在整個數(shù)據(jù)鏈路過程中，數(shù)據(jù)的獲取是鏈路源頭，而其中埋點(diǎn)就是最為常見的數(shù)據(jù)源頭之一，其數(shù)據(jù)之豐富，量級之龐大，靈活且多變。因此，對數(shù)據(jù)埋點(diǎn)的精確設(shè)計和高效采集可以說是每個希望通過數(shù)據(jù)驅(qū)動增長的公司所需重點(diǎn)關(guān)注的。源頭數(shù)據(jù)有問題，一切的后續(xù)動作只會是空中樓閣。本篇文章講分享自己在了解神策的數(shù)據(jù)埋點(diǎn)之后，對數(shù)據(jù)埋點(diǎn)設(shè)計過程中的一些關(guān)鍵點(diǎn)的思考和理解

一、數(shù)據(jù)采集前的說明

1、用數(shù)據(jù)的方式描述用戶行為

事件模型（Event 模型）：事件模型包括事件（Event）和用戶（User）兩個核心實(shí)體，其中事件的設(shè)計是能夠基于業(yè)務(wù)指標(biāo)體系拆解下來后進(jìn)行設(shè)計

2、埋點(diǎn)位置說明

①客戶端埋點(diǎn)：一般建議某個行為只在前端發(fā)生，對后端沒有任何請求，比如常見的曝光、點(diǎn)擊這些事件
②后端埋點(diǎn)：除客戶端的埋點(diǎn)外，其他動作都建議采用后端埋點(diǎn)，主要理由是：
A、很多行為，如下單等，他們的很多字段在前端（App 和 Web 界面）是拿不到的。再比如線下消費(fèi)的數(shù)據(jù)，只有后端埋點(diǎn)才能采集到
B、App 端收集數(shù)據(jù)會有丟失的風(fēng)險，并且上傳數(shù)據(jù)也不及時，因?yàn)槠涫谴虬鄺l數(shù)據(jù)記錄一起上報，存在數(shù)據(jù)延時上報和丟失的風(fēng)險

3、標(biāo)識用戶

①常見的用戶標(biāo)識方法：設(shè)備ID和用戶ID
標(biāo)識方案：在用戶未登錄的情況下，神策會選取設(shè)備 ID 作為唯一標(biāo)識，登錄狀態(tài)下選取登錄 ID 或者 userid，一個用戶既有設(shè)備ID（亦稱作“匿名ID”）又有登錄ID。接下來，通過“用戶關(guān)聯(lián)”將同一個用戶的設(shè)備ID 和登錄 ID 關(guān)聯(lián)到一起
設(shè)備標(biāo)識說明：
A、安卓

B、ios

C、web網(wǎng)站
使用cookie_id作為設(shè)備ID
D、微信小程序
使用openid作為設(shè)備ID

②除了上述的兩種情況，針對同一產(chǎn)品的標(biāo)識，但產(chǎn)品生態(tài)達(dá)到一定程度，需要實(shí)現(xiàn)多產(chǎn)品多場景的ID-Mapping，及如何將多用戶多種登錄形態(tài)下的用戶識別是否為同一用戶，現(xiàn)在很多會基于手機(jī)號，同個用戶的手機(jī)號一般變化比較小。當(dāng)然也有其他例外，還有有些軟件是不需要用戶登錄就能使用的，特別是廣告分析，在分析廣告收益的時候，只在乎用戶的觀看。因?yàn)榫托枰M(jìn)行相似ONEID識別，定位同一個用戶，進(jìn)行全方位的分析。

③相似用戶的oneID識別：對于騰訊的用戶表示，以微信或QQ為中心，進(jìn)行中心化的用戶標(biāo)識，能夠采用此做法的原因是，一般的中心化標(biāo)識選擇是以社交型的產(chǎn)品為核心，并在該產(chǎn)品能夠?qū)崿F(xiàn)極大多數(shù)人群的滲透的前提，簡而言之，就是通過微信或QQ，因?yàn)檫@兩個APP已經(jīng)覆蓋了中國大部分的人群了。能夠與其他任何APP進(jìn)行綁定，則在進(jìn)行數(shù)據(jù)資產(chǎn)整理之時，能夠通過微信或QQ所映射的ID實(shí)現(xiàn)ID-MAPPING，標(biāo)識出一個唯一的用戶，對該用戶進(jìn)行全方位的分析；一般采用中心化的方式是有產(chǎn)品具有高社交化、高滲透的前提，因?yàn)槠溆脩粽承员容^強(qiáng)，滲透比較廣。像工具型的產(chǎn)品一般不用來做中心化標(biāo)識的依據(jù)，因?yàn)槠湔承圆皇呛軓?qiáng)，滲透也沒那么廣

④而像阿里這種沒有強(qiáng)社交型和高滲透、高粘性的app，比如不能采用釘釘作為中心化產(chǎn)品，因?yàn)椴皇撬腥硕紩褂冕斸?#xff0c;其用戶群體還是比較窄的，就只能采用軟識別模式的ID-MAPPING，即通過多ID的綜合分析，賦予每種登錄形式一定的權(quán)重，并進(jìn)行計算得出不同登錄模式下的該用戶ID是否是針對同一個用戶，再進(jìn)行后續(xù)的多場景分析

3、埋點(diǎn)需求文檔（DRD）

實(shí)際的事件設(shè)計過程要結(jié)合實(shí)際的情況進(jìn)行設(shè)計
事件的設(shè)計：
①根據(jù)業(yè)務(wù)流程或用戶的關(guān)鍵行為設(shè)計事件
②為事件添加相對應(yīng)的屬性

二、指標(biāo)體系的搭建和數(shù)據(jù)采集說明

數(shù)據(jù)埋點(diǎn)是能夠基于業(yè)務(wù)需求進(jìn)行設(shè)計，這樣設(shè)計出來的埋點(diǎn)數(shù)據(jù)才具有分析意義。而能夠概覽業(yè)務(wù)分析最好的方式是指標(biāo)體系的構(gòu)建，通過對業(yè)務(wù)的理解，拆解業(yè)務(wù)下的指標(biāo)體系，基于指標(biāo)體系去構(gòu)建每個指標(biāo)所需的埋點(diǎn)事件設(shè)計

1、指標(biāo)分類說明

①進(jìn)攻性指標(biāo)和防守性指標(biāo)：進(jìn)攻性指標(biāo)是根據(jù)生命周期的階段定階段性的關(guān)鍵性指標(biāo)，同時為了解決和長期目標(biāo)的矛盾，需要設(shè)置防守型指標(biāo)，比如活躍率不能低于多少，保證整個長期趨勢的發(fā)展路徑
②數(shù)據(jù)歸因指標(biāo)：通過不同階段的指標(biāo)分析，分析真正促使用戶達(dá)到既定目標(biāo)的維度標(biāo)簽，進(jìn)行持續(xù)監(jiān)控，得出用戶轉(zhuǎn)化觸點(diǎn)
③先見性指標(biāo)：預(yù)測未來，比如漏斗指標(biāo)，可以預(yù)測有多少成交用戶
④后見性指標(biāo)：反應(yīng)問題，用戶流失概率

2、指標(biāo)體系搭建

具體指標(biāo)體系怎么構(gòu)建，不用的業(yè)務(wù)需求會有不同的構(gòu)建想法，比如可以基于AARRR模型去拆解針對一個APP不同階段的所需關(guān)注的指標(biāo)，對應(yīng)針對這些指標(biāo)去設(shè)計埋點(diǎn)事件；也可以針對業(yè)務(wù)場景，比如：短視頻模塊，去梳理短視頻內(nèi)容創(chuàng)作者、內(nèi)容消費(fèi)者、平臺三方所關(guān)注的指標(biāo)維度，并對應(yīng)去設(shè)計埋點(diǎn)事件
案例說明：
①基于AARRR模型拆解各個階段的關(guān)注點(diǎn)

②基于上述的指標(biāo)，我們就知道每個指標(biāo)需要采集的數(shù)據(jù)是什么，根據(jù)神策的埋點(diǎn)模板去對應(yīng)設(shè)計每個指標(biāo)的事件，注意在設(shè)計每個事件時，需要明確每個事件的類型（登錄、曝光、瀏覽、點(diǎn)擊、購買、使用等等）、包含的屬性以及每個事件的觸發(fā)時機(jī)

③數(shù)量完全部指標(biāo)對應(yīng)的事件和屬性之后，會有重合的屬性，可以考慮進(jìn)行屬性歸整，對于常用且一般不變的屬性，可以歸整進(jìn)公共屬性表中

2、數(shù)據(jù)采集說明

基于上述的埋點(diǎn)說明表之后，形成埋點(diǎn)的PRD就可以溝通投入開發(fā)。而數(shù)據(jù)采集之后需進(jìn)行數(shù)據(jù)驗(yàn)證和事件管理，能夠保證數(shù)據(jù)的準(zhǔn)確性和后續(xù)事件的管理預(yù)利用，主要就是進(jìn)行元數(shù)據(jù)的管理

三、數(shù)據(jù)管理

1、元數(shù)據(jù)管理

元數(shù)據(jù)管理可以統(tǒng)一管理所追蹤數(shù)據(jù)元信息和配置，比如，修改事件的顯示名、修改事件屬性的顯示名、修改事件屬性的單位、修改用戶屬性的顯示名等

說明：針對指標(biāo)體系下的每一個事件進(jìn)行可視化的追蹤，跟蹤每個事件的數(shù)據(jù)入庫情況，檢測每個事件的屬性維度是否正常采集等，包括對事件的事件屬性維度的管理、事件用戶屬性維度的管理，包括屬性調(diào)用基本信息修改、數(shù)據(jù)入庫的開與閉，以及基礎(chǔ)事件和基礎(chǔ)屬性的二次加工形成新的事件和屬性等一系列動作

2、數(shù)據(jù)血緣管理

數(shù)據(jù)的血緣管理更多的是在數(shù)據(jù)表層面，主要是展示表之間的關(guān)聯(lián)和依賴關(guān)系，能夠在應(yīng)用側(cè)明確關(guān)聯(lián)，便于數(shù)據(jù)分析和數(shù)據(jù)問題排查等動作。這個在阿里云的Dataworks應(yīng)用比較多

新人創(chuàng)作打卡挑戰(zhàn)賽發(fā)博客就能抽獎！定制產(chǎn)品紅包拿不停！

總結(jié)

以上是生活随笔為你收集整理的数据产品-指标体系和埋点设计的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。