关于App数据埋点那些事儿

原创李kui 产品圆桌会

截图来自电影《这个男人来自地球》，第一部神作，推荐。

背景

最近做了公司关于产品的数据埋点项目，主要是做和移动端的数据埋点。所以做个小总结，顺道回顾展开讲一讲关于app埋点应该注意的问题以及应该关注的指标（具体要结合各公司产品特性），主要是全新的埋点，如果单独的功能模块需要加上埋点则简单很多直接在需求说明里面加上埋点需求即可。

数据分析的道、术、器

我们都知道今日头条是一家在数据分析、数据驱动方便做得非常优秀公司。数据分析的“道” 也就是一个公司能从战略意义上明白数据的重要性，不是拍脑袋，也不是拍大腿。建立在数据分析的基础上进行项目决策（实际操作要克服很大的阻力），找到最优的产品方案。“术”既是分析的方法，俗称套路， “器” 主要是工具，数据埋点的工具我会在文末尾介绍。

app数据分析的原理

分类：根据采集数据端的不同，主要分为网页数据采集、APP数据采集。网页数据的主要是使用JS采集，APP数据采集主要是通过埋点采集，主要有客户端（前端）埋点和服务端（后端）埋点之分。客户端的埋点是记录的用户在客户端的操作记录，服务端埋点则是记录的客户进行服务器请求的日志。

这次结合公司的实际情况，使用的是百度移动，在app中嵌入第三方平台的SDK进行客户端的数据收集，然后在第三方平台上进行数据的可视化与分析。

埋点的步骤

确认主题——确认指标——分解指标事件——点位统计——开发沟通调整——进行埋点——数据收集——分析

确认主题

我们埋点主要是为了什么？ why so？ so what？这次埋点主要是为了了解用户的使用习惯、各个板块的转化情况，还是为了了解上线的两个功能进行A/B测试。比如我们这次埋点就是为了能了解app端的使用现状。用户增长情况、各板块的访问情况、页面跳转、区域分布、搭建转化漏斗。

确认指标

根据主题拆解为不同的指标，比如用户增长可以拆解为新用户注册量、新老用户占比、日活跃、月活跃等指标。

指标分类

指标方面按照核心指标和衍生指标进行一个初步的拆分，各个公司可以根据各个公司的情况进行增减。

分解指标事件

把指标按照计算方式拆分成事件，客户端埋点一般都是采取key-value的形式，key代表某个事件，value代表相应的参数值，这个在sdk埋点中不用过多考虑。

需要注意的是要在第三方平台上，上传/手动命名相应的事件ID与事件名称，一定要代码中的ID与名称一致。ID与名称iOS 与Android保持一致，命名的工作一般是由产品来做，有的也可以让研发提，两边统一即可。

确认好事件之后就可以统计埋点的点位了，汇总成一个excel表格即可，埋点位置，数据类型。确认好了一定要和研发讨论确认实现的方案，合理采用不同的埋点方式。

现在的平台一般提供3种方案。

代码埋点：控件操作发生时通过添加的代码来发送数据。优点：控制发送数据时间，事件自定义属性详细记录；缺点：时间、人力成本大。
可视化埋点：直接在客户端进行可视化圈选，通过可视化界面配置控件操作与事件操作发生关系进行数据采集。优点：产品可直接操作，成本低，速度快；缺点：行为记录信息少，数据准确度不高。
无埋点：用户展现界面元素时，通过控件绑定触发事件，事件被触发的时候系统会有相应的接口让开发者处理这些行为。现在市面上主流无埋点做法有两种，一种是预先跟踪所有的渲染信息，一种是滞后跟踪的渲染信息。优点：无需埋点；缺点：记录信息少。

进行埋点，数据收集

埋点过程中有埋点问题的要及时沟通，埋点事件名称切记不能随意修改导致两边不同，这会给后期数据分析造成干扰。埋点完成后需要一段时间进行数据收集，一般第二天会开始数据统计，稳定一两周查看是否有异常，没有就可以进行数据分析了。

数据分析

这个结合指定的埋点主题进行相应的数据分析，大部分的数据平台都会提供报告制作功能，相应的拖拽就能完成数据的之前发的产品运营的文章分析即可。通过描述性分析、预测性分析对收集到的数据进行解读。

截图来源：神策数据DEMO

有坑注意

如果事无巨细的进行埋点是一项非常大的工程，少则一两百项多则几百个点位，全部使用代码埋点工作量巨大。所以埋点前先要确认主要目的，核心指标，其他的都达不成时必须要的部分，剩下的可以分期、分步逐步加上。
埋好点后及时进行跟进，落实埋点的完整性与准确性。
很多数据后台都可以查到，收集的数据也更详细，而且实现可能更简单。所以进行埋点前要提前确认，哪些在第三方平台统计，哪些在后台统计。
不同第三方平台对于时间ID与名称可能会有不同限制，但一定要注意名称的统一，ios和android 代码处的和平台填写的。
每个点都有一个专属ID，尽量能按照类型分组，便于后期分析的时候查找。

移动应用数据分析平台

GrowingIO
百度移动统计
神策分析
腾讯移动分析
谷歌GA

总结

这次埋点还是有很多遗漏的地方，需要后续进行补充。另外，埋点只是数据分析的基础，对数据按照套路进行分析，形成参考才能体现数据的价值。

更重要的是需要管理层能对数据驱动（Data-Driven）能有足够的重视，用数据说话，用数据做参考。结合产品数据进行问题排查、功能优化、业务探索、试错并及时修正。