在互联网各个平台都进入增长疲倦期的阶段，活跃用户的留存比新用户的增长成本更低、效率更高，这时对数据的高敏和处理就更为重要，而很大一部分数据都来自数据埋点。那么，如何用产品思维建设一个清晰的埋点数据流呢？一起来看一下吧。

数据埋点有什么作用呢？数据埋点可以说是数据建设的基础，是数据与业务之间的链接和桥梁，相比较下数据可以客观反映产品的生命周期阶段，还可以起到指导业务方向的作用。

在互联网各个平台都进入增长疲倦期的阶段，活跃用户的留存和流失用户的预警相较于新用户的增长成本更低、效率更高，而更精细化的运营离不开数据，对数据的高敏和处理就变得更为重要，除基础数据之外有很大一部分数据都来自于数据埋点。

01 数据埋点的定义与分类

1. 数据埋点的定义

数据埋点定义：数据埋点又叫做数据事件追踪（Event Tracking）又可以理解为是对用户信息和用户行为的数据监控，可以对用户的行为和事件进行触发捕捉、处理、上报及落库落表的处理流程。

2. 数据埋点的分类

数据埋点类别：数据埋点根据对象服务的不同，或通过是否需要调用接口可以分为前端埋点和服务端埋点。前端埋点可以通过JS或接入第三方SDK的方式进行接入；后端埋点则是通过记录调用接口次数的方式进行记录。

一般情况下前端埋点可以记录一些简单的业务数据比如简单的页面停留时间、浏览事件、点击事件等，后端埋点记录一些复杂的数据比如页面的响应时间、页面跳转路径和转化等。

前端埋点主要分为前端代码埋点和可视化埋点，如何理解两种埋点呢？

1）代码埋点

代码埋点是根据指在确定好业务逻辑后通过前端JS进行数据监控或接入三方SDK的方式进行的数据埋点方式；

代码埋点的闭环，不考虑业务输出的层面需要包含：触发埋点 > 埋点上报收集 > 数据清洗和处理 > 埋点数据可视化 > 各系统针对数据的使用。

• 优点：埋点触点精准，数据收集口径可自定义；
• 缺点：新增数据埋点需重新开发并发版需一定的人力成本。

2）可视化埋点

可视化埋点是在接入埋点SDK的基础上，可以直接通过业务人员的操作对页面进行圈定并自定义埋点名称的埋点方式。

• 优点：可以直接面向业务人员便于操作、埋点可以及时响应
• 缺点：数据埋点范围受SDK的限制

后端埋点的特点主要是通过接口的调用产生数据请求并将其记录下来，能够完成实时的收集但也存在若在无网络无法调用记录的情况。

• 优点：无需发版、实时记录
• 缺点：受网络环境影响、无法覆盖全部的前端操作和元件

02 如何设计数据埋点

埋点可以分布在移动端、PC端、移动设备和服务器四种，相对较多的为移动端和PC端，埋点数据也要贯穿应用的生命周期覆盖所有的用户行为。

• 移动端：一般情况下指的是手机端的各类应用产品；
• PC端：一般情况下指的是WEB页面，PC客户端，例如人人都是产品经理网站等；
• 移动设备：一般情况下指的是有关智能化的独立设备比如智能手环的点击等；
• 服务器：一般情况下指服务端服务器资源可以用于接口的影响速度监测等。

1）埋点原则

前期埋点要全，后期定时删除。

• 前期埋点全：前期产品不稳定时，埋点要埋全——尽可能杜绝上线后发现数据缺失；
• 后期定时删：产品或者需求得出明确的结论后，定时整理删除不再需要或者不重要的埋点事件；

埋点有逻辑和预期：了解数据统计平台后埋点，杜绝埋点后数据在统计平台中的呈现方式与预期差别过大，无数可取无数可用。

埋点参数明确且唯一：埋点参数若难以理解，会造成业务折返跑并名称重复不可用。

2）埋点规则

在埋点数据的使用中，是依靠埋点参数进行选取和过滤的，因此在设计埋点时埋点要满足明确模块、位置、触点、参数、周期与上报时机，把需要拆分的维度当做参数来设计会便于后续的数据筛选和计算。

• 模块：明确埋点的平台模块，便于后续不同埋点数据的使用、归纳与收敛；
• 位置：明确埋点的位置，便于后续埋点数据的分类与使用；
• 触点：明确埋点的触发的机会点，例如页面中的按钮或其他元素等，便于埋点口径的统一；
• 参数：明确埋点的参数名称，要保证全局唯一且明确易懂，便于埋点的使用的查询；
• 周期：明确埋点的统计周期，例如点击三次元素后当作埋点的一个统计周期；
• 时机：明确埋点的上报时机，在满足了埋点触点时根据上报时机进行埋点事件的上报，通过统计周期进行数据的处理与应用。

3）埋点数据分类

按照不同的事件分类可以将埋点数据分为四大类：点击事件、曝光事件、跳转事件与时间统计事件。

1. 曝光事件：用户在应用的有效展示行为，如何合理定义有效曝光是前提，此部分可以与业务和开发同学共同定义，因为曝光事件是计算的基础，例如点击率=点击数/曝光数；
2. 点击事件：用户在应用内通过点击某个按钮时会触发一次点击事件通过数据上报进行一次点击事件的计数，可以触发的点有按钮控件、内容区域、页面元素等；
3. 跳转事件：用户在应用内通过页面之间的切换可以定义出跳转事件，此部分需要考虑跳转事件的定义，一次完整的跳转是通过哪些（两个）页面间元素的那些（点击）行为进行计算等；
4. 时间统计事件：用户在应用内在某个页面的停留时间，可以通过用户进入页面的时间t1和离开页面的时间t2计算间的差值进行统计，计算方法可以简单地表示为：用户停留时长=离开页面时t2-进入页面时间t1 ，但可能存在着用户连续跳转无法记录时间或记录事件较短无法统计的情况，此时需要定义出时间的最小卡点。

按照不同的数据分类可以将埋点数据分为三大类：基础数据、模块数据与特殊数据等。

1. 基础数据：基础数据又可以叫做公共数据用作模块与模块之间的交叉数据，此部分数据一般情况下只需要上报一次出于数据准确性的考量可以设定一段时间更新一次即可；
2. 模块数据：模块数据指的是业务组之间自定义的埋点数据，此部分数据的更新时间与时机要与业务共同商定已满足业务对于埋点的需求，此部分数据一般情况下是转化漏斗与用户分析等业务强相关的数据。例如：页面PV，页面UV等；
3. 特殊数据：此部分是根据业务需求定制化的埋点数据流，例如一些页面事件来源信息（渠道来源、广告归因等）、自定义信息（应用版本、屏幕分辨率、浏览器信息）等。在此过程中需要将埋点的数据落库落表，在埋点上线后需要及时的进行数据统计与接收业务反馈。

03 数据埋点的挑战与难点

数据埋点处于数据处理链路与数据分析的基础层级，也就意味着需要面临着业务数据多、流量数量庞大、ETL任务体量大，所以数据埋点的底线是要保证数据埋点上报的质量和稳定性，在此基础上需要考虑埋点数据流的实效性和成本管理。

• 埋点数据的高质量与稳定性：针对业务流量激增的情况需要保证业务的稳定性可以新增服务降级和容灭机制；
• 埋点数据流的实效性：针对不同业务模块对数据埋点实效性的不同要求，埋点数据流分层处理，例如推荐系统对于埋点数据流的来说实效性的要求程度较高；
• 埋点数据流的成本管理：此部分可以采取性能优化、埋点方案与治理等方案进行降本增效。

04 写在最后

数据埋点是业务逻辑较为复杂数据体量较大的模块，所以在设计之初就需要做到逻辑清晰全面并有所记录与复盘。一个好的埋点数据流要保证覆盖全面、稳定迭代、可拓展可分析可复盘。