互联网产品中如何做好数据埋点为运营提供有效数据

数据埋点属于数据采集的阶段,是互联网分析业务闭环中的起点,为之后的许多日常及专题的分析提供数据源。本篇文章从两个角度来阐述数据埋点的预备知识。横向角度为,每个埋点事件可以埋一些什么内容(用户、时间、地点、方式及内容等),即埋点指标的基本属性。纵向角度为,要完成埋点操作,整个时间上的流程及顺序是如何(梳理需求、撰写需求文档、后期监控等)。

本文旨在梳理数据埋点过程中的基础知识以及流程,若有错误之处,敬请指点!

一、常规埋点属性

在日常的数据监控及分析中,也就是特殊情况发生之前,不管是作为产品、运营还是数据方都很难预料到会需要何种特殊的分析需求,自然也就没有办法预先制定好相应的特殊埋点。

这时候,常规的一些埋点属性可以帮助我们进行一些基础的观察与分析,以一次普通的付费行为来举例,常规的埋点主要可以从以下几个属性来划分:

1. Who(用户):

主要目的是通过该属性将产品不同的付费用户区分开。主要有以下两种方式:

  • 设备:主要包括移动端(IOS、安卓)及PC端。
  • 账号:可以是手机号、邮箱、微信号等用以登录的识别号,关键是不可重复性,即一个账号只代表一个用户。

以上两种方式都能达到将识别并区分用户的目的,至于如何选择,主要取决于当前产品如何定义唯一用户。例如某APP是一个强登录型产品(不登录将无法使用),那么账号本身可以完全覆盖并区分所有的用户,因此该埋点字段可设置为“user_id”。反之,如果是一个“路人”也可以使用的产品,那么设备+账号的埋点设置可能更加适合,即同时加上“user_id”与“device_id”两个字段。

2. When(时间):

即用户于何时发生该付费动作。对于时间的上报主要有以下两种方式:

  • 客户端时间
  • 服务器时间(Unix时间戳)

在涉及跨时区数据的时候,一般使用全球统一的Unix时间戳来上报,在用户属性的后方再加上“timestamp”。

3. Where(场景):

即用户在何处发生了该付费动作。主要可分为:

  • GPS:指的是通过GPS定位获取当前设备的经纬度信息。但通常仅仅获取到经纬度信息对于产品或运营的分析是意义不大的,很少有人关注“东经116°,北纬39°”的用户日均使用某APP的时长是多少,而是说“北京地区”用户的使用情况如何。可见要将其利用起来,还需要将其转化为国家、城市、街道等人文地理信息,目前大部分产品都是通过调取API实现的。
  • IP:通过IP地址来定位当前使用的位置,一般比较粗略。
  • 用户自定义。当使用场景涉及异地选址时,用户的实际定位可能并不能真实反映消费意向,例如异地点外卖、异地订房等,因此对于一些涉及此类场景的APP来说,在获取常规定位信息的同时,再加上对用户自定义位置的埋点,相信也是有一定意义的。

不同的位置获取方式可根据当前业务情况选定。

4. How(方式):

即用户是通过何种方式发生的该付费动作。主要包括:

  • 设备类型:移动端 or PC端。
  • 操作系统:安卓 or IOS or Windows or Mac OS。
  • 版本号:各产品不同的版本号。
  • 网络类型:4G or 5G or Wi-Fi。

以上几个是比较基础的常用属性。也可根据产品的特殊需求增加相关属性,例如,对于修图类软件来说,屏幕分辨率的高低可以很大程度上影响用户的使用体验,因此可将其加入常规属性进行埋点。

5. What(行为):

上述的四种属性描述了用户在何时何地以何种方式发生了此次付费行为,而该环节它描述了用户究竟购买了什么。主要包括:

  • 购买的类型。实物 or 虚拟服务,进一步还可以分为具体的类目是什么。
  • 购买的名称。
  • 购买的数量。
  • 付费金额。
  • 付款方式。

这几项都是比较基础的属性,可根据不同的业务需求进行添加。

上述关于who、when、where、how、what的五个维度涵盖了基本的使用场景,为日常监控产品数据提供了基本素材。

二、常规埋点流程

1. 收集需求,梳理指标

(1)梳理相关部门的埋点需求,将其指标化

  • 明确埋点目标:埋点主要为了实现什么目标?能够满足产品部门的什么需求?
  • 其他业务部门的需求:同时,结合其他部门例如技术、运营部门等需要获取的一些埋点需求。
  • 确定埋点指标:梳理上述所有需求,确定最终需要埋点的指标。

(2)建立流程图,规范细节

  • 建立用户行为流程图:根据梳理好的需求,建立详细的流程图,例如用户从点击广告进入,一直到购买页面,具体可能经过哪些步骤都需要整理清楚,这样能有效避免漏埋等情况。
  • 事件触发的时机:根据不同事件,定义好该事件的触发时机,例如购买事件是按照点击“购买”按钮还是按照出现“付款成功”计算,这就涉及前面对用户行为流程图的详细规定,具体的规则需要不同部门之间认真商讨,达成共识。
  • 埋点属性的设计:埋点的属性与上文4w1h的属性范围相对应,主要描述的是关于每一个埋点的事件,是由谁在何时何地以何种方式完成了什么。

2. 形成数据需求文档(DRD)

在梳理清楚上述细节之后,假定一个用户从浏览商品列表到下单购买的场景,参考上述4w1h的属性,再根据不同的埋点事件进行选取及调整,一份较为完整的数据需求文档能够应运而生了,例如下图:

3. 上线后,复盘效果

(1)验证所有指标能否被正确采集

  • 主要负责保证埋点数据的正确性及准确性,如有异常、缺失等情况,则需及时反映并进行调整。

(2)监控、管理当前埋点指标的效果

  • 在产品运行的过程中,会逐渐体现出不同功能模块的业务复杂程度,因此埋点的需求也会随之产生一定的调整,能否尽早地调整各个埋点的计划以适应不同的分析需求,这就需要产品及数据部门更加敏锐的洞察力了。

数据埋点原理

数据埋点,对于产品迭代而言,有很重要的指向意义。

数据分析是我们获得需求的来源之一,通过对数据的比对,对数据趋势的分析,能让我们发现哪些环节存在问题,哪些环节有提高空间。同时,数据分析也是检验功能是否有效,是否受欢迎的重要佐证。

非常的直观,以一种数据的形式呈现出来,而这些数据有大部分都来自于对数据的埋点。学习数据埋点,首先认识一下他的实现原理。

以APP举例,我们可以简单的分为四个层级,表层是UI层,底层是数据表和日志。(必要时,我们可以将层级分的更加清晰。)

数据埋点的发生场景便是在表层-UI层里,其作用是监控用户在UI层产生的行为。也就是用户对界面的操作。

数据埋点其实无法统计有多少用户发布了朋友圈,但可以统计有多少用户点击了朋友圈的发布按钮,以及有多少用户在朋友圈发布页点击了确认发布的按钮。

基础认识

数据埋点我们可以分成两类,其一是页面统计,其二是行为统计。

页面统计

页面统计可以帮我们知晓某个页面被多少人访问了多少次。

其本质是监控页面加载的行为,尽管此时用户并没有对UI产生行为,但却是由上一个点击行为触发的一个结果。除了访问的人数与次数,也可以监控到用户在某个页面停留的时长,部分产品希望用户在某个页面停留的时间越长越好。

追求停留时间的产品,典型的便是信息流产品。这表示用户正在持续的进行阅读,停留的时间越长,表示内容对用户的吸引力越高,这样才能产生持续的阅读行为。

(诸如微博,朋友圈等以短信息为主要内容的信息流,长信息会更加侧重跳转详情页的数值)

行为统计

行为统计是指用户在界面上的操作行为,应用最为广泛的便是按钮的点击次数。

其实,通过数据埋点捕捉到的数据,有三层,第一层是基础层,比较通用的数据,像是日活,新增,第二层是页面访问,第三层就是行为统计,名词上来讲通常被称为“事件统计”

通过对UI界面响应事件的捕捉,我们能够得知某个按钮的点击数及对应的点击率。

基础应用知识

数据分析是很一门很复杂的学科,对于PM而言,是一个重要的需求源,而我们用来分析数据采用的方法,也非常的多,并且复杂的分析方法,可以复杂到让我们怀疑人生~~这里结合文章提到的内容,给大家做个应用分享,属于简单的分析方法。

页面统计–页面访问率

APP里,有的页面是存在唯一的主次关系,意思是B页面仅能从A页面进入。

此时,我们结合两个页面的访问数值,就能得到A页面到B页面的转化率。并以此判断两个页面是否存在可优化空间。

数据里所隐藏的优化空间,往往是存在多种可能性的。

实例

A页面与B页面具备唯一主次关系, B页面仅能从A页面跳转进入,(如:微信的,某人的相册,仅能从个人资料进入)

若 A页面访问人数为100人,B页面访问人数只有10人。

分析结果就有两种可能性:

(1)A页面转化部分设计有问题,就像文章的阅读数和标题息息相关,我们可能需要优化入口的设计。

(2)B页面留存有问题,无法让用户产生二次访问行为,以及无法让用户形成更高频率的访问。

此概念类似于“复购率”和“复购频次”

对于 有多个入口的页面,页面路径的分析方法就没有作用了,此时,我们就需要借助行为统计。

“行为统计–页面访问率”

一些基础的功能,往往被多个页面应用,也能通过两个以上的页面进入,也就是我们所熟知的“多个入口”的概念。

此时,我们可以借助 指定入口页的访问人数,入口按钮的点击人数,来判断该页面的转化率。页面可以通过ACD三个页面点击对应按钮进入,我们想要知道A页面到B页面的转化率是多少。若A页面访问人数是100,按钮点击人数是30,B页面访问人数是40,问题就变成了,在A页面点击按钮的点击率,其分析价值与页面访问率相同。

第二种分析方法,更多的是侧重对入口所在页的分析,通常提到的转化率,也是指类似的分析方法。

对于第二种方法,比较典型的是广告转化率提升的设计方法。

此类型产品,几乎不考虑“复购”问题,其追求的目标是最大限度,在不影响原有用户体验的基础之上,提高用户点击广告的几率。

与之对应的产品设计方法,更多的在于视觉的设计,类似加粗,图片,特殊形状,诱惑性的文案等。

建议

数据相关的知识非常庞大,足以支撑一个独立的职位(数据分析师,数据型产品经理)。文中所提到的都是基础的分析方法,并且还不全面。数据是产品经理的一个重要的需求源,在我们成长的过程中,如何利用数据,如何挖掘数据,如何分析数据都是必须经历的阶段。

其作用,远不止第三方平台直接呈现的部分,诸如各个数据每日对比,可以得到趋势,借助趋势,也能进行预判。可以说第三方所呈现出来的结果性数据,只是冰山一角。尝试去分析数据吧,然后驾驭数据,做一位理性的产品经理。

文章由PM28网编辑,作者:海阁,如若转载,请注明出处:http://www.pm28.com/3573.html欢迎投稿

联系我们

在线咨询:点击这里给我发消息

邮件:403567334@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息