產品功能上線前，如何有效的埋點？

第一：建議用第三方統計，其實第三方的統計欄位基本都能滿足資料分析需求，比如，使用者分析、留存分析、渠道分析、使用者參與度等都足夠給予資料支撐了。

第二：路徑分析極為重要，但若產品的功能板塊較多，想要每個細節頁面都做上，絕對來不及。還有些原因也跟技術寫的程式碼方式有關，我就踩過一個坑，跟大家分享一下，有一小段時間，因為技術原因，首頁的四個tab在資料統計中顯示對的都是首頁，導致我無法分析使用者進入是哪一個功能板塊。這時建議把核心功能做上路徑統計，以驗證你規劃的主流程或者想要引導使用者進入的功能板塊是否有效。

第三就是轉化漏斗了，註冊轉化，購買轉化，參與轉化，看時間安排而定，其實自定義事件做了，轉化漏斗只是加幾個步驟而已，時間並不會耗費很多。

另一個很重要的事情就是，上了新版本一定記得在頁面訪問路徑的版本管理中選擇你要統計的版本，不然會沒有統計到。

埋點資料統一規則

1. 使用統計平臺：三方統計

2. 技術支援：客戶端、服務端

3. 基本統計：

A 使用者分析

新增使用者 活躍使用者 沉默使用者 啟動次數 版本分析 行業資料

留存使用者 使用者新鮮度 使用者活躍度

C 渠道分析

時段詳情 渠道列表

D 使用者參與度

使用時長 使用頻率 訪問頁面 使用間隔

E 功能使用

頁面訪問路徑 自定義事件 結構化事件

F 終端屬性

裝置終端 網路及運營商 地域區分

M 錯誤分析

錯誤趨勢 錯誤列表

N 社會化分享

H 訊息推送

產品有說沒有優勢，不是你能理解的，我想大資料都搞訴你的產品那裡還有問題。

這說明，你要站在客戶的角度去理解這個問題。要注意的情況多的？？？

說到這個問題，想起我之前的經歷了

我第一次和大資料的同學合作時，我自己是想表現得非常友好的。友好到什麼程度呢？我將在哪個位置需要埋點，在什麼時機觸發，取哪些資料都通過Excel洋洋灑灑的列了出來。列完之後，我感覺自己幹了一件大事，十分有成就感的就去找大資料同學了。

大資料同學是位大牛，在阿里和人人網都工作過，還擔任過架構師的重任。他大我一輪，非常溫和的接過了我手中的文件，然後放在一旁，坐下來跟我談心。

“澤華呀，你要這些資料，是想要做些什麼呢？”技術同學居然問我業務，了不得了不得，聽完我便撩起袖子，拿起筆對著白板畫了起來，一畫就是兩個小時。其間，吐沫飛濺，談笑風生。

“好了，我明白了。那我就按照這個流程圖以及最終要求的產出，給你準備相應的資料吧，明天給你一版。”大資料同學擦了一下臉，笑著離開了。

然後第二天，我就收到了大資料同學的文件。他非常給我面子，儘可能的在我上次給他的文件的基礎上進行修改。但即使如此，也最終只剩下不到1/3，基本是完完全全新做了一份。仔細閱讀一遍之後，我才明白什麼叫做專業隊，並感覺無形中被教做人了。

再之後，我如果要拜託他埋點，那麼一定不給他具體的點，而是說我想要什麼，我為什麼想要這個，有了這個能帶來怎樣的好處，以及為了實現這樣的好處技術上還需要配套開發哪些功能。

專業的事情交給專業的人去做，相信術業有專攻，做好自己的那一份事情。把業務梳理好，需求整理好，至於剩下的如何去做，就請選擇相信技術同學吧

[備註：本經歷系創業公司體驗，不保證大公司體驗的一致性]

如果只考慮埋點的全和細，其實現在已經有無埋點服務（growingIO、諸葛IO這些平臺提供豐富的行為資料的同時，甚至提供渠道分析、漏斗轉化、留存分析、使用者分群分析）。

因為即使簡單涉及到訂單交易型別的產品，籠統的使用者新增、留存可能都不再是最關鍵的指標，那麼僅僅簡單的統計行為資料就已經無法滿足需求了。

一般大點的公司，有專門的大資料團隊。他們會把渠道資料、行為資料、業務資料等進行同步和隔離，保護業務不受影響的同時，方便後續高效整合多個維度資料進行交叉分析，這樣才能提煉出來有價值的資訊，從而促進業務增長。

從目的出發巨集觀到微觀

我覺得產品調整的目的是增長，手段是資料分析，資料保障才是埋點。在埋點的時候，應該思考我這個埋點下去，將來能做哪些分析，分析能反應哪些環節的問題。不求非常全面，但這個環節有思考能保證方向正確。不過多嗶嗶，上實際案例。

現在有個收取高額會員費的薦股業務，假設他選擇的推廣方式是直接在代理渠道上投放主題活動，導流到銷售微信（銷售進行客戶營銷和篩選），再進一步導流到APP上享受會員服務。那麼我們要監控從渠道投放到會員購買的轉化，鏈條涉及到的環節有渠道投放[渠道]，主題活動[H5]，銷售微信[微信]，客戶端使用[APP]。從不同的環節的問題我們分別可以怎麼去解決：

資料分析不斷嘗試選擇高ROI的優質渠道—埋點上不同渠道的曝光要區分；

進行ABtest提煉出優質的活動主題—埋點上不同活動主題的頁面行為要區分；

分析以優化銷售的服務話術和SOP—埋點上不同銷售的客戶維護情況要區分；

分析以優化客戶端的新手引導路徑等—埋點上不同引導路徑的使用者留存要區分。

各類資料埋點全面、細緻

細緻是強調事情發生時橫向上報哪些多維度的資訊，比如頁面上一個新增好友的行為發生了，要上報這個事件發生時的渠道、裝置號、UID（如有）、好友ID等。

有時候不單單是埋點，還需要預埋對映關係

我們平時做產品設計的時候，出於穩定性的角度考慮，不同系統我們希望輕耦合。但是要做資料交叉分析時，發現我們的埋點資料有斷層應該怎麼處理呢？比如上述案例資料在微信資料（微信的好友資料其實是能通過監控銷售手機的本地資料庫進行解密拿到）這裡出現了斷層，我們怎麼知道客戶來自哪個推廣渠道和主題？

我們可以預埋一套獨立的對映關係。通過預埋的對映關係，後續資料分析團隊經過一些簡單的推導即可將斷層的資料進行銜接。這裡對映關係起到的作用也就類似於埋點了。比如上述案例中，客戶來源渠道和主題的對映關係預埋和推導思路大致如下圖：