惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

爱范儿
爱范儿
博客园_首页
U
Unit 42
Apple Machine Learning Research
Apple Machine Learning Research
云风的 BLOG
云风的 BLOG
MongoDB | Blog
MongoDB | Blog
美团技术团队
H
Help Net Security
G
Google Developers Blog
B
Blog RSS Feed
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
aimingoo的专栏
aimingoo的专栏
Google DeepMind News
Google DeepMind News
J
Java Code Geeks
M
MIT News - Artificial intelligence
腾讯CDC
IT之家
IT之家
Vercel News
Vercel News
C
Check Point Blog
博客园 - 三生石上(FineUI控件)
Last Week in AI
Last Week in AI
I
InfoQ
博客园 - 司徒正美
A
About on SuperTechFans

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
案例分析:7个步骤,告诉你数据埋点如何落地
半岛铁盒 · 2023-08-29 · via 人人都是产品经理

数据埋点作为产品数据分析中特别重要的一环,一直是很多产品经理关注的重心。但之前很多文章都是讲解方法论和理论知识,少有案例和实践的内容,这篇文章,作者从一个案例出发,为我们讲解数据埋点如何做。

结合最近的工作,输出数据埋点落地经验,希望可以帮助到大家。

本文将从以下实现埋点的步骤进行整理:

  1. 需求调研,明确目标和需求
  2. 定义需要跟踪的事件,形成埋点管理文档
  3. 召开需求会,同开发确认埋点难度,确定埋点优先级
  4. 埋点测试验收
  5. 发布和数据收集
  6. 数据分析和优化
  7. 结语

一、需求调研,明确目标和需求

本次数据埋点的目的:收集学生的开发行为数据,督促、帮助学生更好的进行软件开发,帮助其高薪就业。

业务场景:学生在IDE进行代码开发

数据收集工具:开发的IDE插件

调研对象:

开发团队(前端、后台):了解前后端使用哪些主流IDE、了解程序员如何进行代码开发,都有哪些开发步骤,明确后,梳理为以下业务流程:

  • 打开IDE
  • 代码开发(代码输入、代码补全)
  • 代码调试(单步执行、全部执行)
  • 代码编译(编译成功、编译失败)
  • 代码提交(commits到git、)
  • 文件操作(新建、保存、删除)
  • 关闭IDE

二、定义需要跟踪的事件,形成埋点管理文档

根据步骤1,确定好了业务流程,分别按流程拆解,依据模型4W1H,即Who、When、Where、How、What,某用户在某时间点、在某地方以某种方式完成了某个具体的事情,定义事件及属性,形成埋点管理文档。

文档示例如下:

注意增加埋点版本号字段,以便后续数据维护。

三、召开需求会,同开发确认埋点难度,确定埋点优先级

将完成的埋点管理文档再次上会确认,同时开发考虑实现难度,并在规定上线时间内给出最小实现版本,按照V1.0.0版本必须实现、可快速实现、需调研实现、实现有难度在埋点文档标记维护,确定埋点优先级,方便后续需求管理。

四、埋点测试验收

团队较小没有测试,只能产品上。开发自测完毕,产品根据业务流程按事件触发方式在数据库验证数据有无收到数据准确性

注意埋点客户端和服务端均需要压测

如以上无误可以准备上线。

五、发布和数据收集

埋点管理文档再次完善实际埋了哪些点,及其上线版本号,便于后续数据维护。

上线后需每天定时验证数据正确性,检查有无异常值,如过低、过高数据、是否丢数据、时间值是否正确等等。检查这些异常值,需分析发生原因,排除是否为自身开发bug。

六、数据分析和优化

运营、业务同学可根据收集上的数据,进行业务维度数据分析,产生报表需求。我们可用积木、帆软等工具快速行程数据报表,供前期业务分析使用。

同时,也可验证我们埋点的数据准确性,影响boss、业务分析的重点bug快速上线,小版本迭代优化。

七、结语

本次的数据收集主要应用在b端,达到了更好的辅助业务开展的效果,拿数据说话结果更加强有力。在c端,数据分析也是提升产品功能,提升转化率的利器。

通过实操的方式介绍数据埋点落地流程,希望和大家一起进步,

本文由@半岛铁盒 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。