發(fā)布時間:2024-01-24閱讀( 20)
編輯導語:埋點是數(shù)據(jù)產(chǎn)品經(jīng)理必備的工作技能之一,對于實際工作十分重要本文作者介紹了有關數(shù)據(jù)埋點的相關內(nèi)容,從數(shù)據(jù)采集的流程、埋點方案的類型和選擇等展開分析,一起來學習一下吧,希望對你有幫助,今天小編就來說說關于數(shù)據(jù)產(chǎn)品經(jīng)理具體要學什么?下面更多詳細答案一起來看看吧!

數(shù)據(jù)產(chǎn)品經(jīng)理具體要學什么
編輯導語:埋點是數(shù)據(jù)產(chǎn)品經(jīng)理必備的工作技能之一,對于實際工作十分重要。本文作者介紹了有關數(shù)據(jù)埋點的相關內(nèi)容,從數(shù)據(jù)采集的流程、埋點方案的類型和選擇等展開分析,一起來學習一下吧,希望對你有幫助。
數(shù)據(jù)是數(shù)據(jù)產(chǎn)品的根基,而埋點是數(shù)據(jù)的起點;如果沒有埋點,那數(shù)據(jù)產(chǎn)品則是無源之水。
可以說埋點是互聯(lián)網(wǎng)行業(yè)里遇到的關鍵且無法繞過的問題。
以下是企業(yè)不同位置的同學內(nèi)心OS:
業(yè)務產(chǎn)品:埋什么,怎么埋?
數(shù)據(jù)產(chǎn)品:埋點不規(guī)范,錯埋、漏埋;
業(yè)務開發(fā):開發(fā)成本高,不懂數(shù)據(jù),代碼冗余;
數(shù)據(jù)分析:埋點規(guī)則找不到,數(shù)據(jù)分析成本高。
業(yè)務同學對于埋點是什么都不知道,也不清楚要埋什么;所以往往會做了功能但是沒有做埋點,在需要進行數(shù)據(jù)分析的時候去找數(shù)據(jù)團隊要數(shù)據(jù),數(shù)據(jù)團隊會反問:“你們埋點了嗎?”
數(shù)據(jù)產(chǎn)品,因為他們對于業(yè)務的認知并不深刻,所以經(jīng)常會出現(xiàn)漏埋、錯埋的情況,導致最后無數(shù)可取的結(jié)果。
業(yè)務開發(fā),本質(zhì)上他們是解決業(yè)務相關問題,數(shù)據(jù)開發(fā)對他們來說一個比較額外的工作,所以他們的開發(fā)成本會隨著埋點需求而增加,也有可能伴隨項目延期的風險;其次過得的埋點開發(fā)需求也會導致代碼的冗余。
數(shù)據(jù)分析,他們更多地是用數(shù)據(jù),數(shù)據(jù)埋點的規(guī)則找不到,以至于無法很好的通過數(shù)據(jù)驅(qū)動進行分析。
一、數(shù)據(jù)采集的流程是什么?數(shù)據(jù)從何而來呢瀏覽軌跡:用戶在使用我們的產(chǎn)品時候,會在頁面上產(chǎn)生一個行為路徑、交互的動作,比如訪問某個頁面,點擊某個商品等等,那這些數(shù)據(jù)的核心來源就是我們的埋點代碼采集相關行為動作;
業(yè)務系統(tǒng):比如訂單交易、數(shù)據(jù)表等,通過數(shù)據(jù)庫同步的方式,將數(shù)據(jù)同步給下游相關系統(tǒng)進行使用;
外部數(shù)據(jù)的交互:比如API數(shù)據(jù)的傳輸、 數(shù)據(jù)文件的傳輸?shù)龋荒壳澳称脚_的大數(shù)據(jù)標簽系統(tǒng)就是通過這種方式傳輸補齊企業(yè)的人群標簽等。
而數(shù)據(jù)產(chǎn)品在整個數(shù)據(jù)鏈路上來說,基本可以劃分為以下流程:
首先數(shù)據(jù)采集我們要從不同的端采集不同的數(shù)據(jù),然后進行數(shù)據(jù)清洗加工處理(ETL),然后匯總到數(shù)據(jù)倉庫中,供用戶分析、用戶畫像、精準營銷等使用;
我們知道數(shù)據(jù)采集、數(shù)據(jù)埋點的重要性后,在實際的業(yè)務功能需求提出的時候,一定是要提相關埋點需求的,那在做數(shù)據(jù)采集我們需要遵循怎么樣的流程呢?
業(yè)務方確認功能,并發(fā)起埋點需求:提交包括所在頁面、觸發(fā)控件、觸發(fā)場景等;
由專門的埋點團隊來進行系統(tǒng)校驗,確保命名規(guī)范、一致性,BI審核埋點申請和統(tǒng)計需求是否合理缺失等;
審核通過后,開發(fā)進行埋點采集框架的設計,開發(fā)埋點,完成埋點后進行測試;
測試預先編寫能夠覆蓋所有場景的業(yè)務場景,測試通過更新需求狀態(tài);
業(yè)務驗證埋點,數(shù)據(jù)開發(fā)和數(shù)據(jù)分析;
以上環(huán)節(jié)缺一不可,只有規(guī)范的流程,才可以在最后的分析中發(fā)現(xiàn)正確的現(xiàn)狀問題。
二、如何選擇埋點方案呢現(xiàn)在互聯(lián)網(wǎng)行業(yè)主流的埋點方案主要分為四種:
1. 第一種:代碼埋點,代碼埋點又分為前端埋點和后端埋點;前端埋點是通過前端的代碼埋點來監(jiān)控用戶觸發(fā)某個頁面的數(shù)據(jù)采集
前端埋點的優(yōu)點很明顯,但是缺點也很明顯,由于前端埋點的數(shù)據(jù)是通過延遲上報的機制,比如用戶點擊某個頁面按鈕它不會立刻上報,而是累計到一定的值以后才會按批上班,受限于當前網(wǎng)絡情況,如果遇到網(wǎng)絡堵塞等問題就會數(shù)據(jù)丟包,因此前端埋點丟失率比較高,一般在5%~10%。
而且前端埋點如果有漏埋和錯埋的情況,那就要通過app發(fā)版進行優(yōu)化,而客戶端發(fā)版就要很久的時間。
優(yōu)點是在每次用戶觸發(fā)這次請求,都會觸發(fā)埋點代碼進行數(shù)據(jù)統(tǒng)計,所以無需發(fā)版,及時觸發(fā)及時更新。
缺點是服務端埋點需要依賴服務請求,無法覆蓋所有前端交互,以及對于用戶路徑采集也比較弱。
3. 第三種:全埋點;是目前互聯(lián)網(wǎng)做用戶增資的企業(yè)提出的一種埋點思路,通過埋點SDK接入,針對頁面所有的采集頁面元素的瀏覽和點擊行為做統(tǒng)一的收集,不是按次和需求采集,而是提前全部采集
優(yōu)點是開發(fā)成本高,SDK接入后后期維護成本也低,且埋點流程也很簡單;先采集后定義,在一定程度上能避免漏埋錯埋。
缺點是數(shù)據(jù)的冗余,導致很多數(shù)據(jù)并無用處,且數(shù)據(jù)采集范圍僅僅是頁面可見元素,比如像曝光這種就無法采集到;數(shù)據(jù)準確性也有問題。
4. 第四種:可視化埋點;也是接入埋點SDK,但是并不是隨時隨地采集,而是按需采集,通過可視化圈選觸發(fā)埋點采集
優(yōu)點是操作簡單,且按需埋點不會采集無效數(shù)據(jù),開發(fā)成本比較低;并且數(shù)據(jù)埋點是可支持撤銷操作的,總體來說比全埋點數(shù)據(jù)量會小很多。
缺點:歷史數(shù)據(jù)是無法恢復的,因為在我們?nèi)x動作之前的數(shù)據(jù)是無法進行采集的;統(tǒng)計范圍僅支持頁面前端的動作,比如曝光也是無法采集到的。
三、了解各種埋點方案以后,如何在實際工作中選擇埋點方案呢選擇埋點方案的參考主要基于三點:
業(yè)務發(fā)展階段:開發(fā)投入成本、業(yè)務迭代速度
業(yè)務屬性:交互應用類、業(yè)務交易類
分析深度:用戶行為分析、業(yè)務分析、業(yè)務應用
比如我們可以根據(jù)業(yè)務發(fā)展階段來定,比如說現(xiàn)在業(yè)務發(fā)展較快,版本迭代速度快、開發(fā)投入成本高,那我們做客戶端埋點和服務端埋點是不太適合的,因為可能沒過多久版本就更新了,所以全埋點和可視化埋點比較適合;
那對于比較強的業(yè)務數(shù)據(jù)分析場景來說,需加上前端客戶端埋點;以及需要考慮分析深度,如果僅僅是想看用戶前端行為路徑的,那全埋點和可視化埋點就能滿足需求,但是如果分析業(yè)務全流程那一定是需要配合上代碼埋點。
我是比較推薦全埋點 代碼埋點組合,如何服務端能做,優(yōu)先服務端做,這樣數(shù)據(jù)準確度會更高。
四、確定埋點選型后,那我們就要開始具體設計埋點了事件是埋點里最核心的要素,如果我們要清晰的定位埋點,就要從6個維度進行定義,我們可以總結(jié)為who、when、where、what、why、How;這幾個元素就構(gòu)建了事件的基本要素。
那對于埋點事件主要可分為三類:
交互事件:瀏覽、點擊、收藏、支付、曝光、關閉;
系統(tǒng)事件:APP啟動、APP crash;
業(yè)務狀態(tài):支付成功、用戶續(xù)期等(這種強依賴服務端的返回)。
通過以上我們基本就可以判斷出我們需要記錄用戶什么行為,采集什么數(shù)據(jù),for后續(xù)的什么分析了。
寫在最后,在工作生涯中,過往的坑告訴我,一個好的埋點管理平臺是多么的重要。
首先流程線上化,我們往往在一封封埋點的郵件中迷失自我,但是如果是線上申請,那需求申請、處理、接入、驗證、測試就非常方便和快捷,規(guī)避信息溝通中的缺失;
其次可以管理規(guī)范,埋點都統(tǒng)一管理,信息集中管理,方便后期的分析和使用;
最重要的是監(jiān)控實時化,減少漏埋、錯埋的問題。
當然如果沒有埋點管理平臺,確定下規(guī)范的埋點流程,選擇適合當下業(yè)務的埋點方案,我相信你也一定也可以做好埋點以及通過數(shù)據(jù)完成豐富的場景分析!
作者:Goodnight;專注用戶、產(chǎn)品等運營領域。
本文由 @Goodnight. 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自 Unsplash ,基于 CC0 協(xié)議
歡迎分享轉(zhuǎn)載→ http://m.avcorse.com/read-241128.html
Copyright ? 2024 有趣生活 All Rights Reserve吉ICP備19000289號-5 TXT地圖HTML地圖XML地圖