⼿把⼿教你从业务价值与产品场景⼊⼿进⾏埋点规划
近三年，我深度接触过上百家头部App客户，诊断和参与过数百次的App数据体系搭建⼯作。我发现⼀个特别突出的问题，⼏乎80%的App都没有科学的埋点规划——只采集显性数据，⽽更深层的与事件属性相关的隐性数据，都没有采集到。 因为没有埋点规划，就没有隐性数据，就没有科学和精细的数据体系，就没有精细化运营！
那么，埋点规划很难吗，不难！为什么⼤部分企业都做的不太好？关键在于，埋点规划需要整合产品、运营、技术和业务等跨部门的需求，运营同学不太懂技术、技术同学不太懂业务、产品同学不太懂埋点……
下⾯我将结合在友盟+多年的⼯作思考和埋点技巧，从0到1教会你如何结合属性进⾏结构化埋点，助你迈出精细化数据分析的第⼀步！ 第⼀部分，埋点的业务价值
埋点可以解决那些业务问题？
围绕⽣命周期做⽤户分层，可以分为新⼿阶段、成长阶段、沉默&流失阶段。例如新⼿阶段要分析注册
转化情况、要对渠道质量进⾏评估；在成长阶段要分析活跃度、考虑如何提升收益；沉默&流失阶段要进⾏沉默促活、流失召回。
根据以上举例的场景可以看出，每个阶段的数据分析都与埋点密切相关。例如，新⼿阶段分析注册转化，就需要把注册的每个环节进⾏埋点采集，直到注册成功；要评估渠道质量，就需要监测核⼼转化事件，根据业务需求的不同，转化事件有可能是付费或者是注册等等。所以说，先有埋点规划，后有精细化运营。
如何实现结构化埋点，提升数据分析效率？
⽬前，主流的埋点⽅式有代码埋点、可视化埋点、全埋点、服务端埋点这四种。
1）可视化埋点和全埋点：运营和产品⼈员在前端做⼀些按钮甄选，就可以针对某个点进⾏监测。优势是操作简单，劣势是采集到的数据分散，1）可视化埋点和全埋点：
分析需要关联和结构化，只能针对客户端的数据采集，服务端数据是采集不到的。
2）服务端埋点，⽐如电商领域，有交易数据或会员充值数据，都是通过服务端埋点进⾏采集。
2）服务端埋点
检验检疫局英文3）代码埋点，⽀持任意场景，例如采集⽤户在客户端的操作情况，以及服务端数据，⽀持结构化处理。代码埋点是“先难后易”，先按照业务3）代码埋点，
逻辑做结构化埋点规划，埋完上线就可直接对事件进⾏分析。今天重点介绍通过代码埋点怎么做结构化设计。
埋点步骤：3步埋点规划，2步测试上线
事件结构化设计分两部分，埋点规划和测试上线。
第⼀步明确分析需求和属性结构，进⾏埋点设计规则；第⼆步
第⼆步进⾏埋点实施测试，搭建报表体系。接下来由⼀个真实案例，说明如何三步把事件第⼀步
规划做好。
上图是⼀个真实案例，某视频App的⽬标是提升⽤户留存。 步骤1：
数据发现：
有播放⾏为⽤户⽐⽆播放⾏为⽤户的留存率⾼30%；
每提⾼1%的播放⽤户，整体留存提⾼3%。
分析场景转化到埋点监测需求：有⽆视频播放
分析场景转化到埋点监测需求：
步骤2：到⽆播放（⾏为）⽤户的特征，到可以优化的环节，即如何提升⽤户播放视频？从两个⽅向出发
1）从内容分发⼊⼿。数据分析发现⽆播放⽤户中，48%使⽤过搜索引擎，很可能是搜索后没有结果，没有形成播放⾏为。
1）从内容分发⼊⼿。
2）从播放页⾯的产品体验⼊⼿。
2）从播放页⾯的产品体验⼊⼿。数据发现16%的⽆播放⽤户已经达到播放页，但是没有最终播放，这是第⼆个需要做深⼊分析的⽅向。综合以上发现，需要通过两个⽅式埋点，分发⼊⼝对⽤户使⽤的情况，播放页对⽤户使⽤情况。
分析场景转化到埋点监测需求：分发⼊⼝/浏览播放页
分析场景转化到埋点监测需求：
步骤3：漏⽃分析，到搜索路径突破点。
步骤3：
中国工程物理研究院从第⼀个⽅向出发，客户建⽴了两个漏⽃，分别是有播放漏⽃，以及⽆播放漏⽃。
“进⼊搜索页——真正搜索——有结果——有点击”，发现⽆播放⼈的“有结果”和“有点击”转化率⾮常差。
关键指标：
提升搜索有结果率，针对搜索结果的展⽰和内容对⽤户期望内容的匹配度进⾏优化；搜索结果点击率，在埋点环节要对搜索引擎进⾏监测。
分析场景转化到埋点监测需求：搜索功能使⽤
分析场景转化到埋点监测需求：
步骤4：优化播放链路（播放页体验），到⽤户不播放的⾏为原因
步骤4：
⾮Wi-Fi的环境下，这是导致没有播放的主要原因。16%⽤户进⼊到播放页，却没有点击“播放按钮”，为什么？通过⼈分析，有50%的⼈在⾮Wi-Fi的环境下
产品经理决定，在这种场景下提⽰⽤户收藏，有Wi-Fi在提醒其播放。
最终通过三个⽅⾯的优化，增加⼀个按纽，增加有结果的叶⾯的展⽰，以及内容匹配度，通过这个改变后有播放⽤户的⾏为增加了7%。
分析场景转化到埋点监测需求：点击收藏按钮（新功能使⽤情况）
分析场景转化到埋点监测需求：
在每个分析环节应该埋哪些点？
这个案例介绍完了，在每个分析环节应该埋哪些点？
第⼀步，业务诉求是提升留存，分析需求有四个：有⽆播放视频、浏览播放页监测、搜索功能使⽤、点击收藏按纽。
第⼀步，业务诉求是提升留存，分析需求有四个：
需要把分许需求翻译成埋点需求：
a. 有⽆播放视频：只需要监测播放视频⾏为营养块
b. 浏览播放页⾯：这个需求很直接，就是监测浏览播放页⾯的⾏为
c. 搜索功能使⽤：这个其实是多个需求，可以细分出两个事件，⼀个是监测搜索⾏为，另⼀个就是监测搜索结果页的内容展⽰
d. 点击收藏按钮：这个需求也很直接，就是监测按钮的点击情况
第⼆步，知道每个分析需求对应的属性结构羞耻心
1）播放视频，隐性数据（后⾯会称之为属性）是当⽤户有播放⾏为时，视频会带视频类型、视频ID，⽤户的观看时长等相关信息，这些都要罗1）播放视频
列出来，在后期对⽤户⾏为分析有帮助；
2）浏览页的播放
华硕n812）浏览页的播放，可以看出属性与播放视频基本⼀致，差异点在于没有⽤户播放的时长这个属性；
3）搜索词，则需要在⽤户进⾏搜索时，把搜索词、词的类型取回来，⽅便后期分析⽤户搜了那些词，这些词是⾃然搜索还是推荐词；
3）搜索词
4）搜索页展⽰，这块需要把搜索是否有结果、展⽰内容ID、视频类型、哪个词索引过来的，这些相关的属性都取出来，这样后期可以分析搜索4）搜索页展⽰
有结果率和内容曝光率，并且还可以做内容曝光到内容点击的转化分析；
5）点击收藏，不仅仅是获取⽤户点击这个按钮的⾏为，⽽是要把与视频相关的属性都取回来（视频相关属性与播放视频⾏为的属性⼀致）
5）点击收藏
第三步，开始设计埋点，事件共分为三层，事件、属性、属性值。
前两步梳理清楚后，埋点设计基本上就做好了，可以直接按照事件的三层结构进⾏整理。为了⽅便理解，下⾯详细解释下三层结构：
从产品视⾓，如何设计埋点treo600
多维度的属性是能够帮助我们更清晰的描述这个事件，⽐如我们触发了⼀个播放电视剧的⾏为，衍⽣出描述的话“今天+我+搜⼀部电视剧+第⼀集+看完了+导演是谁”这句话就把所有的属性都包含了。通过埋点的⽅式切割成在每个属性当中，后期就可以对视频播放事件进⾏详细的分析了。为了⽅便⼤家理解，下⾯在引⽤三张产品截图来告诉⼤家如何设计埋点，分别是搜索页⾯，搜索结果展⽰页、播放页。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议