怎么做app数据埋点是什么

Ⅰ 数据采集与埋点

part 1 主流互联网数据加工流程

一、什么是埋点

1.主要用来记录和收集终端用户的操作行为

2.当用户行为满足某种条件的时候，会自动触发记录并上报给服务器

part 2 如何合理的去定义我们的事件

一、当我们访问淘宝首页的时候背后发生了什么

二、设备识别

一、安卓设备识别

二、IOS设备识别

三、网页的识别：UTM参数

四、移动应用的来源识别

part  3 如何去设计埋点

一、重要的行为：自动埋点，比如，每次启动APP用户访问APP主页面 每次HTML页面浏览

二、面对应用的埋点：从目标出发，梳理转化漏斗，在关键节点设置埋点

56人点赞

数据分析

赞赏支持还没有人赞赏，支持一下

链接：https://www.jianshu.com/p/f3b846acedf4

Ⅱ 友盟数据埋点前，你要知道这些

一、数据埋点具体应用

1、统计路径

一般APP所有页面都会进行埋点，埋点后友盟会统计用户在页面上的访问路径，通过访问路径可以得到整体用户的行为数据。

2、自定义事件

自定义事件就是具体的埋点，在APP埋了点，具体数据是怎样的都会在这里呈现。自定义事件分为计数事件以及计算事件。

计数事件主要统计事件发生的数量。计算事件主要统计事件相应的数值类型。

举个例子，一个购买事件，统计多少人购买成功了属于计数事件，统计购买成功的人中购买金额的分布规律属于计算事件。

计数一般比较常用，像点击计数、应用计数；计算的例如Darkbox的单个视频的大小。

3、事件转化率

俗称漏斗模型，通过漏斗模型，可以看到设定的事件每一步的转化率，评估每一步的效果。

二、数据埋点的步骤

1、明确埋点的目的，根据需求进行埋点。

埋点前要先想清楚需求是什么，目的是什么，要达到这个目的，需要统计哪些数据，要统计这些数据，需要在哪些页面埋点？埋在页面哪些位置，通过什么样的形式埋点，是统计按钮点击数，还是进入页面的数量？

2、与开发沟通讨论

梳理好要埋点的数据后，要多跟开发沟通，讨论埋点合理性与可行性，把埋点的目的跟开发描述清楚，一方面开发可以帮忙进行梳理，查缺补漏甚至提出更好的埋点思路；另一方面开发了解清楚后，埋起点来更加胸有成竹，效率更快，防止出错。

3、开始进行埋点

这块主要是由开发负责。

4、漏斗模型

数据埋点完成后，如果要统计分析事件转化率，则需要提前添加漏斗模型，添加漏斗模型后第二天才会开始统计数据。

三、注意事项

1、不要想着一次性就全方位无死角进行埋点，因为这样工作量是非常庞大的，大量数据反而引起干扰混乱，无从下手，所以在埋点前，一定要明确埋点的目的，不要为了埋点而埋点。要统计的数据庞大时，建议分阶段分版本进行埋点，先对主要事件关键路径进行埋点，一步一步完善。

2、埋好点后及时进行跟进，落实埋点的完整性与准确性。

3、记得让开发注意不要把测试时数据也统计进去了，测试后要清除。

Ⅲ app添加埋点需要知道的那些

--== 数据埋点的意义 ==--
首先我们要知道我们出于什么目的埋下这些点, 从而确定点要埋在哪里, 我们埋点的作用包括:

--== 埋点的方式 ==--
普遍的埋点都有两种形式, 一种是自己配合自己的后台进行对数据的统计, 一种是基于第三方平台, 进行数据的统计.

--== 数据埋点实施 ==--
由于没有使用过第三方的埋点工具, 所以在这里我就主要以平时原生的埋点案例为例.

--== 埋点的命名方式 ==--
埋点命名一般是以路径为名, 如“我的”页面就可以定义为”mine”,如果是”我的”下级页面的设置页面就可以追加命名”mine_setting”,下级页面以此类推, 这样可以很明了的看清页面进入的路径,也同样方便开发人员控制埋点命名.

结合上文所述, 在对比咱们自己的项目, 其中部分app的埋点功能就会有点片面, 鸡肋了, 其中只传了页面名称, 对于访问这个页面的路径目前没有, 对于用户的点击事件目前也没有涉及, 同样也没有全面的数据分析体质. 毕竟项目的埋点才刚刚开始, 还是要慢慢去完善优化的.

Ⅳ 数据埋点是什么设置埋点的意义是什么

所谓埋点就是在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，后续用来进一步优化产品或是提供运营的数据支撑，包括访问数（Visits），访客数（Visitor），停留时长（Time On Site），页面浏览数（Page Views）和跳出率（Bounce Rate）。

这样的信息收集可以大致分为两种：页面统计（track this virtual page view），统计操作行为（track this button by an event）。

埋点的主流有两种方式：

第一种：自己公司研发在产品中注入代码统计，并搭建起相应的后台查询。

第二种：第三方统计工具，如友盟、神策、Talkingdata、GrowingIO等。

如果是产品早期，通常会使用第二种方式来采集数据，并直接使用第三方分析工具进行基本的分析。而对于那些对数据安全比较重视，业务又相对复杂的公司则通常是使用第一种方式采集数据，并搭建相应的数据产品实现其数据应用或是分析的诉求。

埋点的内容

看完关键的这些指标后，其实埋点大致分为两部分，一部分是统计应用页面访问情况，即页面统计，随页面访问动作发生时进行上报；另外一部分是统计应用内的操作行为，在页面中操作时进行上报（例如：组件曝光时，组件点击时，上滑，下滑时）。

为了统计到所需要的指标，应用中的所有页面，事件都被唯一标记，用户的信息，设备的信息，时间参数以及符合业务需要的参数具体内容被附加上报，就是埋点。

关于埋点的数据的注意事项不要过分追求完美

关于埋点数据有一点至关重要，埋点是为了更好地使用数据，不要试图得到精准的数据要得到的是高质量的埋点数据，前面讨论跳出率就是这个例子，得到能得到的数据，用不完美的数据来达成下一步的行动，追求的是高质量而不是精确。这是很多数据产品容易入坑的地，要经常提醒自己。

Ⅳ 我想请教个问题，经常听他们说网页布点、埋点什么的是什么意思有什么用么

埋点是网站和APP等产品进行日常改进及数据分析的数据采集基础，根据采集得到的用户行为数据（例如：页面访问路径，点击了哪一个按钮）进行数据分析，从而更加合理的推送跟优化，增强用户体验。现在市面上有很多第三方埋点服务商，网络统计、友盟、growingIO等。

常见的埋点方法包括：

手动埋点：根据业务需求在需要采集数据的地方进行埋点，是比较常见的埋点手段。

可视化埋点：一些事件带有元素唯一标识。通过在后台进行埋点配置，将元素与要采集信息关联起来，然后自动生成埋点代码嵌入到页面中，目前发展比较火的埋点方式，但是技术上的实现跟推广比较困难

无埋点：简单来说就是没有埋点，前端会采集用户所有的行为跟信息，然后后台再对这些信息进行筛选，由于数据量巨大，对服务器的性能要求很高。

网页布点即布局，网页的三种布局：固定布局，流式布局，弹性布局。

固定布局：以px来设置宽度。

流式布局：以百分比来设置宽度！在宽度较小时，行宽会变得非常窄且难阅读。因此我们要给它添加以px或者em为单位的min－width，从而防止布局变得太窄。

弹性布局：相对于字号来设置宽度，以em为单位设置宽度！由于字号增加时整个布局宽度会加大，因此可能比浏览器窗口宽，导致水平滚动条出现。所以，要给它添加一个max－width为100％。

(5)怎么做app数据埋点是什么扩展阅读：

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。数据埋点是一种良好的私有化部署数据采集方式。

数据埋点分为初级、中级、高级三种方式，分别为：

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（如购买按钮点击率）；

中级：植入多段代码，追踪用户在平台每个界面上的系列行为，事件之间相互独立（如打开商品详情页——选择商品型号——加入购物车——下订单——购买完成）；

高级：联合公司工程、ETL采集分析用户全量行为，建立用户画像，还原用户行为模型，作为产品分析、优化的基础。

Ⅵ 移动应用如何埋点收集什么数据以便于统计分析

要理解怎么做的问题，依然还是要从认清是什么开始：

一、什么是数据埋点

数据埋点让产品或运营等相关人员能按照具体的需求，定制性地统计较为复杂的用户数据。例如想要追踪用户的行为，观察页面相关点击数据，关键路径转化率，分析某个事件活动效果时，就需要事先进行数据埋点，APP上线后才能观察到相应的数据，进行分析研究。

数据埋点可以在自己的后台进行收集和统计，也可以借助第三方数据分析平台，这次主要讲解如何利用第三方数据分析平台进行数据埋点。

经过以上步骤，一定能够通过埋点收集到对分析有用的数据~

Ⅶ 数据埋点是什么意思

问题一：页面埋点 是什么意思 页面埋点的作用，其实就是用于流量分析。而流量的意思，包含了很多：页面浏览
(PV)、独立访问者数量(UV)、IP、页面停留时间、页面操作时间、页面访问次数、按钮点击次数、文件下载次数等。

问题二：我想请教个问题，经常听他们说网页布点、埋点什么的是什么意思？有什么用么？ 埋点：监控用户点击的每一步
YUE.on(neoA3, 'click', function(evt) {YUE.preventDefault(evt);YUD.addClass(neoDiv, 'hidden'); 埋点new Image().src = 'atpanel/jsclick?cache=' + (+ new D鸡te) + '&cartframe=guanbi';});上面红色的字体就是埋点了，它不做页面相关的事情而是把用户当前点击的东西，传到服务器达到记录用户点击的每一步。

问题三：产品助理的职位描述中有一条：“知道如何埋数据点，取数据” 是什么意思？ 数据埋点，在链接中加一串指定代码吧，我之前做推广的时候做过。
不知道会不会折叠...

问题四：整天看用户埋点数据，知道数据是咋来的吗 我们平时看到的报表复杂而多样，能够通过多种纬度的数据评估用户的使用习惯和对应功能的价值。然而这些报表是如何产生的呢?今天咱们就看看上报数据一步一步变成报表的大致流程。
所有上报的数据都是为了记录一次事件的发生或者描述一个状态，具体的上报数据可以设计为KEY-VALUE的形式或者数据组合的形式。KEY- VALUE的形式主要用来统计简单的计数类上报，如按钮点击的次数，某个选项的值等，KEY用来区分不同的事件，VALUE代表事件发生的次数、状态值等;数据组合的主要用来描述一个事件或者状态需要多种属性描述的场景，比如下载成功事件，描述这个事件的数据组合可能包括对应的下载地址、下载渠道来源、下载耗时等信息。
当上报数据设计好后，后续的工作才能正常开展。下面一步一步说。
1、埋点
所谓“埋点”，就是在正常的功能逻辑中添加统计逻辑。拿统计微信右上角“+”的点击次数为例，上报的数据可以采用KEY-VALUE形式，我们定义 KEY为“CLICK_ADD_BTN”，VALUE的值为点击的次数。当用户点击“+”时，展示菜单的代码会通过按钮的“回调”(详见《聊聊同步、异步和回调》)来触发执行，程序猿在业务代码执行完后，又加上了统计代码，把“CLICK_ADD_BTN”对应的VALUE加1，“+”被统计到了一次使用。
2、上报
并不是每统计到一次事件或者状态就会发起数据上报，客户端统计到的数据会先暂时存储在内存或者磁盘上，当用户启动、退出应用程序的时候，或者在其他更合适的时机，将当前周期统计到的事件批量上报到服务器，这样做的目的主要是考虑到与服务器多次建立连接的性能损耗(详见《不得不知的TCP和UDP》) 和流量问题(相同大小的数据分多次发送比一次发送要消耗更多流量)，另外客户端在上报具体的统计事件之外，还会将标识用户的ID一并上报，后续用于计算用户相关的数据如日使用用户和留存率等。
3、后台记录日志
数据上报到服务器后，服务器会将客户端上报的原始数据存储到服务器的磁盘中。一般来说，非强实时性的数据上报到服务器后，并不会立即参与计算，获得最终的统计结果，比如一个功能的日使用次数，日用户数，日留存等数据，而是等到服务器负载较低的时间段利用预先配置的计划任务进行离线处理。这样处理的目的是为了节约服务器资源(钱)，因为大家肯定不想因为计算统计数据而影响实时业务的处理效率。
4、计算&入库
报表中展示的数据，并不是客户端上报的原始数据，比如“+”的使用次数、使用用户数、日留存率这三组数据，都是通过对客户端上报的“CLICK_ADD_BTN”对应VALUE值的累加并结合上报用户ID二次计算得出的。
如果我们的产品达到微信这种日登陆数五六亿，那么每天上报的统计数据将是海量的，为了从这种海量的数据中计算出“+”的使用次数、使用用户数等信息，就需要用到“数据仓库工具”，比如当下流行的Hive处理工具，它基于Hadoop分布式系统基础框架，利用计算机集群的能力进行分布式计算。当“数据仓库工具”计算出最终的结果后，计划任务会将结果(“+”的日使用次数、日使用用户数等数据)保存到数据库中，也就是“入库”过程。“入库”后的数据才能与前端对接，组成报表展示系统。
一般情况下，原始数据经过数据仓库工具处理后，对应的日志文件还会在服务器上保留一段时间(一般3~7天)，以便追溯统计问题，所以，如果发现统计数据有问题问题，一定要及时反馈给负责的程序猿，否则就会“死”无对证咯。
5、展示
当数据“入库”后，报表的展示就水到渠成了。报表系统通过前端页面用户的输入获取查询条件，然后通过后......>>

问题五：如何做好数据分析的第一步，数据埋点 整理真实有效的大数据。

问题六：移动应用如何埋点收集什么数据以便于统计分析 如何埋点要看你的产品核心指标是什么，埋点的目标就是为了获取核心数据！
数据统计分析就是为了发现问题－定位问题－解决问题－验证效果
你可以直接安装部署一个第三方的统计分析系统
Cobub Razor开源的私有化部署,SDK等代码全开源，更灵活！

问题七：对于网站型的数据都是怎么做数据埋点的 你网络下

问题八：怎样对用户的行为日志进行数据埋点 以实际的月度Web日志数据为挖掘对象，运用统计分析方法、回归分析方法以及关联规则方法等数据挖掘技术对Web日志数据进行了较为深入和全面的分析挖掘。 通过统计分析方法，发现了用户访问行为的时间特征和信息需求特征，并分析了影响网络运行状况的各种因素。 运用回归分析方法建立了预测分时段用户访问量的回归方程式

问题九：移动应用如何埋点收集什么数据以便于统计分析 问题二，相对比较具象化，国内比较普遍的第三方统计工具是友盟和talking data，在大多数的情况下这两个差别不大，但是如果你的app是游戏或者需要用到互联网金融的一些垂直细分统计，那么个人觉得talking data会更有竞争力一些。
问题一，其实这是个对于入门级产品的必备课程，通常在那个环节埋点可以转化为――对于一个app核心指标是什么？这些指标的优先级如何排序？
要回答这个问题，其实考察的又是一个产品的基本功，也就是产品定位与产品目标的确定，以及这些目标的拆解以及短期，中期，长期规划以及相应的具体roadmap，楼主问了通常情况，那么在此例举一下相应的业务拆解步骤，如下：
埋点的宏观目标是为了获取数据指标来整体上验证产品的业务逻辑是否顺畅，之前的一些基本假设是否成立？这时候涉及需要验证的数据可能会涵盖：产品方向&市场运营&商业逻辑（假设有）三大方面。
通过优先级和深入度可以将指标拆解为，核心指标和相关衍生指标。
有了横纵两条逻辑线条可见的一般性具体指标如下图：
当然这只是草草列举一般性的指标，一般对于创业公司以及和你洽谈的机构VC，聊到核心指标一般就知道你的产品的基本情况了。
当然对于埋点的目标不同可能还有这样的情况，如新版本上线的用户行为和功能效果数据回归验证（几种场景）：
1.新功能是否得到用户的使用与认可？新版本增加的新功能，用户点击率怎样？
2.用户在核心使用路径上是否顺畅？又没有因为交互体验功能按钮的设计而导致无效点击增多？
3.市场运营效果的回归？针对某个特别的日期进行了产品内的广告banner推广或者促销，该活动的效果如何？
总而言之，埋点本身其实是对于自己所设计产品的一个可视化健康检查，通过逻辑和数据，贯穿产品的整个生命周期，使产品逐步达到最佳状态从而实现硅谷最近所谓的“growth hacker”的效果，使产品指数级增长。
如果说了这么多你觉得没用，那么最后有一句万能的，看病最简单粗暴的就是“头疼医头，脚疼医脚”，产品哪里最牛逼最有用就最先搞那部分。

问题十：移动应用如何埋点收集什么数据以便于统计分析 利用统计分析工具比如网络统计，集成他们产品的SDK就可以

Ⅷ 数据埋点技巧

移动互联网时代，无论是Android、iOS还是小程序，都有很多成熟的解决方案，无需花费很多的时间去处理埋点的事情，而且基于第三方提供的SDK进行埋点，在数据处理和分析上也有很大的优势。

但是在之前的PC互联网时代，除了网页端有网络统计、谷歌分析等，客户端的埋点似乎没有一套能拿出来可供大家讨论的解决方案，我就基于我的工作经验和理解，给大家分享一下PC客户端的埋点。

PC客户端的埋点

首先，在PC上，我们得知道我们需要统计些什么内容。

一个PC客户端，无论是工具类的还是内容类的，我们都希望知道我们提供的服务的效果。那么，我们从一个客户端安装、运行到最终被卸载来看看。

就拿产品使用较多的工具“Axure RP”来举例吧。如果“Axure RP”是我们自己的软件，首先我们需要知道被安装了，之后，我们关注激活情况，也就是使用，到最后，被卸载了，这一整个环节，构成了一个生命周期。 重点来了，对于这个生命周期，所有你想知道的关于“Axure RP”的情况你都可以统计到。

1.软件的安装

在PC客户端安装的过程中，流程一般是这样的：①运行安装包②弹出安装界面提供给用户操作③执行安装过程-写注册表、启动项、计划任务等④执行安装过程-创建安装的文件夹（③和④可以交换）。

在这个环节，我们一般需要知道：

安装包被运行了

在安装界面用户做了哪些操作

我们的安装过程是否正常执行

我们最终是否安装成功

在PC上，只要我们的安装包运行起来了，无论是弹出安装界面、写注册表还是创建文件，这些都是安装包可以控制的，所以我们能通过安装包进程，将整个安装环节的所有数据记录下来发送到我们的后台并记录下来 （这里要重点记住，由于安装是一次性的动作，所以统计一定要发实时的） 。

2.软件的使用

软件的使用，包括启动软件、使用功能和退出软件。

在PC上，软件的启动有很多种方式，例如开机自启动、计划任务、手动点击快捷方式，我们继续以“Axure RP”举例，当我们装上了“Axure RP”后，会在桌面、开始菜单中，创建快捷方式（有些程序会在任务栏上也创建），同时，会将后缀名为“rp”的文件默认打开方式调整为“Axure RP”。

对于启动， 我们就有了三种方式：桌面快捷方式、开始菜单快捷方式和默认软件打开，所以我们需要统计软件是否被启动了，是如何启动的。

对于使用功能， 当软件运行起来后，其进程就会启动，这个时候就跟移动端的应用类似，我们需要统计一系列事件，每个功能的使用情况、功能状态、付费、登录等一系列信息（区别于移动端的是，在PC上一般这些统计都是做单点统计，例如统计弹窗的弹出、功能的点击、某个状态，对于相互关联的一组事件统计是比较复杂的，需要定义结构体，在一条统计中包含很多组字段信息，因为没有成熟的SDK集成，所以基本都要自己定义埋点，复用性较差）。

这部分统计分为公共统计和专用统计。公共统计就是基本信息，常用的是用户标识、用户基本信息、计算机硬件信息和其他的可复用的；专用统计就是针对你的功能，你想了解哪些情况，针对性进行埋点统计。

对于软件退出， 这就比较简单了，是正常退出还是异常退出？软件使用了多久退出？

3.软件的卸载

软件卸载的流程包括启动卸载程序、用户操作、删除注册表及文件等操作、完成卸载。

在这个过程中，我们主要关注两方面的信息，一方面是用户怎么卸载的？是主动使用卸载程序，还是通过一些管理软件进行卸载；另一方面是用户为什么要卸载，这个时候我们可以在卸载的界面中给用户提供选择，以获取用户的反馈。

该怎么埋点

1.埋点的分类

（1）时效性

PC客户端一般情况下都比较复杂，子功能很多，可统计的内容很多，为了节省带宽，我们不可能每次都实时将数据传输回来，而且很多时效性不是很强的功能没有必要实时上报。

实时统计

当功能触发时或达到一定条件，立即将统计回传，一般情况下用于时效性比较强的功能，例如活跃统计、营收类统计，我们需要实时分析并调整策略。

延时统计

统计不立即回传，将统计积累，达到一定的条件或者一定的时间，统一将这部分统计回传，一般情况用于时效性不强的功能，例如采集设备信息、获取某些功能的状态、常规功能的统计，这部分统计使用范围比较广，一般都是隔日发送，有一天的延迟，统计的信息晚一天不会对分析产生较大的影响。

（2）埋点的作用

常规的基础统计

每次统计都需要发送，可以理解为公用统计，这部分统计是将几乎所有的统计都需要的部分包括进来，封装成一个统一的部分，每次发送统计都会带上这些内容，方便管理，节省后续埋点时间。

功能统计

针对特定功能，当功能被使用或者生效的时候，我们需要统计效果或者状态，可以理解为专用统计，不同于移动端，PC一般没有第三方提供的SDK，需要每个专用统计自己埋点，维护大量的统计内容，不过在一个公司内部，可以统一设计规范，方便维护。

（3）数据类型

结构体

统计连贯的事件，各项信息之间的关联很重要。

计数

统计某个行为发生的次数。

字符串

统计内容。

整形

统计数值，也可用来统计状态。

布尔型

统计需要判断的类型，一般使用场景较少，为了方便计算，大部分被整形和字符串替代。

2.数据埋点实例

（1）软件安装

场景：统计安装过程中的信息

（2）软件的使用

场景：软件启动后，用户使用了分享功能，将自己做的原型分享到了云端，最后用户关闭了软件。

要注意的是，软件启动和关闭，看需要是可以调整的，如果你只是想知道是不是启动了，来判断活跃，那么仅仅需要启动的时候发送个整型的值标识即可；如果想知道更详细的信息，比如启动方式、启动时间等等，可以定义结构体，将这一刻更多的信息发送回来，可灵活定义。

（3）软件卸载

卸载跟软件安装类似，这里就不赘述了。

在这里，如果希望收集用户的卸载原因，可以定义一个字符串，将用户填写的内容上报，这种形式的数据如果太多，不太利于分析，所以看产品情况可灵活设置。

Ⅸ 关于数据埋点，你需要知道的技术方案和规范流程

埋点是数据采集的专用术语，在数据驱动型业务中，如营销策略、产品迭代、业务分析、用户画像等，都依赖于数据提供决策支持，希望通过数据来捕捉特定的用户行为，如按钮点击量、阅读时长等统计信息。因此，数据埋点可以简单理解为：针对特定业务场景进行数据采集和上报的技术方案。

数据埋点非常看重两件事，一个是数据记录的准确性，另一个则是数据记录的完备性。

先讲数据的准确性。数据埋点非常强调规范和流程，因为参数的规范与合法，将直接影响到数据分析的准确性，如果准确性得不到保障，那么所有基于埋点得出的结论，都是不可信的。辛辛苦苦做了很久的方案，一旦因为一个疏忽的小问题，导致下游集中投诉，其实非常划不来。

道理每个人都懂，但现实情况中，数据埋点所面对的客观环境，其实非常复杂，例如：

因此本文有非常长的篇幅来写流程问题，其实是非常有必要的。

再讲数据的完备性。因为埋点主要是面向分析使用，对用户而言是个额外的功能，因此埋点的业务侵入性很强，很容易对用户体验造成影响。别的不说，仅仅是流量的消耗，就很容被用户喷。因此，要提前想清楚，我们要采集哪些东西，因为修改方案的成本，是伤不起的。

通常情况下，我们需要记录用户在使用产品过程中的操作行为，通过4W1H模型可以比较好的保障信息是完备的。4W1H包括：

规定好记录信息的基本方法之后，按照固定的频率，如每小时、每天，或者是固定的数量，比如多少条日志，或者是网络环境，比如在Wifi下上传，我们就可以开心的把埋点数据用起来了。

当然，数据记录的时效性也比较重要，但因为埋点数据通常量级会比较大，且各个端数据回传的时间不同，因此想做到实时统计，还是需要分场景来展开。在Flink技术日渐成熟的今天，全链路的实时采集与统计，已经不是什么难题。

在埋点的技术方案中，首先要重视的，是用户唯一标识的建设。如果做不到对用户的唯一识别，那么基础的UV统计，都将是错误的。

因此，在数据埋点方案中，有两个信息是一定要记录的，即设备ID+用户ID。设备ID代表用户使用哪个设备，如安卓的ANDROID_ID/IMEI，IOS中的IDFA/UDID，浏览器的Cookie，小程序的OpenID等。用户ID，代表用户在产品中所注册的账号，通常是手机号，也可以是邮箱等其他格式。

当这两个信息能够获得时，不论是用户更换设备，或者是同一台设备不同账号登录，我们都能够根据这两个ID，来识别出谁在对设备做操作。

其次，我们来看一下Web的数据采集技术。Web端数据采集主要通过三种方式实现：服务器日志、URL解析及JS回传。

浏览器的日志采集种类又可以分为两大类：页面浏览日志和页面交互日志。

除此之外，还有一些针对特定场合统计的日志，例如页面曝光时长日志、用户在线操作监控等，但原理都基于上述两类日志，只是在统计上有所区分。

再次，我们来看下客户端的数据采集。与网页日志对应的，是手机应用为基础的客户端日志，由于早期手机网络通讯能力较差，因而SDK往往采用延迟发送日志的方式，也就是先将日志统计在本地，然后选择在Wifi环境下上传，因而往往会出现统计数据延迟的情况。现如今网络环境好了很多，4G、5G流量充足，尤其是视频类APP基本上都是一直联网，因而很多统计能够做到实时统计。

客户端的日志统计主要通过SDK来完成，根据不同的用户行为分成不同的事件，“事件”是客户端日志行为的最小单位，根据类型的不同，可以分为页面事件（类比页面浏览）和控件点击事件（类比页面交互）。对于页面事件，不同的SDK有不同的方式，主要区别为是在页面创建时发送日志，还是在页面浏览结束后发送日志，区别在于业务统计是否需要采集用户的页面停留时长。

页面事件的统计主要统计如下三类信息：

埋点其实还需要考虑数据上传的方案，批量的数据可以通过Flume直接上报，流式的可以写到Kafka，或者直接使用Flink来处理。这些框架相关的内容不是本文考虑的重点，有兴趣的可以自行查阅资料。

有了指导思路和技术方案后，我们就可以着手制定相应的数据埋点流程规范了。

笼统上，流程规范会分成五个步骤，即需求评审、埋点申请、技术开发、埋点验证、发布上线。

第一步，需求评审。

前文提到过，数据埋点的方案一旦确定，返工和排查问题的成本都很高，但数据埋点之后的分析工作，又涉及到了PD、BI、算法、数据等多个角色。因此非常有必要，将需求内容和数据口径统一收口，所有人在一套口径下，将需求定义出来，随后业务侧再介入，进行埋点方案的设计和开发。

以前文提到的4W1H模型为例，常见的记录内容如下：

最后我们统计时，按照上述约定，统计用户在某个时间和地点中，看到了哪些信息，并完成了怎样的动作。上下游的相关人员，在使用这份数据时，产生的歧义或者是分歧，会小很多。

第二步，埋点申请

当下的热门应用，大多是以超级APP的形式出现，比如微信、淘宝、支付宝、抖音，超级APP会承载非常多的业务，因此技术方案上会十分统一。

因此，当我们的技术方案确定后，通常要在相应的埋点平台上，进行埋点申请。申请的内容包括分配的SPM、SCM码是什么，涉及到的平台是哪些，等等。SPM、SCM是什么，有什么用，同样可以自行查阅。

第三步，技术开发

当需求确定、申请通过后，我们就可以开始开发动作了，这里基本上是对研发同学进行约束。埋点的开发，简单讲，是分成行为埋点和事件埋点两个大类，每一类根据端的不同进行相应的开发。具体的技术方案详见前文01章节。

详细的设计规范，是需要留文档的，因为代码不能反应业务的真实意图，而不论是事后复盘与业务交接，都需要完整的文档来阐述设计思路。

第四步，埋点验证

埋点的验证很关键，如果上线后才发现问题，那么 历史 数据是无法追溯的。

验证有两种方式，一种是实时的功能验证，一种是离线的日志验证。

实时功能验证，指功能开发好后，在灰度环境上测试相应的埋点功能是否正常，比如点击相应的业务模块，日志是否会正确的打印出来。通常而言，我们需要验证如下三个类型的问题：

除去实时验证，我们也需要把日志写到测试环境中，查看数据上报的过程是否正确，以及对上报后的数据进行统计，侧面验证记录的准确性，如统计基本的PV、UV，行为、事件的发生数量。

很多时候，数据是需要多方验证的，存在一定的上下游信息不同步问题，比如对某个默认值的定义有歧义，日志统计会有效的发现这类问题。

第五步，发布上线。

应用的发布上线通常会有不同的周期，例如移动端会有统一的发版时间，而网页版只需要根据自己的节奏走，因此数据开始统计的时间是不同的。最后，应用应当对所有已发布的埋点数据，有统一的管理方法。

大多数时候，数据埋点的技术方案，只需要设计一次，但数据准确性的验证，却需要随着产品的生命周期持续下去，因此仅仅依靠人肉来准确性验证是不够的，我们需要平台来支持自动化的工作。埋点的准确性，大体有两种方法保障：一种是灰度环境下验证真实用户数据的准确性；另一种则是在线上环境中，验证全量数据的准确性。因此，发布上线之后，后续的管理动作，应该是对现有流程的自动化管理，因为团队大了，需要埋点的东西多种多样，让平台自己测试、自动化测试，就是很多测试团队必须走的路

Ⅹ 数据分析与埋点，产品经理必须掌握的知识和技能

产品经理必须随时全面而准确地了解自己产品的各项数据，否则只能凭着感性在规划和设计产品，容易犯错误。因此，看哪些数据，如何统计和分析数据，如何进行数据埋点，都是产品经理必须要掌握的知识和技能。

如果你对此还不甚了解，可以通过这篇文章，快速地知道一个大概，然后待到在工作中学习和实践时，就更加容易上手了。

首先简单讲一下什么是数据埋点。数据埋点通常是指开发工程师基于业务、运营或产品经理的需要，在产品前端程序中植入相关代码，以获取用户行为等数据的一种技术手段。

对开发人员而言，埋点需求同性能需求一样都属于非功能性需求，它们与功能性需求一起组成了产品需求。

网页中最常见的埋点方式是通过JS代码来实现的。

比如为了统计用户的点击事件，那么在每个链接或按钮处，都增加一段JS代码，用户一旦点击，无论页面是否有跳转、刷新等，都悄悄地请求了服务器，也就把一大堆信息传给了服务器存下来，包括用户的IP地址、地理信息、浏览器参数、点击的对象、时间等等。

又比如为了统计曝光事件，先定义好何为有效曝光（例如完成加载、渲染并进入用户视界），然后在有效曝光发生时，执行一段JS代码，把相关信息传输到服务器。

如果是手机APP或智能设备，则不同于网页主要使用JS代码的方式，它们往往被植入SDK（Software Development Kit，即软件开发工具包）来实现数据埋点。同时，为了避免频繁连接网络上传或下载数据，通常会将数据先存储在手机本地或智能设备中，等到一定的时机，再一次性同步至服务器。

一定要记住的是，数据埋点只是数据统计和分析的一种技术手段，并非所有的数据统计都必须要有数据埋点。

比如网页事件。在通过HTTP或HTTPS协议请求时，也就是访问各种网址时，浏览器发送给服务器的数据包中，不仅仅是地址栏中你看得见的那一行链接地址，而且还已经包括了诸如浏览器信息、用户信息、来源URL等，这些信息无需再通过埋点，只需要在后端接受请求的程序中加以解析，把有用的存下来即可。

还有一类数据，也是无需埋点的，比如有多少用户成功收藏了一篇文章，这本就属于功能需求的范畴，业务数据中已有记录。

好了，通过前面提到的各种方式，数据有了，但这还不是最重要的。

有了数据之后，还需要根据需要，从这些可能相当杂乱、冗余的数据中选出有用的，按照有利于查询和分析的方式进行二次加工和存储，使之与生产环境中实时变化着的数据隔离开。然后在此基础上，生成各类报表，或者提供一个可自行敲入SQL语句查询数据的界面。

稍有规模的公司通常会有专门的BI团队，他们的主要工作就是开发并维护一个这样的数据系统，供包括产品经理在内的各方面人员，随时随地地查询和分析数据。