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
榮耀標識產品經理整理埋點需求的6個步驟
編輯導語：數據分析在一定程度上可以幫助梳理需求，進而推動業務迭代優化，因而對于產品經理而言，了解與數據分析相關的內容便尤為重要。其中，數據埋點需求應當如何梳理？本篇文章里，作者總結了產品經理整理埋點需求的幾大步驟，不妨來看一下。
互聯網發展到現在這個階段，數據驅動已經被很多人認同甚至奉為圭臬，因為有效所以擴散，觀察和分析數據是產品崗位的標配了，所以對于一個產品經理來說這是必備技能之一。
從市面上各種數據分析課程和python課程以數據爬取和分析為賣點，數據熱潮可見一斑。人重要的是順勢而為，既然市場有需求當然要會。
對數據的使用是分為采集、清洗、存儲、提取、挖掘、分析這些部分的，采集、清洗、存儲、提取是技術在處理，挖掘和分析一般是數據分析師和產品、運營等在看，各有分工。
但是源頭還是需要產品或者運營來梳理，因為技術通常并不知道要采集哪些數據，所以就需要產品提供數據采集說明，也就是埋點需求的說明文檔。
那么埋點需求怎么梳理？
第一步，確定公共數據點，主要是用戶屬性和設備屬性。
用戶屬性和設備屬性的樣例見下圖
公共數據點其實一般來說都是不變的，一旦確定之后很少修改，所以復制粘貼即可。
因為一般不會變化所以在第一次提的時候需要盡可能的提全面，因為如果是后續補充的話歷史數據是無法追溯補充的，分析的時候可能就會有維度缺失。
第二步，確定一下產品需求的范圍，也就是這次需求優化了哪些地方，把需求涉及到的app端頁面全部梳理出來-不分原生或者H5，單列一個表格，每個頁面列成一條。
第三步，把頁面上涉及到的所有按鈕補充到對應頁面的下方，也單列一條。譬如一個注冊頁面，一般會有獲取驗證碼按鈕、注冊登錄按鈕，每一個按鈕都需要單列一條。如果是二級頁面，左上角的返回按鈕可列可不列，一般也不重要。
第四步，把數據埋點需求表填充完整。這就是一個填充的過程，不遺漏就行，比較需要關注的是埋點由前端埋點還是后端埋點，這個需要根據情況定一下，一般來說如果僅僅是時間譬如訪問和點擊這種就做前端埋點，但是需要有結果的，譬如帖子發布成功這種的就做后端埋點。如果不確定可以和技術討論一下。
埋點需求的樣表是這樣的，大家可以做個參考。
第五步，埋點需求表理完之后最后需要做一下核對，看一下是不是完整了。怎么核對呢？根據數據統計需求去核對，看一下配套要做的數據統計報表能不能根據這些頁面埋點統計到，如果可以的話一般問題不大。如果有遺漏的補充一下。
敲黑板：這是最重要的一步。
校驗內容你可以按照以下步驟去做：
1）看一下中英文的命名是不是正確，有沒有重復。正確一般不是問題，但是重復這個可能時間長了會有出現，尤其是英文名，畢竟大家英文一般都不6，所以在命名的時候尤其是尤其要注意，取個巧的方法是拿著中文去百度翻譯成英文，如果重復換一個或者加001這種以示區分。
2）看事件定義完不完整，夠不夠清晰，如果是剛開始寫的可以拿公司的歷史文檔去比對，照著改就行。
3）事件觸發的時機對不對，如果是按鈕的話其實問題不大，就是個點擊事件，如果是頁面訪問一定要寫清楚是頁面100%加載完成。
4）埋點的前后端區分對不對，這個之前也有講，如果只是事件本身其實一般做前端埋點，如果還要統計結果，譬如提交內容成功這種的就需要做后端埋點。
5）屬性定義完不完整，屬性會包含很多東西，譬如類型、渠道之類的，會有多個，在這個時候一定要看一下是不是全部包含了，漏掉的話在統計的時候就會有問題，雖然技術后面可能還會來確認，但是少讓技術問比較好，人設靠譜。
第六步，給技術看一下，看看是不是有哪些地方需要進一步細化說明，針對性地做補充說明。這個步驟一般就是細節沒講清楚，譬如頁面訪問，那么什么情況下定義為一次訪問，需要說明這個頁面100%加載成功了才算一次訪問。
埋點需求交付以后技術會排期開發，開發完之后的驗收也是一個比較重要的環節，根據我們的經驗埋點通常會有遺漏或者采集不完整、采集不準確的情況。
那么埋點數據怎么驗收呢？
如果你有技術背景，那么就去看操作之后相應的數據字段有沒有入庫；如果沒有技術背景那么就去看統計報表上會不會反應出來。譬如你打開一個頁面，就去看一下統計報表上這個頁面的訪問人數和訪問次數有沒有+1。
埋點驗收是需要一個一個頁面、一個一個操作看過去的，所以可以結合頁面驗收一起做。
那么驗收了之后就沒有問題了嗎？
不是的，實際上我認為即便是做了驗收，也無法徹底解決數據不準確的問題，因為會有數據污染的問題，單次驗收僅僅只是個例，而數據污染可能是個普遍性的問題。
從實踐經驗來看也是這樣，大部分小廠都無法解決數據的準確性問題，數據污染問題比較嚴重，如果是大廠那么就會相對好很多。
數據污染產生的原因比較復雜，可能的原因是采集的時候就不對，或者提需求的時候不夠準確。大概率會需要一個逐漸修復的過程，而且是一個相對長期的過程。所以如果發現數據不準確的話不要慌，一點點修復就行。說實話其實急也沒用，這種就是需要花時間做的東西，表面看不到的才更花功夫。
另外，如果說技術部門愿意做全埋點的話就不需要產品額外提數據需求，如果是這樣，那么必須感謝他們，因為他們為你保留了更多的頭發，不至于禿的那么快，頭發就是生命啊。
最后說一下并不是所有的公司都需要自己做數據這塊的，如果公司的業務還處在比較早期的階段，那么使用神策、Growing IO這些三方數據公司的產品也是一個比較好的選擇。畢竟這東西做起來耗時耗力，如果不準的話頭會很痛。
以上是對數據埋點方面的分享，下回分享一下數據統計報表方面的內容，算是做個銜接。
本文由 @代號道長 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
- 目前還沒評論，等你發揮！
