用戶行為分析是產(chǎn)品調(diào)優(yōu)奏纪、用戶精準(zhǔn)運(yùn)營(yíng)的基礎(chǔ)，而良好的數(shù)據(jù)采集方案序调，則是進(jìn)行準(zhǔn)確的用戶行為分析的基礎(chǔ)醉锅。

代碼埋點(diǎn)、無(wú)埋點(diǎn)发绢、可視化埋點(diǎn)硬耍、全埋點(diǎn)、前端埋點(diǎn)边酒、后端埋點(diǎn)经柴，叫法很多，實(shí)際上可以簡(jiǎn)單的分為客戶端埋點(diǎn)（即前端）與服務(wù)器端埋點(diǎn)（即后端）墩朦。而前端埋點(diǎn)根據(jù)實(shí)現(xiàn)方式可分為可視化埋點(diǎn)與代碼埋點(diǎn)坯认，后端埋點(diǎn)統(tǒng)一都是代碼埋點(diǎn)方式氓涣。

一牛哺、代碼埋點(diǎn)VS無(wú)埋點(diǎn)（全埋點(diǎn)、可視化埋點(diǎn)）

代碼埋點(diǎn)方式檔案卡

概念?：代碼埋點(diǎn)是指在產(chǎn)品開發(fā)階段劳吠，PM通過(guò)對(duì)產(chǎn)品上線后需要做的數(shù)據(jù)分析的場(chǎng)景引润，設(shè)計(jì)數(shù)據(jù)需求，撰寫數(shù)據(jù)需求文檔痒玩，然后交由開發(fā)在每個(gè)需要采集的數(shù)據(jù)點(diǎn)寫入代碼淳附，通過(guò)寫入的代碼進(jìn)行數(shù)據(jù)監(jiān)測(cè)與上報(bào)。代碼埋點(diǎn)又會(huì)分為前端埋點(diǎn)與后端埋點(diǎn)蠢古，前端埋點(diǎn)是指在web燃观、app這樣的產(chǎn)品內(nèi)寫入代碼，而后端埋點(diǎn)是指在數(shù)據(jù)服務(wù)器內(nèi)寫入代碼便瑟。

應(yīng)用場(chǎng)景?：需要分析app內(nèi)用戶事件、需要進(jìn)行多維用戶行為分析番川、需要精確分析服務(wù)器端數(shù)據(jù)

優(yōu)勢(shì)?：1. 同時(shí)適用于客戶端與服務(wù)器端數(shù)據(jù)采集?2. 可進(jìn)行多維度屬性定義到涂，采集數(shù)據(jù)進(jìn)行自動(dòng)分類?3. 后端代碼埋點(diǎn)可提高數(shù)據(jù)準(zhǔn)確度脊框，適用于精細(xì)數(shù)據(jù)分析

劣勢(shì)?：1. 前期需做好埋點(diǎn)設(shè)計(jì)?2. 開發(fā)工作量大，出錯(cuò)率高?3. 版本更新后有可能需要部分重新埋點(diǎn)

實(shí)現(xiàn)方式?：PM整理數(shù)據(jù)需求践啄、PM與開發(fā)溝通確定埋點(diǎn)文檔浇雹、開發(fā)進(jìn)行手動(dòng)埋點(diǎn)、PM根據(jù)業(yè)務(wù)需求進(jìn)行數(shù)據(jù)分析屿讽、埋點(diǎn)方案迭代調(diào)整

數(shù)數(shù)科技SDK埋點(diǎn)后的事件上傳

注：大型公司昭灵，開發(fā)產(chǎn)品較多，會(huì)碰到比較通用的埋點(diǎn)需求伐谈，因此會(huì)開發(fā)適合此類通用需求的SDK以減少埋點(diǎn)工作量烂完。而中小型、產(chǎn)品數(shù)量較少的公司诵棵，會(huì)選擇純手動(dòng)代碼埋點(diǎn)或借助外部SDK的方式抠蚣，開展埋點(diǎn)工作。

無(wú)埋點(diǎn)方式檔案卡

概念?：無(wú)埋點(diǎn)屬于前端埋點(diǎn)的一種方式履澳，開發(fā)通過(guò)加入“無(wú)埋點(diǎn)”采集代碼嘶窄，對(duì)網(wǎng)頁(yè)或者APP上所有的可交互事件元素進(jìn)行解析并監(jiān)測(cè)，當(dāng)有用戶操作行為（交互事件）發(fā)生時(shí)距贷，即對(duì)此事件進(jìn)行采集柄冲、上報(bào)，因此“無(wú)埋點(diǎn)”與“全埋點(diǎn)”是相同的概念忠蝗。無(wú)埋點(diǎn)并不是不用寫入任何代碼现横，而是通過(guò)代碼將所有事件元素解析后，以可視化的方式呈現(xiàn)什湘，讓PM长赞、運(yùn)營(yíng)經(jīng)理等可以根據(jù)需要自行手動(dòng)選取、標(biāo)定闽撤。為了與開發(fā)逐一進(jìn)行代碼寫入的方式進(jìn)行區(qū)分得哆，被稱作可視化埋點(diǎn)∮雌欤可視化埋點(diǎn)通常通過(guò)第三方工具實(shí)現(xiàn)贩据，美國(guó)Heap公司于2013年將無(wú)埋點(diǎn)方案推向商業(yè)化。

應(yīng)用場(chǎng)景?：產(chǎn)品上線初期無(wú)明確業(yè)務(wù)和交易數(shù)據(jù)闸餐、只需要對(duì)web界面進(jìn)行分析

優(yōu)勢(shì)?：1. 部署簡(jiǎn)單饱亮，工作量小2. 數(shù)據(jù)全量采集，前期數(shù)據(jù)設(shè)計(jì)要求低?3. 使用簡(jiǎn)單舍沙，業(yè)務(wù)人員可自行操作

劣勢(shì)?：1. 無(wú)法記錄詳細(xì)事件屬性?2. 因?yàn)槿狈κ录傩越希诸悎?bào)告生成繁瑣，需手動(dòng)添加事件屬性?3. 屬于前端埋點(diǎn)拂铡，數(shù)據(jù)準(zhǔn)確度偏低

實(shí)現(xiàn)方式?：開發(fā)在產(chǎn)品中加入全埋點(diǎn)監(jiān)測(cè)代碼壹无、PM/運(yùn)營(yíng)根據(jù)需要進(jìn)行可視化埋點(diǎn)選擇葱绒、PM/運(yùn)營(yíng)進(jìn)行數(shù)據(jù)分析應(yīng)用

通過(guò)HeapAnalytics實(shí)現(xiàn)可視化埋點(diǎn)

注：因?yàn)椴淮嬖谕耆灰蕾嚱y(tǒng)計(jì)代碼就可以實(shí)現(xiàn)數(shù)據(jù)收集的方式，所以無(wú)埋點(diǎn)的說(shuō)法并不準(zhǔn)確斗锭。

二地淀、前端埋點(diǎn)VS后端埋點(diǎn)

前端埋點(diǎn)檔案卡

概念?：前端埋點(diǎn)也稱客戶端埋點(diǎn)，指在APP或者web產(chǎn)品中植入代碼岖是，對(duì)用戶在產(chǎn)品內(nèi)的行為事件數(shù)據(jù)進(jìn)行收集帮毁，用戶一旦觸發(fā)了該事件，就會(huì)上傳埋點(diǎn)代碼中定義的豺撑、需要上傳的有關(guān)該事件的信息烈疚。前端埋點(diǎn)會(huì)包含代碼埋點(diǎn)與可視化埋點(diǎn)方式。

應(yīng)用場(chǎng)景?：產(chǎn)品運(yùn)營(yíng)階段初期前硫，功能簡(jiǎn)單胞得，無(wú)深度分析需求；分析事件與后端無(wú)交互屹电；

優(yōu)勢(shì)?：可統(tǒng)計(jì)app內(nèi)與服務(wù)器無(wú)交互事件數(shù)據(jù)

劣勢(shì)?：出現(xiàn)丟數(shù)據(jù)的情況阶剑，和自己的業(yè)務(wù)數(shù)據(jù)庫(kù)數(shù)據(jù)對(duì)不上。這是前端數(shù)據(jù)采集的先天缺陷危号，因?yàn)榫W(wǎng)絡(luò)異常牧愁，或者統(tǒng)計(jì)口徑不一致，都會(huì)導(dǎo)致數(shù)據(jù)對(duì)不上

數(shù)據(jù)埋點(diǎn)過(guò)程中通過(guò)公共事件設(shè)置外莲，減少工作量

后端埋點(diǎn)檔案卡

概念?：后端埋點(diǎn)也稱服務(wù)器端埋點(diǎn)猪半，通過(guò)開發(fā)在服務(wù)器端寫入代碼，采集客戶端與服務(wù)器端會(huì)存在交互的事件數(shù)據(jù)偷线，以及存儲(chǔ)在業(yè)務(wù)服務(wù)器中的業(yè)務(wù)數(shù)據(jù)磨确。

應(yīng)用場(chǎng)景?：產(chǎn)品功能復(fù)雜，需進(jìn)行深度下鉆與多維分析声邦；用戶行為數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)整合分析乏奥；數(shù)據(jù)保密性高；分析項(xiàng)與后端交互亥曹，前后端均可采集的數(shù)據(jù)邓了；涉及充值、退訂等的重要事件

優(yōu)勢(shì)?：1. 避免多個(gè)客戶端埋點(diǎn)?2. 采集數(shù)據(jù)準(zhǔn)確

劣勢(shì)?：1. 客戶端與服務(wù)器端無(wú)請(qǐng)求交互的數(shù)據(jù)?2. 無(wú)法進(jìn)行客戶端行為事件精確統(tǒng)計(jì)（如提交訂單媳瞪，用戶可能是點(diǎn)擊了3次才提交成功）

三骗炉、3種數(shù)據(jù)埋點(diǎn)采集方式對(duì)比

選用哪種方式往往是根據(jù)產(chǎn)品形態(tài)、發(fā)展階段而定蛇受，有可能前期采用可視化埋點(diǎn)方式句葵，后期采用可視化埋點(diǎn)+后端代碼埋點(diǎn)方式；也有可能前期采用前端代碼埋點(diǎn)，后期前端+后端代碼埋點(diǎn)方式笼呆；而對(duì)于沒(méi)有交易熊响、廣告位類型的企業(yè)官網(wǎng)，采用Google Analytics或百度統(tǒng)計(jì)這樣的外部工具即可诗赌。

四、梳理清楚思路之后要學(xué)會(huì)節(jié)省精力

據(jù)調(diào)查：數(shù)據(jù)團(tuán)隊(duì)的絕大部分時(shí)間都浪費(fèi)在數(shù)據(jù)采集秸弛、清洗的基礎(chǔ)工作上了铭若。

產(chǎn)品經(jīng)理、運(yùn)營(yíng)經(jīng)理递览、數(shù)據(jù)分析師叼屠、開發(fā)為了數(shù)據(jù)收集、整理的事情會(huì)花費(fèi)很大精力绞铃，導(dǎo)致沒(méi)有足夠時(shí)間真正結(jié)合業(yè)務(wù)需求進(jìn)行數(shù)據(jù)分析镜雨，那么有沒(méi)有什么好的方式可以減少這部分工作量呢？

結(jié)合業(yè)務(wù)需求儿捧，活用外部工具

可以嘗試多個(gè)外部工具搭配使用荚坞，減少內(nèi)部自己開發(fā)，借助使用了分布式框架可以對(duì)億級(jí)數(shù)據(jù)實(shí)時(shí)分析的工具提高分析速度等菲盾。比如通過(guò)Google Analytics做網(wǎng)頁(yè)分析颓影，通過(guò)Heap Analytics初識(shí)可視化埋點(diǎn)，通過(guò)?數(shù)數(shù)科技ThinkingAnalytics?系統(tǒng)app懒鉴、小程序诡挂、服務(wù)器等全端數(shù)據(jù)采集SDK，實(shí)現(xiàn)多維的深度用戶行為分析临谱。

用好所有工具的基礎(chǔ)都是對(duì)自己產(chǎn)品邏輯璃俗、業(yè)務(wù)的清晰分析。從而能夠在前期設(shè)計(jì)良好的埋點(diǎn)方案悉默、在后期分析時(shí)根據(jù)業(yè)務(wù)需求靈活應(yīng)用數(shù)據(jù)城豁，有分析結(jié)果之后能夠做出準(zhǔn)確的判斷與運(yùn)營(yíng)決策。