一、什么是埋点

埋点是在APP/H5/小程序等产品中通过植入代码/嵌入SDK等方式来采集用户的前端交互/后端请求行为的一种数据采集方法。

二、埋点的作用

埋点可以说是落地整个数据驱动增长最基础、也是最关键的一步。因为只有采集的数据足够准确，我们才能通过数据分析做出正确的决策，进而促进活动、产品及公司的整体增长，意义是十分重大的！

通过埋点可以得到想要的数据：

• 当前版本的复盘情况
  – 新版本功能使用情况，是否符合预期；
  – 新功能上线后对其他功能点的影响？是否为整体均有积极作用；
  – 版本运营活动目标群体的特征获取;
  – 新增商业化目标的监测……
• 后续版本的数据支撑
  – 规划方向的用户行为分析
  –画像特征分析

详见 https://www.zhihu.com/question/36411025/answer/654557035

三、如何进行埋点

现在公司通常都会有数据产品经理或业务线数据分析师，结合版本迭代过程进行埋点规划。从这个角度看，通常的沟通过程是以埋点文档为载体，数据埋点评审为终结。事实上，前期还需与业务人员沟通迭代需求，后期需与开发人员讨论埋点细节。下边是友盟分享的埋点步骤。

（一）需求分析

1、可以从产品、运营&市场、KPI的视角出发

在梳理埋点设计的时候，通常会以产品、运营和市场以及KPI三个视角去切入。产品关注的核心业务点会聚焦在内容和功能上，运营和市场关注的业务点在拉新、留存、促活和转化上，KPI视角会聚焦在转化与收入上，但也需要根据客户的实际情况而定。

2、梳理业务需求的核心数据

需要把不同视角的业务需求转化成需要关注的核心数据，如产品运营在内容上所需要关注用户浏览、内容的转发或者是偏好，针对功能使用会关注注册、登录、搜索等这些功能的使用情况。

3、再次明确衡量需求的核心数据指标

业务需求拆解成核心数据后，针对每一个核心数据进行维度的细分，如内容方面：会按照标题、频道或者是标签，进行拆分分析。那么我们针对功能方面，会按照功能使用情况以及步骤的转化去进行分析。通过要分析的关键点，就可以把细分维度拆出来，最后还会再加上一些通用的维度，例如可以对单个用户或者某一个地区的用户进行深度分析。

以产品视角的需求样例，产品通常情况下会聚焦内容与功能上的使用，但在需求收集时都是分散和抽象的。例如：业务需要分析内容偏好和推荐效果以及内容受欢迎的程度。那在这个环节就需要先做需求拆解，也就是说要去找到能分析这个需求的核心数据与能够帮助判断业务变化的一些指标，细分维度在这里的作用更多的是做需求详细的拆解，可以理解为是去做核心数据的多维度明细展示，那么目的就是从更细的维度去满足业务分析需求。

总结：需求分析要先找到能满足这个需求的核心数据，再找到核心数据分析时所需要涉及的细分维度。

（二）事件设计

事件指的是记录用户行为或过程，比如用户的点击，下拉，这些都是用户的行为，大部分的埋点都会通过事件的形式去跟踪。

“事件采集“就是要知道谁在什么时候做了什么事情，设计思路可以分为三步。

第一步，了解产品结构（产品结构的范围，页面结构、功能结构），也就是先要了解分析的范围是什么，例如需要知道对哪些页面或者哪些功能有分析需求。

第二步，了解用户行为（点击行为、完成行为、曝光行为等），针对这些锁定的范围，去明确我们要分析用户的行为有哪些。

第三步，要把这些行为，落实到具体的分析维度上。

举个例子：某视频App的目标是提升用户留存

第一步，业务诉求是提升留存。

分析需求有四个：有无播放视频、浏览播放页监测、搜索功能使用、点击收藏按纽，需要把分析需求翻译成埋点需求。

a. 有无播放视频：只需要监测播放视频行为

b. 浏览播放页面：这个需求很直接，就是监测浏览播放页面的行为

c. 搜索功能使用：这个其实是多个需求，可以细分出两个事件，一个是监测搜索行为，另一个就是监测搜索结果页的内容展示

d. 点击收藏按钮：这个需求也很直接，就是监测按钮的点击情况

第二步，知道每个分析需求对应的属性结构

1）播放视频，隐性数据（后面会称之为属性）是当用户有播放行为时，视频会带视频类型、视频ID，用户的观看时长等相关信息，这些都要罗列出来，在后期对用户行为分析有帮助；

2）浏览页的播放，可以看出属性与播放视频基本一致，差异点在于没有用户播放的时长这个属性；

3）搜索词，则需要在用户进行搜索时，把搜索词、词的类型取回来，方便后期分析用户搜了那些词，这些词是自然搜索还是推荐词；

4）搜索页展示，这块需要把搜索是否有结果、展示内容ID、视频类型、哪个词索引过来的，这些相关的属性都取出来，这样后期可以分析搜索有结果率和内容曝光率，并且还可以做内容曝光到内容点击的转化分析；

5）点击收藏，不仅仅是获取用户点击这个按钮的行为，而是要把与视频相关的属性都取回来（视频相关属性与播放视频行为的属性一致）

第三步，开始设计埋点，事件共分为三层，事件、属性、属性值。

前两步梳理清楚后，埋点设计基本上就做好了，可以直接按照事件的三层结构进行整理。为了方便理解，下面详细解释下三层结构：

第四步，如何让技术看懂你的埋点需求？

事件设计完成后，下一步就是要交付给技术进行开发，但技术人员更多的是帮我们去实现需求，对业务不是很了解，这个时候就需要详细地告诉他需要埋哪些点，需要什么时候传数据。经过我们长时间的沉淀，大家套用下面的模板就可以简单、清晰的把需求提交给技术。

埋点的技术需求模板包含以下5部分：事件名称、事件上报参数（英文名称）、属性名称、属性上报参数（英文名称）、属性值、事件触发条件。

在上个案例中，要特别注意视频触达条件，不是每个事件都是点击后回传数据，比如视频播放牵扯到使用时长，所以要在页面有刷新或关闭的状态下进行判断，并且把计算好的时长进行回传。

（三）埋点实施

市场上主流支持的四种埋点方式，分别是代码埋点、服务端埋点、可视化埋点和全埋点。

代码埋点，支持事件与参数这种结构化的使用方式，弊端是想增加或修改事件，都需要重新发版，用户更新后才能采集。

服务端埋点，通常用于业务数据的采集，例如：付费成功、用户注册等，这个场景会选择用服务埋点进行采集。

可视化埋点和全埋点，都是解决整个App前端操作的一些点击行为，例如说某些按钮、页面，每一个点击都能监测。但差异点在于可视化埋点只能看到圈定后的数据，那么全埋点则是在圈定时，历史数据也能去追溯。

但这两个埋点的弊端是散点采集，每一个点击行为都是一个事件，在数据分析时，事件的量级会较大，不易于分析，而且它只能是取这种点击行为的事件，并不能把参数带过来，你可以理解为它就是一个纯扁平化的一个事件采集。

针对需求的不同，数据采集方式应该是结合使用的，友盟+现在支持两种埋点方式，代码埋点和可视化埋点，开发者可以结合使用，去满足事件方案的采集需求。

（四）看板校验

埋点后可通过三种方式验证：
1、打印日志， 开启debug去打印Log，去验证触发事件log是否有上报，这种方式需要技术来配合验证。
2、集成测试， 以友盟+为例，只需要让技术注册一个测试设备，就可在你这个测试设备上去启用你的App，在去触发事件，产品、运营的同学就可直接测试埋点情况。
3、也可以使用市场上智能验证的工具，以友盟+为例，可先注册设备，自动去识别整个埋点的情况，且日志是实时的，可产出事件的验证报告。

（五）智能验证

这一步可以智能验证这些事件的点是否采集了，是否有遗漏，最后会定期给出体检报告，详细的明细都会有。在友盟+的智能采集页面就可以智能验证埋点，只需要注册一个测试设备，这个测试设备填加完之后会实时把客户这些埋点的数据进行验证，到底是成功还是异常，以及测试的时间是什么都会有详细的数据。

详见 https://www.zhihu.com/question/23078534/answer/1298860640

四、埋点方式选择

埋点方式对比，详见https://blog.csdn.net/ones133/article/details/115431303

何种埋点方式最理想呢？

正如同硬币有两面，任何单一的埋点方式都存在优点与缺点，企图通过简单粗暴的几行代码/一次部署、甚至牺牲用户体验的埋点方式，都不是企业所期望的。要满足精细化、精准化的数据分析需求，可根据实际需要的分析场景，选择一种或多种组合的采集方式，毕竟采集全量数据不是目的，实现有效的数据分析，从数据中找到关键决策信息实现增长才是重中之重。
因此，数据采集只是数据分析的第一步，数据分析的目的是洞察用户行为，挖掘用户价值，进而促进业务增长，故最理想的埋点方案是根据根据不同的业务和场景以及行业特性和自身实际需求，将埋点通过优劣互补方式进行组合，比如：

1、代码埋点+全埋点：
在需要对落地页进行整体点击分析时，细节位置逐一埋点的工作量相对较大，且在频繁优化调整落地页时，更新埋点的工作量更加不容小觑，但复杂的页面存在着全埋点不能采集的死角，因此，可将代码埋点作为辅助，将用户核心行为进行采集，从而实现精准的可交叉的用户行为分析；

2、代码埋点+服务端埋点：
以电商平台为例， 用户在支付环节，由于中途会跳转到第三方支付平台，是否支付成功需要通过服务器中的交易数据来验证，此时可通过代码埋点和服务端埋点相结合的方式，提升数据的准确性；

3、代码埋点+可视化埋点：
因代码埋点的工作量大，可通过核心事件代码埋点，可视化埋点用于追加和补充的方式采集数据。

详见https://www.zhihu.com/question/36411025/answer/468092622

五、埋点注意事项

1）将通用字段和业务特有字段分级定义

随着业务变化或业务增长，埋点会越来越多。若字段和业务没在系统级别绑定关系，有些字段多个业务在用，枚举值越来越多，对埋点设计者会造成较多的信息噪音，因此将平台通用字段和业务字段做系统级别的元信息完善，有助于后续埋点扩展管理。

详见 https://www.zhihu.com/question/36411025/answer/648289497

2）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。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。

详见 https://www.zhihu.com/question/36411025/answer/147581103

声明：文中引用了很多内容，仅作为学习使用，感谢各位作者给我们小白种的大树~~~

相关推荐：
数据仓库知识备份

AB实验知识备份

APP的LT预估模型及LTV/ROI计算