三個月的摸爬滾打，修復了大多數的數據問題，終于能夠支持產品日常決策。

一、關于埋點

跟周圍很多的產品經理同行聊下來，有一個很奇怪的感覺：大家對數據的重視程度確實越來越高了，無論是做產品迭代，還是做運營活動，經常會基于當前的數據現狀來做決策。

但是，很少提及數據是怎么來的，怎么保證下一次數據的可用。大多數公司的產品和數據部門是分離的，需要做數據分析提數就行。各司其責，至于是否能提到，提到數據的質量是否正確，其實產品端是模糊的，所以我覺得還是有必要先簡單聊一下埋點的定義。

1. 埋點是什么

如果非要給埋點下個定義的話，我大概會這么定義它：

數據埋點是數據產品經理、數據運營以及數據分析師，基于業務需求或產品需求對用戶在應用內產生行為的每一個事件對應的頁面和位置植入相關代碼，并通過采集工具上報統計數據，以便相關人員追蹤用戶行為，推動產品優化或指導運營的一項工程。——夏唬人

它如同每個城市的攝像頭一樣，每一個攝像頭就是一個城市的埋點，監控著這個區域發生的一切，并且記錄下來，滿足交通、市政、企業等等的管理需求。

這樣就好理解了，其實對一個產品進行埋點就如同實施一個監控系統的過程，整個系統會有一個統一的中樞系統用來傳輸數據，收集數據，但是每監控一個點就需要安裝一個攝像頭。

2. 采集的手段

就如同攝像頭是監控視頻的采集工具，埋點同樣有采集工具。而且通常會隨不同的平臺，有不一樣的埋點手段，目前常見的平臺通常包括移動端，PC端，移動設備和服務器四種平臺。

• 移動產品，經常稱之為M端，包括手機APP，內嵌H5頁面，小程序，WQ頁面等；
• 網頁產品，經常稱之為PC端，通常包括WEB頁面，PC客戶端等；
• 移動設備，比如智能手環，POS機等等各種智能設備，掌上電腦；
• 服務器，一般是指服務端服務器資源。

各種平臺常見的埋點手段如下所示（編輯問題圖片沒有顯示，后補）：

3. 埋點的分類

按照獲取數據的類型以及用戶觸發行為的不同，埋點一般可以分為以下幾種：

1) 點擊事件

用戶在應用內的每一次點擊行為，都可以記為一次點擊事件。比如按鈕的點擊，區域的點擊，商品的點擊，每一條新聞的點擊等，都可以成為一個點擊事件。

一般通過點擊事件，我們可以拿到點擊PV，點擊UV。

2) 曝光事件

曝光事件是為了統計應用內的某些局部區域是否被用戶有效瀏覽。比如推薦區域，某個按鈕，首焦等等。

比如一般來說我們在衡量頁面某個區域用戶的點擊率的時候，首先需要搞清楚的就是這個區域到底被多少用戶看到了，每被用戶看到一次就是一個簡單的曝光事件，然后才能計算點擊率。

做曝光埋點的時候需要注意兩個事情：第一，有效曝光的定義要科學，合理；第二，為了不影響頁面性能以及用戶體驗，不能在應用內的所有區域都加曝光埋點。

曝光埋點是一個非常有意思的東西，也有很多知識、細節在里面，做好曝光埋點不容易，我打算以后單獨寫一篇文章來講。

3）頁面事件

頁面事件通常是指頁面的各種維度信息的統計。常見的比如頁面瀏覽PV，頁面瀏覽UV。

頁面事件通常統計的信息包括以下幾個部分：

• 瀏覽器信息：瀏覽器版本，瀏覽器語言，瀏覽器編碼，屏幕分辨率等等；
• 訪問信息：用戶賬號，當前頁面url，上次訪問時間，訪問時長，頁面停留時間等等；
• 來源信息：廣告來源，上一頁面url等等；
• 物品信息：不同的業務，這部分信息區別很大。

頁面事件通常通過頁面參數來傳遞，這部分具體在下面講。

4. 埋點的意義

做事情要有其價值所在，做埋點同樣，它的意義在哪？我總結了一下，有以下幾個實用的方面：

• 了解用戶行為，比如用戶的使用習慣，用戶的決策路徑，用戶的注意力分布……
• 掌握產品動向，比如產品用戶量，產品所處的生命周期，目前的數據表現……
• 支持產品決策，比如新功能的上線，舊功能的迭代優化……
• 科學的diss神器，大家都懂。

以上就是關于埋點的一些基本知識，零零碎碎還有很多，這里主要講了幾個基礎的，其他大家自行了解，當然也可以和我聊。

二、埋點的流程

這個部分是主要內容，主要講一下埋點的方法，流程。不同的公司埋點的流程可能不甚相同，但是總體的步驟是一致的，否則數據遲早會出問題。很具體的細節我不會深入，但是會講一下極為重要的事項，需要引起注意。

埋點的基本流程包括如下幾步：

• 整理埋點方案；
• 埋點代碼植入；
• 埋點測試；
• 線上數據跟蹤。

1. 整理埋點方案

不同平臺，不同渠道的埋點方案都不相同，但是通常至少需要包括以下幾點內容：

• 埋點位置：即需要添加埋點相關信息的位置，比如頁面上的按鈕，搜索結果的每一個卡片，推薦位上的每一個卡片，每一個曝光區域等等；
• 埋點標識：每一個位置上面需要設置一個埋點的標識來代表這個點擊位，類似代碼里面的變量名，必須是全站唯一的，不能出現重復；
• 埋點參數：是指你想要在用戶到達這個位置or頁面，或者點擊這個位置的時候，除了正常的流量數據（pv，uv），還想看到那些數據；
• 頁面名稱：是指當前埋點所屬的頁面，有這個才能定位到當前埋點是屬于哪個頁面的數據；
• 應用標識：是指當前應用的唯一標識，有的也叫站點。用來進行數據歸屬劃分。

產品的埋點方案通常由產品經理來進行梳理，梳理完畢之后需要協同數據的同事進行確認，核對，保證方案的可行性。

2. 采集工具植入

不同于攝像頭，數據的采集工具通常為埋點代碼，不用的產品形態采取不同的埋點代碼植入，通常有三種：js文件，SDK，http請求，具體對應什么平臺，見第一章。

埋點代碼等同于一個監控系統的中樞，可以說是整個產品埋點的引擎，控制著埋點的數據的采集上報，只有它才能夠在用戶與應用發生交互的時候上報點擊位信息，曝光信息，頁面信息等等。

這塊通常是研發來做，產品經理參與。

3. 埋點測試

埋點測試是指完成埋點工作后，需要對埋點的有效性進行測試，這塊是保證埋點質量，產品上線數據可用的第一個環節。通常關注幾個部分的內容：

• 埋點代碼是否引入；
• 點擊位以及相關事件參數是否正常加入埋點；
• 數據能否正常上報。

一般在大型的公司都會有專業的工具，除了專業的工具，其實還有很簡單的方案，具體見我的課程資料。這塊通常由測試來做，產品經理參與。

4. 線上數據跟蹤

埋點上線之后，一般每個公司會提供對應的數據可視化產品用于產品數據展示。也有的公司是和第三方數據采集平臺合作，也會提供對應的可視化平臺。如果沒有這些資源那就sql提數吧，畢竟是自己的產品，看數據還是很有必要的。

另外，數據必須每天一看。如果你經歷過從某一天開始，大部分數據無故失蹤而不自知的情況，你就知道每天看數據是多么的重要了。

以上就是關于埋點的基本流程，沒有完整經歷過這個流程的，基本線上數據會出問題。如果還沒遇到，我只能說不是不到，時候未到。當然和第三方合作的有些步驟第三方幫你做了，這種的不討論了。

三、注意事項

最后，講一下我在做埋點過程中踩過的一些坑，大家有則改之，無則加勉。

• 埋點方案的梳理要越早越好，并且和開發同步，以防止相關的埋點參數接口取不到；
• 埋點一定要測試，否則會有很大的白埋率。白埋率什么意思？就是我加了埋點，但是沒有數據；
• 埋點標識需要唯一，否則數據會出現重復，一個為0，一個double；
• 埋點方案發生變動要及時同步到各方，這個好像是基本職業素養；
• 把握幾個關鍵的時間點：設計稿，提測和上線。

最后，總結了埋點12字訣，送給各位：引沒引，埋沒埋，報沒報，落沒落。

• 引：是指埋點代碼是否引入，引入的代碼是否與當前產品形態吻合；
• 埋：是指是否產品的所有模塊都添加了埋點；
• 報：是指埋點之后數據是否能夠正常上報；
• 落：是指上報的數據最后是否落到了對應的表里面。

有九陽神功護體，什么武功都是水到渠成。

埋點在我看來是一個慢工出細活的事情，做的時候把握住一個點即可：想看什么數據，就埋什么點。

埋點一定是為數據服務的，撇開數據談埋點都是扯淡。具體的埋點流程每個公司有所差別，但是總體思路絕對一致，否則一定會有線上數據問題。

以上僅僅是埋點基本知識的，后續還會出一些更詳細介紹埋點的文章，比如曝光埋點，埋點指標等，希望能幫到你。

#專欄作家#

夏唬人，公眾號：夏唬人，人人都是產品經理專欄作家。某廠策略產品經理，關注推薦，搜索，AI策略方向，用數據來賦能業務。

本文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。