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

cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Security Archives - TechRepublic
Security Archives - TechRepublic
Forbes - Security
Forbes - Security
C
Cyber Attacks, Cyber Crime and Cyber Security
Latest news
Latest news
V2EX - 技术
V2EX - 技术
Google DeepMind News
Google DeepMind News
Cyberwarzone
Cyberwarzone
Vercel News
Vercel News
V
Vulnerabilities – Threatpost
I
InfoQ
GbyAI
GbyAI
有赞技术团队
有赞技术团队
雷峰网
雷峰网
阮一峰的网络日志
阮一峰的网络日志
A
Arctic Wolf
F
Full Disclosure
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
C
Check Point Blog
Hugging Face - Blog
Hugging Face - Blog
Simon Willison's Weblog
Simon Willison's Weblog
Google DeepMind News
Google DeepMind News
M
MIT News - Artificial intelligence
Engineering at Meta
Engineering at Meta
The Register - Security
The Register - Security
T
Tor Project blog
T
Troy Hunt's Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
S
Security Affairs
W
WeLiveSecurity
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
Stack Overflow Blog
Stack Overflow Blog
Apple Machine Learning Research
Apple Machine Learning Research
H
Heimdal Security Blog
S
Secure Thoughts
Y
Y Combinator Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Security Latest
Security Latest
Martin Fowler
Martin Fowler
G
Google Developers Blog
宝玉的分享
宝玉的分享
腾讯CDC
TaoSecurity Blog
TaoSecurity Blog
T
Threatpost
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Project Zero
Project Zero
Blog — PlanetScale
Blog — PlanetScale
大猫的无限游戏
大猫的无限游戏
MongoDB | Blog
MongoDB | Blog

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, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
埋点,数据产品经理必备的技能!
Goodnight. · 2022-07-18 · via 人人都是产品经理

编辑导语:埋点是数据产品经理必备的工作技能之一,对于实际工作十分重要。本文作者介绍了有关数据埋点的相关内容,从数据采集的流程、埋点方案的类型和选择等展开分析,一起来学习一下吧,希望对你有帮助。

数据是数据产品的根基,而埋点是数据的起点;如果没有埋点,那数据产品则是无源之水。

可以说埋点是互联网行业里遇到的关键且无法绕过的问题。

以下是企业不同位置的同学内心OS:

  • 业务产品:埋什么,怎么埋?
  • 数据产品:埋点不规范,错埋、漏埋;
  • 业务开发:开发成本高,不懂数据,代码冗余;
  • 数据分析:埋点规则找不到,数据分析成本高。

业务同学对于埋点是什么都不知道,也不清楚要埋什么;所以往往会做了功能但是没有做埋点,在需要进行数据分析的时候去找数据团队要数据,数据团队会反问:“你们埋点了吗?”

数据产品,因为他们对于业务的认知并不深刻,所以经常会出现漏埋、错埋的情况,导致最后无数可取的结果。

业务开发,本质上他们是解决业务相关问题,数据开发对他们来说一个比较额外的工作,所以他们的开发成本会随着埋点需求而增加,也有可能伴随项目延期的风险;其次过得的埋点开发需求也会导致代码的冗余。

数据分析,他们更多地是用数据,数据埋点的规则找不到,以至于无法很好的通过数据驱动进行分析。

一、数据采集的流程是什么?数据从何而来呢

  • 浏览轨迹:用户在使用我们的产品时候,会在页面上产生一个行为路径、交互的动作,比如访问某个页面,点击某个商品等等,那这些数据的核心来源就是我们的埋点代码采集相关行为动作;
  • 业务系统:比如订单交易、数据表等,通过数据库同步的方式,将数据同步给下游相关系统进行使用;

外部数据的交互:比如API数据的传输、 数据文件的传输等;目前某平台的大数据标签系统就是通过这种方式传输补齐企业的人群标签等。而数据产品在整个数据链路上来说,基本可以划分为以下流程:

首先数据采集我们要从不同的端采集不同的数据,然后进行数据清洗加工处理(ETL),然后汇总到数据仓库中,供用户分析、用户画像、精准营销等使用;

我们知道数据采集、数据埋点的重要性后,在实际的业务功能需求提出的时候,一定是要提相关埋点需求的,那在做数据采集我们需要遵循怎么样的流程呢?

  1. 业务方确认功能,并发起埋点需求:提交包括所在页面、触发控件、触发场景等;
  2. 由专门的埋点团队来进行系统校验,确保命名规范、一致性,BI审核埋点申请和统计需求是否合理缺失等;
  3. 审核通过后,开发进行埋点采集框架的设计,开发埋点,完成埋点后进行测试;
  4. 测试预先编写能够覆盖所有场景的业务场景,测试通过更新需求状态;
  5. 业务验证埋点,数据开发和数据分析;

以上环节缺一不可,只有规范的流程,才可以在最后的分析中发现正确的现状问题。

二、如何选择埋点方案呢

现在互联网行业主流的埋点方案主要分为四种:

1. 第一种:代码埋点,代码埋点又分为前端埋点和后端埋点;前端埋点是通过前端的代码埋点来监控用户触发某个页面的数据采集

前端埋点的优点很明显,但是缺点也很明显,由于前端埋点的数据是通过延迟上报的机制,比如用户点击某个页面按钮它不会立刻上报,而是累计到一定的值以后才会按批上班,受限于当前网络情况,如果遇到网络堵塞等问题就会数据丢包,因此前端埋点丢失率比较高,一般在5%~10%。

而且前端埋点如果有漏埋和错埋的情况,那就要通过app发版进行优化,而客户端发版就要很久的时间。

2. 第二种:服务端埋点:在API的接口里植入埋点代码段

优点是在每次用户触发这次请求,都会触发埋点代码进行数据统计,所以无需发版,及时触发及时更新。

缺点是服务端埋点需要依赖服务请求,无法覆盖所有前端交互,以及对于用户路径采集也比较弱。

3. 第三种:全埋点;是目前互联网做用户增资的企业提出的一种埋点思路,通过埋点SDK接入,针对页面所有的采集页面元素的浏览和点击行为做统一的收集,不是按次和需求采集,而是提前全部采集

优点是开发成本高,SDK接入后后期维护成本也低,且埋点流程也很简单;先采集后定义,在一定程度上能避免漏埋错埋。

缺点是数据的冗余,导致很多数据并无用处,且数据采集范围仅仅是页面可见元素,比如像曝光这种就无法采集到;数据准确性也有问题。

4. 第四种:可视化埋点;也是接入埋点SDK,但是并不是随时随地采集,而是按需采集,通过可视化圈选触发埋点采集

优点是操作简单,且按需埋点不会采集无效数据,开发成本比较低;并且数据埋点是可支持撤销操作的,总体来说比全埋点数据量会小很多。

缺点:历史数据是无法恢复的,因为在我们圈选动作之前的数据是无法进行采集的;统计范围仅支持页面前端的动作,比如曝光也是无法采集到的。

三、了解各种埋点方案以后,如何在实际工作中选择埋点方案呢

选择埋点方案的参考主要基于三点:

  1. 业务发展阶段:开发投入成本、业务迭代速度
  2. 业务属性:交互应用类、业务交易类
  3. 分析深度:用户行为分析、业务分析、业务应用

比如我们可以根据业务发展阶段来定,比如说现在业务发展较快,版本迭代速度快、开发投入成本高,那我们做客户端埋点和服务端埋点是不太适合的,因为可能没过多久版本就更新了,所以全埋点和可视化埋点比较适合;

那对于比较强的业务数据分析场景来说,需加上前端客户端埋点;以及需要考虑分析深度,如果仅仅是想看用户前端行为路径的,那全埋点和可视化埋点就能满足需求,但是如果分析业务全流程那一定是需要配合上代码埋点。

我是比较推荐全埋点+代码埋点组合,如何服务端能做,优先服务端做,这样数据准确度会更高。

四、确定埋点选型后,那我们就要开始具体设计埋点了

事件是埋点里最核心的要素,如果我们要清晰的定位埋点,就要从6个维度进行定义,我们可以总结为who、when、where、what、why、How;这几个元素就构建了事件的基本要素。

那对于埋点事件主要可分为三类:

  1. 交互事件:浏览、点击、收藏、支付、曝光、关闭;
  2. 系统事件:APP启动、APP crash;
  3. 业务状态:支付成功、用户续期等(这种强依赖服务端的返回)。

通过以上我们基本就可以判断出我们需要记录用户什么行为,采集什么数据,for后续的什么分析了。

写在最后,在工作生涯中,过往的坑告诉我,一个好的埋点管理平台是多么的重要。

首先流程线上化,我们往往在一封封埋点的邮件中迷失自我,但是如果是线上申请,那需求申请、处理、接入、验证、测试就非常方便和快捷,规避信息沟通中的缺失;

其次可以管理规范,埋点都统一管理,信息集中管理,方便后期的分析和使用;

最重要的是监控实时化,减少漏埋、错埋的问题。

当然如果没有埋点管理平台,确定下规范的埋点流程,选择适合当下业务的埋点方案,我相信你也一定也可以做好埋点以及通过数据完成丰富的场景分析!

作者:Goodnight;专注用户、产品等运营领域。

本文由 @Goodnight. 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