如何设计埋点⽅案 如何设计埋点⽅案 ⼀ ⼀.与埋点相关的⼀些概念: 与埋点相关的⼀些概念: (⼀).埋点⽅式 1.代码埋点 代码埋点是最经典埋点⽅式,实施埋点的研发将埋点代码结合到业务代码中,实现⽤户⾏为数据的采集。这种埋点⽅式能采集到⾮常复杂的⾏为,尤其是⼀些⾮点击 的、不可视的⾏为,必须⽤代码埋点来实现。代码埋点按照位置的不同,可以分为前端埋点、后端埋点。前端埋点⽤来记录⽤户在客户端的操作⾏为,后端埋点⽤来记录客户 端进⾏服务器请求的⽇志。 代码埋点分为以下两种⽅式: (1)前端埋点 前端埋点能够收集更全⾯、精细的⽤户数据,尤其是不需要请求服务器的⾏为数据,如:页⾯停留时长、页⾯浏览深度、视频播放时长、⽤户⿏标轨迹、表单项 停留及终⽌等等,只能通过前端埋点实现。但缺点在于,前端埋点的上报⼀般存在 15% 左右的延迟上报和漏报(客户端未联⽹、数据打包上报、⽤户删除⾏为数据等原 因)。另外,如果客户端是 APP,每次上线新的埋点或者更新埋点时,需要发布新的版本才⾏,但是会存在部分⽤户不更新版本情况,影响数据质量。 (2)后端埋点 理论上,只要客户端向服务器发送过请求,服务端埋点能够收集到。相⽐于前端埋点,能实时采集数据,不存在延时上报,数据很准确;并且,服务端埋点⽀持 与⽤户⾝份信息和⾏为附带属性信息整合;另外,每次上线新的埋点或者更新埋点时,发布后马上⽣效。 代码埋点适合精细化分析的场景,我们可以将各种细粒度的数据采集下来,后续做深度分析。当然这种埋点⽅式很低效,需要经历完整的埋点流程,包括业务梳理 (产品运营)、埋点设计(产品运营/研发)、实施/测试/上线埋点(研发/测试)。整个过程需要多⽅协作,且要求产品运营也具备⼀定的专业⽔平,如果发⽣错漏⽆法快速补 救。 2.全埋点 ⽆埋点、⽆痕埋点、⾃动埋点,指的都是全埋点。这种埋点⽅式想要实现的效果是全⾃动化埋点,将客户端的⽤户⾏为尽可能地全⾯采集,然后通过界⾯配置的⽅式 对关键⾏为进⾏定义。使⽤这种⽅案,每次有⽤户⾏为分析的需求,不⽤再⾛⼀次完整的埋点流程,只⽤在产品中嵌⼊ SDK,等于做了⼀个统⼀的埋点。但是,⽆埋点也有 很明显的弊端。⽆埋点只能覆盖基本的点击、展⽰等⽤户⾏为;其次,全埋点采集的数据量⾮常⼤,随着数据量上升,可能会导致客户端崩溃的概率也会上升。尤其是移动 端,更多的数据量意味着更多的电量、流量和内存消耗;第三,即使全部⾏为数据都被收集回来了,具体分析时也不能避免⼆次梳理和加⼯,因为机器⽆法在采集时按照我们 想要的⽅式对全部事件进⾏有意义的命名,甚⾄⽆法保证采集上来的事件都正好是正确的;第四,现阶段全埋点对于⽤户⾝份信息和⾏为附带的属性信息也⼏乎⽆能为⼒。 3.可视化埋点 可视化埋点也被称为「⽆码埋点」,它的理念是降低实施埋点的门槛,以此来提升原⼯作流程的效率。实施埋点时,⽆需研发⼈员介⼊,产品运营可以直接在⽹站或 移动应⽤的真实界⾯上操作埋点,⽽且埋点之后⽴即可以验证埋点是否正确,并且,埋点部署到所有客户端也是⼏乎实时⽣效的。同样的,可视化埋点也有很多局限。⾸先, 可视化埋点也只是针对点击可见元素的,⼀些动态页⾯、不可见的⾏为是采集不到的;其次,对于点击操作附带的业务属性,⽐较难实现;第三,为了确保埋点准确性,可视 化埋点也逐步整合了更为复杂的⾼级设置,操作起来也很低效。 (⼆).埋点⽅案相关概念 1.事件 记录⽤户在使⽤⽹站、APP 或⼩程序的过程中触发的⾏为。 ⽤户的⾏为有⼀部分会在他们使⽤的过程中⾃动被采集上来,常见的如:跟访问有关的"页⾯浏览","停留时长";另外⼀部分包含具体业务含义的,则需要通过埋点才 能得到,例如:"注册"、"登录"、"⽀付"等等。 2.事件属性 可以通过属性为事件补充相关的信息,例如:位置,⽅式和内容。 ⽤户产⽣⾏为时就会上报具体的属性值,⽐如对"购买事件"定义了"⽀付⽅式"的属性值,则根据不同的⾏为可能上报的是微信⽀付,⽀付宝⽀付。事件属性有点像字 段,发⽣这件事件的⼀些相关字段都可以理解为属性,例如"购买事件"中的⽀付平台、⾦额、银⾏卡等相关字段,都可以被定义为事件属性。 3.⽤户属性 在分析过程中,需要引⼊注册⽤户的更多维度,⽐如注册⽤户ID、姓名、⽤户等级等等,也需要进⾏梳理,⽅法同事件属性。 ⼆ ⼆.埋点⽅案,以京东排⾏榜为例 埋点⽅案,以京东排⾏榜为例 1.⾸先分析分析当前APP所处的阶段,设置合理的⽬标。 京东排⾏榜是为了让⽤户跟着排⾏榜购买好物,即为了让⽤户更多地消费,同时由于推荐的是经得起考验的好物,也希望能在客户⼼⽬中留下好的⼝碑,提⾼⽤户对APP购物 体
- 粉丝: 167
- 资源: 3万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
- 林周瑜-论文.docx