為什么要埋點？埋點如同裝在智能機器人身上的傳感器，在機器人研發過程中，技術人員將內傳感器和電機、軸、手臂、手腕等關鍵部位安裝在一起，實時監控機器人的位置、速度、力度的測量，判斷機器人的穩定性與風險，最終實現伺服控制。

傳感器是機器人的埋點，網站與 APP 也需要如此埋點。前天策小編發了《埋點最大誤區：忽略業務需求》一文，介紹企業在追求精益化數據分析的路上，應如何科學選擇埋點方式。本文針對埋點另外兩大誤區進行剖析：埋點與數據采集、數據分析的關系？如何規避埋點混亂？

誤區一：重分析，輕采集！

在追求精益管理的道路上，大多企業深知數據驅動是第一生產力。然而，在企業搭建數據分析平臺，或選型第三方數據分析平臺時，經常會陷入“重分析，輕采集”的誤區。

數據分析是實現數據驅動的前提，固然重要。而數據分析的深度取決于數據采集的質量，顧此失彼，數據驅動道路只能越走越窄。神策數據創始人&CEO桑文鋒多次強調，數據采集應該遵循“大”、“全”、“細”、“時”四字法則。

“大”強調宏觀的“大”，而非物理的“大”。大數據不是一味追求數據量的“大”，比如每天各地級市的蘋果價格數據統計只有2MB，但基于此研發出一款蘋果智能調度系統，就是一個大數據應用；

?“全”強調多種數據源。大數據采集講求全量，而不是抽樣。除了采集客戶端數據，還需采集服務端日志、業務數據庫，以及第三方服務等數據，全面覆蓋。

“細”強調多維度數據采集，即把事件的維度、屬性、字段等都進行采集。如電商行業“加入購物車”的事件，除了采集用戶的 click 數據，還應采集用戶點擊的是哪個商品、對應的商戶等數據，方便后續交叉分析。

“時”強調數據的時效性。顯然，具有時效性的數據才有參考價值。

總之，埋點混亂、采集無序則根基不穩，令數據驅動的實現如“空中樓閣”。只有將數據采集和建模等基礎搭建好，數據驅動才能真正落地。

誤區二：無埋點優越于代碼埋點？

數據基礎夯實與否，取決于數據的采集方式。埋點方式多種多樣，按照埋點位置不同，可以分為前端（客戶端）埋點與后端（服務器端）埋點。其中無埋點是目前較為流行的前端埋點方式之一。

“無埋點”概念已爛大街，而在實際進行事件設計與實施的過程中，技術人員有道不盡的愛恨情仇：一方面，無埋點神秘無比，甚至被譽為“最全、最便捷、界面友好、技術門檻低”的數據采集方式；另一方面，運營人員又發出“為何所采數據與業務數據庫數值相差這么大？”等各種抱怨。簡言之，無埋點采用“全部采集，按需選取”的形式，對頁面中所有交互元素的用戶行為進行采集，通過界面配置來決定哪些數據需要進行分析，實質與“全埋點”并無無實質差異。

圖1 無埋點的優劣勢分析

為解釋頗具迷惑性的無埋點概念，筆者總結了其優勢與劣勢。

優勢包括：

可視化展示界面最基本度量，滿足基本數據分析需求。

無埋點可視化展現界面 PV、UV 等網站或 APP 分析的最基本度量，告訴運營人員每個控件被點擊的概率是多大，哪些控件值得做更進一步的分析等。如此有助于企業了解用戶行為，為進一步數據分析指明方向。

?技術門檻低，使用與部署較簡單。

無埋點極大程度避免了因需求變更、埋點錯誤等原因導致的重新埋點繁復工作。

用戶友好性強。

運營人員可以直接應用手指或者鼠標進行操作，自動向服務器發送數據，避免手工埋點的失誤。

然而，作為前端埋點的方式之一，無埋點有先天缺陷，帶來易用性的同時，也犧牲部分數據的采集深度。無埋點的劣勢如下：

無埋點只能采集到用戶交互數據，且適合標準化的采集，自定義屬性的采集需要代碼埋點來輔助。

每個用戶的交互行為均有許多屬性，無埋點無法深入到更細、更深的粒度。例如在電商行業中，用戶點擊“購物車”是一次交互行為，無埋點會忽略掉用戶信息、商品品類等其它維度信息，此時需要配合代碼埋點來輔助數據采集；再如用戶上滑屏幕時，內容瀑布流的底部載入、商品或廣告的加載展示、下拉菜單中下拉內容的數據點擊等情況，這類自定義行為的采集需要代碼埋點輔助實現采集。

由于無埋點僅適合標準的方案采集，一些數據分析平臺也開始支持用戶為每個event添加自定義屬性，如此能大大擴展事件分析的效能。值得一提的是，神策數據為用戶提供的自定義屬性無數量限制。

?無埋點兼容性有限。

例如在安卓系統進行埋點時，不同工程師可能會給APP界面中相同的 button 起不同名稱的 ID，當運營人員想篩選出所需數據時，不同名稱會給運營人員帶來困擾。另外，由于目前第三方框架較多，如 RN 框架，容易造成無埋點兼容性問題。

無埋點具有前端埋點的固有缺陷。

無埋點是前端數據采集方式之一，因此具有前端埋點的天然缺陷，如數據采集不全面、傳輸時效性較差、數據可靠性無法保障等問題。無埋點的技術原理依賴網站或者APP后端技術開發的嚴謹性與規范性、網絡狀態、網絡口徑等因素。

總之，數據采集方式決定所采集到用戶行為數據的深度和粒度。夯實數據基礎，無埋點需要配合前端代碼埋點實現，而前端數據采集的固有劣勢，應該結合后端埋點完成。數據采集不準、不全、不細容易讓后續數據分析工作陷入“巧婦難為無米之炊”的困境。

綜上所屬，筆者做出如下總結：

1.數據驅動是第一生產力，數據采集非“大全細時”，則數據驅動如“空中樓閣”；

2.大數據時代≠無埋點時代。“無埋點”頂多個是個“萬金油”，功能很多，應急抹一抹，想治病還是難。

總結

以上是生活随笔為你收集整理的埋点套路深，千万别掉“坑”的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。