无埋点数据采集分析 无埋点数据采集分析
编辑整理：整理来源：优酷，浏览量：58，时间：2022-07-24 23:28:01
无埋点数据采集分析，无埋点数据采集分析，无埋点数据采集分析
前沿：无埋点数据采集分析
1、访问调查：访问调查又称派员调查，它是调查者与被调查者通过面对面地交谈从而得到所需资料的调查方法。
2、邮寄调查：邮寄调查是通过邮寄或其他方式将调查问卷送至被调查者，由被调查者填写，然后将问卷寄回或投放到指定收集点的一种调查方法。
3、电话调查：电话调查是调查人员利用电话通受访者进行语言交流，从而获得信息的一种调查方式。电话调查优点是时效快、费用低；不足是调查问题的数量不能过多。
扩展资料：
收集数据的步骤：
1、确定数据分析的目标
没有目标的数据分析才真的是无从下手。有了明确的目标导向后，数据收集的范围和着手点就比较明确了。现实工作当中，一般都是遇到了问题，需要去解决问题的时候，想出来的解决方案就可以成为数据分析的目标。
2、分析需要收集哪些数据
明确了数据分析的目标之后，就需要确定采集哪些数据来分析。目标可以告诉我们范围，比如取消订单的操作场景下会涉及到哪些页面；进一步的要确认这些页面上有哪些表单数据、操作按钮、页面跳转是需要记录操作事件的。
考虑每个数据收集点的成本
数据埋点是有成本的，最直观的就是在性能上会带来比较大的影响，现在也有一些无埋点的采集技术，本人没有做过相应研究，这里只以需要埋点采集的来说明。
参考资料来源：百度百科-统计数据
编辑导语：在数据分析业务中，我们需要找到产品相应的核心指标，确保数据埋点的正确性，并在需要进行数据回收时建立相应的规范文档。本篇文章里，作者就数据埋点过程、数据回收过程中等常见数据分析流程做了解读，一起来看一下。
一、产品核心指标建立（北极星指标）产品要有一个关键的产品核心指标，核心指标能确定每次版本更新时需求的优先级。
核心指标的确定流程：
提取产品功能使用组合成漏斗，最上层的是流量入口，中层是产品使用和业务，最下层就是利润，做出这个漏斗模型，核心指标就能快速找到了，而能在产品使用和业务层级中对利润起到最大作用的就是产品的核心关键指标！
核心指标越高越好，整个产品的利润收入表现也就越好。
产品流程中存在对核心指标正向促进的功能与节点，也存在可能对核心指标进行阻塞但又不能砍掉的负向流程。
再把正向节点的和负向节点流程，分别罗列出来。
会发现有些节点和上述漏斗中的指标是重合的，把这些节点圈起来，这就是在埋点过程中要重点关注的。
二、普通数据指标产品经理完整地画出产品地图和用户地图，然后标记每个节点，并对每个节点进行打点基本可以覆盖90%的点位所需。
产品地图绘制，需要从上而下的角度看待产品。产品本身就是许多页面的组合体，而页面是许多功能按钮的组合体，用户使用产品就是与各个页面、功能按钮的互动。
在初步策划一款产品或功能时，也是大致先建立出了产品框架，然后再在框架中填充功能。
以此思路可对产品来一次构建，可确定产品地图。
第一步，在工具上画出每个功能和对应页面，将产品的各个功能罗列在地图上，注意在绘制时需要区分页面的层级，首页在第一层级，次级页排列在下一层级，如此一一将整个产品的页面平铺绘制完成。
第二步，页面中的每个功能的触发会产生事件，有的事件可能是跳转页面，有的事件可能是触发弹窗，还有触发分享等。所以要对每个功能触发的页面跳转进行功能和页面的连接。
例如，通过功能A可到达页面B和页面C，那就分别在功能A到页面B、功能A到页面C之间画一条带箭头的线。而对触发弹窗的功能需在当前页面下的空白处绘制标记，分享等其他事件的也一一在触发页面底部进行标记绘制。
两步都完成后就完成了产品地图1.0的绘制。
当然产品地图的绘制也可以使用表格等方式进行产品地图绘制，但不管什么方式的绘制，都需要保证产品地图功能页面交互的的全面和清晰明确。
而在以后的每次版本更新中是也需要随时对产品地图进行更新，以保证产品地图的新鲜度。
在绘制完产品地图后，还需要绘制用户地图，两者相结合基本就可以保障产品和运营所需的信息无遗漏。
而用户体验地图就是通过一张图，用一种讲故事的方式，从一个或多个特定用户的视角出发，记录从用户来到产品到完成目标离开的全部过程。这个过程包括用户在每个场景中的触点、行为、结果。
此过程主要的难点在于抽离产品的角色成为一名特定的小白用户，否则绘制的用户地图就会不全面。
在完成产品地图和用户地图的绘制后，对每个节点进行点位标记，此时产品所需的点位就已经清晰地呈现出来了。
而在有了埋点数据之后还需要对埋点进行汇总整理，并对赋值点位参数补全埋点的参数特征，例如埋点上报哪些字段、字段代表的意义。
再结合运营所需数据对点位进行查缺补漏，一份最终完整的产品点位需求文档就完成了。
三、点位验证在研发根据“埋点文档”进行埋点后，我们还需要保证点位的准确性，否则再完整的点位也是无用数据，没有任何的参考意义甚至还会造车误导。
在测试对点位进行抓包测试后，产品也需要进行点位的验证验收，最简单的办法之一：根据功能地图可发现，每个功能页面的入口有一个或多个，次数我们可以比对入口数据和最终页面进入数据，入口数据相加必然是等于最终页面数据的，当然是在网络和功能无bug的情况下。
而两者相加如发现不等于实际进入功能的人数，则说明打点有误，需要研发同学重新重新查找问题源头。
四、数据回收每次数据回收，需要从大到小的就行数据回收，有产品层级至功能页面按钮层级，如此才能判断每次版本更新优化的效果和作用。
并且需要和前一版本的数据进行对比，功能上线后和上线前的数据进行对比。
1）核心数据信息
产品下载安装量（新版本数量，旧版本数量）；注册用户数（注册率，新版本数量，旧版本数量）；活跃用户（日/周/月活跃），新老用户在活跃中的占比；留存数据（日/周/月留存）；产品效益（日均产生流水，arppu，roi）；关键指标（转化游戏用户比例，从成为用户到转化一名新安装玩家的比例）。2）普通相关数据
注册：当日下载安装，当日新增注册数量，当日注册转化率；留存：整个产品留存，关键功能留存；用户关键行为：app活跃用户，app新安装用户，app活跃用户到达关键行为比例，app新安装用户到达关键行为比例（当日/周/月）；转化漏斗，注册率漏斗，功能点击率漏斗，核心功能完成率漏斗，最终充值消费转化率率漏斗；交互行为，功能访问路径漏斗情况，页面访问路径最多的情况数据，功能页面启动次数排序；用户属性，设备终端占比（型号、品牌、版本等），网和运行分析（网速快慢），域占比分享，户基础画像分享。
五、注意事项在数据分析中，往往会产生很多数据偏差或者假数据，导致数据错误的常见问题如下：
埋点定义不明确，同一个事件可能存在不同的触发方式，例如注册，点击按钮时做为触发进行上报，也可以在服务端事件注册后才计为触发事件，两个事件本身就存在很大的偏差。采集方式带来的误差，前端采集一般会有一部分数据丢失，丢失率在5%左右属于正常范围。需注意细化埋点需求，前期需求不明确，导致上线后获取的数据不是自己想要的，所以前期需求提出时就要细化并明确，尽量完整。数据拉取需求不明确，需要需求发起方提交相关指标，并且告知，指标需要如何计算如何获得，并且与相关人员仔细确认保证数据拉取理解的一致性。作者：琉璃三万顷；微信公众号：私人自留地
本文由 @琉璃三万顷 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
补充拓展：无埋点数据采集分析
数据分析入门：初识数据埋点计划将实际工作中最高频的与数据相关的一些工作经验以及技巧与大家做一个交流沟通，初步计划整体分6-8篇文章、每篇1-2周的频率由外到里，由浅入深，并伴随实际工作中案例系统性的分享。根据看官老爷的反应调整后面要写的内容，以及更新文章的速度。
埋点概述
数据埋点是数据产品经理、数据运营以及数据分析师，基于业务需求（例如：CPC点击付费广告中统计每一个广告位的点击次数），产品需求（例如：推荐系统中推荐商品的曝光次数以及点击的人数）对用户行为的每一个事件对应的位置进行开发埋点，并通过SDK上报埋点的数据结果，记录数据汇总后进行分析，推动产品优化或指导运营。
埋点分析，是网站分析的一种常用的数据采集方法。数据埋点分为初级、中级、高级三种方式。数据埋点主流部署的方式有：
私有化部署（即部署在自己公司的服务器上，如果期望提高数据安全性，或者定制化的埋点方案较多，则适合私有部署，并开发一套针对自己公司定制化的数据后台查询系统保证数据的安全性和精确性，缺点是成本较高）。
接入第三方服务，比如国内的某盟和国外的GA（Google Analytics）统计，在以后的文章中会单独介绍，此处不再展开。（优点是成本较低，部分基础服务免费，缺点是：数据会存在不安全的风险，另外一个就是只能进行通用的简单分析，无法定制化埋点方案）
此处只展开初级：在产品、服务转化关键点植入统计代码，据其独立ID确保数据采集不重复（如收藏按钮点击率）；
主要的埋点事件分类：
点击事件：
点击事件，用户点击按钮即算点击事件，不管点击后有无结果；如下图红框标注所示，点击一次记一次。
曝光事件：
成功打开一次页面记一次，刷新页面一次记一次，加载下一页新页，加载一次记一次。home键切换到后台再进入页面，曝光事件不记；
页面停留时间事件：
表示一个用户在X页面的停留时长记为停留时长。例如：小明9:00访问了X网站首页，此时分析工具则开始为小明这个访问者记录1个Session（会话）。接着9:01小明又浏览了另外一个页面列表页，然后离开了网站（离开网站可以是通过关闭浏览器，或在地址栏键入一个不同的网址，或是点击了你网站上链接到其他网站的链接……）为了简单，我们把这个过程当做一个Session。
则最终小明在首页的页面停留时间：
（Time on Page，简称Tp）Tp(首页) = 9:01 – 9:00 = 1 分钟
When？什么时间做？
产品经理的需求来源众多，可能来自一线市场人员，可能来自身旁油腻的领导。可能来自用户反馈的一条吐槽…无论需求来自哪里，首先要搞清楚的就是这个需求涉及的问题：
在什么样的场景下？
面向哪些目标用户？
解决了哪些问题？
带来了什么价值？
梳理清楚问题后，拆分问题：
哪些是主要问题？
哪些是次要问题？
重不重要？
紧不紧急？
将每个问题拆解后下一步就是带着PRD文档找亲爱的数据分析师童鞋与产品经理汪一起沟通，解决以下问题：
每个问题应该怎么量化？
量化指标是什么？
怎么通过数据定义每个问题以及整个需求的成功与否？
有哪些辅助指标？
定义好数据指标后，此时则需要数据产品或者数据分析师定义埋点。
How?怎么定义埋点？
无规则不成方圆，良好的定义规范可以帮助埋点相关人员更好的维护，以及理解，极高的提升工作效率，降低推倒重来的风险，基于此分享一份埋点的定义规范帮助各位看官老爷以后维护自己产品的埋点。
使用此规范后，本汪一人就可以维护一个APP版本（包含点击事件、曝光事件、停留事件）累计1500多个埋点，井然有序，完全不会乱。
（怀念那些加班维护埋点跑数的日日夜夜，让我与看门大叔成了挚友，结下了深厚的友谊。咳咳，此处应该有掌声…）
埋点分类概述：
首先从事件属性这个维度上分为三份Excel（点击事件表、曝光事件表、停留事件表）
其次每一个事件表中新建三份子表（Sheet）,以点击事件表为例拆分为：首页事件集合、列表页事件集合、详情页事件集合
每当APP发布新版本时，从上一个版本的埋点中做一份Copy,新版本中新增了哪些埋点，删除了哪些埋点？都用不同的颜色，或者时间标记进行标注说明。
真实环境中分类更为复杂，仅以上面例子说明分类思路，各位看官老爷可以根据业务需求做针对自己产品更合适的分类。
字段明细：
功能字段：
用于说明当前埋点是在哪个页面的哪个功能。例如：收藏功能，对应功能字段名：自定义为我的收藏
中文名字段：
用于描述X功能模块内X位置，例如起名叫：收藏功能-文章收藏
事件类型字段：
用于说明当前埋点是点击事件还是曝光事件还是其他
事件ID字段：
如果是自己公司开发的数据查询系统，则每一个埋点都对应一个事件ID，上线后用于拿着事件ID去后台取数使用。事件ID的命名规范：事件英文简写_哪一端的产品_产品名称简写_页面名称_模块名称_功能名称。
例如：点击事件_APP端_二手车_个人中心_收藏_文章收藏 对应事件ID== click_app_2sc_ Personal Center_ Collection_ Article Collection
如果是用的第三方统计工具：例如某盟，同理定义好事件ID，上线后去X盟后台，输入事件ID查询相应的数据。
Key字段与value字段：
当一个埋点对应不同类型的多种位置的埋点时，则需要命名当前埋点的key参数与value参数，一个key可以对应1个value或者多个value,但一个value不能对应多个key.只能对应唯一的一个key 例如：二手车信息网站有2个关键按钮，一个是砍价按钮，一个是拨打电话按钮，但是在多个频道中每个频道都有多个砍价按钮多个拨打电话按钮，在这样的场景下就可以设计2个KEY值：
key01=source用于标记当用户点击了一次按钮后是在哪个频道的页面点击的这个按钮X value01=X1，value2=X2用于标记不同位置同属性的按钮。
Key02=type用于标记用户是点的砍价还是点的拨打电话按钮，例如：01value用于标记砍价按钮，02value对应的拨打电话按钮。
记录规则字段：
定义什么情况下触发埋点，例如：在列表页点击一次记录一次
备注：
用于描述当前埋点什么时间新增？什么时间修改过？原因？什么时间被删除？谁删除的？等信息记录，此处好多看官可能以为写不写无所谓，但是为了信息的完整性和可追溯性最好每一次变动都要备注。