产品经理的数据埋点知识

很多产品经理因为团队没有数据分析师或用户量还不够多，没必要养一个数据团队，还必须要自己兼任数据工作，由此数据数据埋点是产品经理必然会接触的一个工作事项。

数据可以帮助产品经理去衡量产品的功能效果，从0到1开始，数据指标帮助产品经理不断建立导航和方向。

而数据的来源主要分为三种， 服务端自有数据、埋点数据、和第三方的数据汇总而来的。

而埋点数据来自产品经理提前进行数据需求汇总、根据埋点文档由开发执行获取的数据，数据还包含涉及到运营活动。

对于一个产品经理来说，搞清楚如何埋点以及埋点技术的实现下才能做好数据埋点的获取。

埋点的实现原理，对于产品经理来说只要知道是通过植入代码实现的，如下是Google analysis 的埋点方式

将其放在代码里，就可以实现数据效果，往往是T-1。

放入后就可以显示埋点后的数据效果了。比如活跃、用户访问等。

埋点是数据领域的专业术语，也是互联网应用里的一个俗称。它的学名应该叫做事件追踪，对应的英文是Event Tracking。 它主要是 针对特定用户行为或事件进行捕获、处理和发送的相关技术及其实施过程。

用户基本属性数据、交易数据、商品数据 是直接通过用户录入或者行为触发，在数据库里面产生记录。而 流量数据或者说用户行为数据 ，则需要识别具体的每个行为。通过埋点就可以取得这部分数据。

到底怎么落地做数据埋点，这篇文章会详解。同时会介绍下互联网产品下三种常见的数据埋点方法、和三个埋点阶段。数据埋点3个阶段

数据埋点从资源投入和技术成本来说会分为3个阶段，其中第二个和第三个阶段是相同的数据架构属于稳步发展的结果，第一个和第二个变化就会非常明显。

分别数据埋点的阶段主要和数据需求息息相关，产品会经历从早期总览数据、到业务数据、再到精细化运营的用户行为数据3个阶段需求。

1.数据埋点初级阶段

在这个阶段主要是要是产品早期，还没有明显的市场反馈，以统计有用户基础的日活跃、用户注册数、用户增长趋势、用户活跃趋势的数据即可判断产品是否商业化正确，这时候需要的是标准平台，比如第三方平台下的百度统计、腾讯数据分析、神策数据等这些都是可以完成的。

通过植入SDK或API就可以完成数据的获取，在第三方平台进行查看。 开发工作量低、速度快、几乎不用维护

2.数据埋点中级阶段

随着用户量的上升，我们会得到用户行为和业务数据，需要进行一些深度化的行为操作数据，观察用户行为下业务的变化，找到用户和产品质检的一些规律，逐步投入和加大运营。

为了 数据的安全和 可以更加全链路 的数据分析 ，这个阶段则需要手动埋点和第三方一起使用，逐步从第三方过度到自家数据体系里。

同时判断是否还要继续用第三方平台还是自己搭建一个数据团队，看数据的开销成本即可，比如购买第三方数据平台一年的费用已经是100万养人成本，有自己的数据团队则花100完显然可以达到更加精细化和定制化的效果。

4.数据埋点的高阶阶段

这个阶段基本不仅是数据采集和获取了， 数据变得非常丰富。如何为业务和产品功能迭代找到突破，是这个阶段关键点。

精益数据，用户数据驱动，业务智能是这个阶段的运营特点。

此时的数据存储会往往独立出来，以数据仓库的方式单独存储

数据埋点的三种方法

1.手动埋点（传统埋点）

这种埋点适用于代码阶段，产品功能还不完善。比较代表的方案是利用百度统计、神策来实现代码植入，用其对应的免费版即可。

2.动态（可视化）埋点

这种方式可以不需要再手动埋点了，但缺点是因为监控机制导致产品的响应速度有影响。维护成本低，但效率低

3.全埋点

这种埋点方案效率高、同时也无需要后期维护，但唯一的问题就是灵活低，想针对某类事件进行埋点，可能没有覆盖则需要手动介入。

下面这张图是来自网络上更新的三者埋点技术优劣势，大家可以自己选择

没有绝对好的埋点方式，只有自己产品运营最适合的。一般是根据前面提到的，从产品用户量的变化逐步影响埋点的技术方案。需要不断维护和更新的埋点文档

埋点文档是一种数据规范，概述了您打算跨段源收集的事件和属性。制定一个全面的跟踪计划需要时间和精力，需要跨组织内的一系列团队，并且需要深入了解产品的业务目标。然而，一旦创建了埋点文档，跟踪计划就成为一种非常有价值的资源。而产品经理在数据埋点中输出物就是一份埋点文档和规范。

在设计埋点文档时，从推动业务价值的关键指标开始。关键指标可能包括新用户注册、收入、产品使用等。

数据埋点文档定义了关键指标后，定义哪些用户操作有助于跟踪或改进这些关键指标变得更加容易。每个用户操作映射到一个不同的事件，开发工程师可以在track（）调用，在代码段中跟踪它。跟踪的埋点也可以进行验证。在代码里标识（）page（）和group（）2个调用。

2.埋点文档撰写格式

一个埋点文档主要包含下面字段，如果你还没有埋点文档则可以用下面的字段直接创建一个属于自己的数据埋点文档。用Excel列表即可。

事件名称：埋点的事件名称，如文章阅读/文章评论/关注；

事件定义：说明事件是什么，如何触发。如用户点击社区—内容则上报该事件；

包含属性：用户进行了该行为，上报事件中需要传输那些参数。如用户ID、时间、应用版本、网络环境、手机型号、IP、内容ID、内容类型、第几篇浏览； 如某些属性在所有事件中都需要上传则可以整理公共属性进行管理；

属性定义：说明属性的定义，如用户地址为用户主动上传的地址，如没有则用用户IP代替；

属性值类型：说明传输至的类型，字符串、数值、bool；

开发名称：对应的开发变量名，可以由开发进行补充。如userID、contentID；

当前状态：说明当前该变量的状态。如待开发、开发中、验收中、已上线、已下线；

上线版本：说明该内容在那个版本进行上线

最后要说明的是数据埋点的文档可以避免下面问题

• 在数据埋点后会出现的问题
• 埋点参数数组含义模糊，容易出错
• 参数变动频发，依赖发版本覆盖
• 埋点的定义和事件名称没有统一管理
• 有很多临时需求，没有办法加入排期
• 埋点的研发进度没有进行管理，导致数据需求无法满足

4.数据可视化不是埋点

最后要提下，数据埋点是数据分析的基础，有了数据后我们会用数据可视化来完成数据决策，所以要分清楚2者。一个是前置条件一个是后者数据的应用。

说起可视化能力，就不得不先说一下tableau的技术核心——VizQL。简单说VizQL就是一种查询语言，用户要进行什么操作，VizQL就可以将其转化为对应的数据库查询，最终tableau会通过图形的方式表达响应，因此tableau的可视化能力才能如此强大。

tableau既有着很多表格分析组件，同时还拥有丰富的图表类型，比如散点图、甘特图、气泡图、直方图、靶心图等，配色上也非常人性化地提供了很多方案，操作上比较简单自由，让用户能够做出绝大多数想要的图表，当然前提是你拥有很强的代码能力和充足的时间。

今天的分享就在这。