上一篇文章寫了埋點(diǎn)以及基礎(chǔ)技術(shù)芹血，本篇介紹埋點(diǎn)時(shí)常使用的事件模型逮走。
一、事件模型
在傳統(tǒng)的web時(shí)代，我們經(jīng)使用pv贾富、uv來統(tǒng)計(jì)某個(gè)頁面/沒有按鍵的使用情況（如umeng）撵彻。但隨著數(shù)據(jù)精細(xì)化碑幅，數(shù)據(jù)分析&產(chǎn)品迭代更期望深度分析用戶行為(新老用戶的行為差異檐盟、各渠道用戶轉(zhuǎn)化率)、推薦需要用戶粒度的行為數(shù)據(jù)稻薇，但這些基于pv嫂冻、uv無法得到，因而事件模型由此出現(xiàn)塞椎。
簡單來說桨仿，事件模型非常像5w2h，它通過(who,when,where,how,what) 記錄了誰在某個(gè)時(shí)間點(diǎn)案狠、某個(gè)地方服傍、用某種方式钱雷、做了某一件事情(某個(gè)行為)。who,when,where,how,what即是事件模型的五個(gè)要素吹零。
Who：即誰參與了這個(gè)事件罩抗，唯一標(biāo)識(設(shè)備/用戶id)，可以是 匿名的設(shè)備id(idfa\idfv\android_id\imei\cookie)灿椅、也可以是后臺生成的賬戶id(user_id,uid)套蒂、也可以是其他【唯一標(biāo)識】。現(xiàn)在很多公司都有自己的唯一設(shè)備id茫蛹，e.g.阿里有OneId操刀。
When：即這個(gè)事件發(fā)生的實(shí)際時(shí)間。該時(shí)間點(diǎn)盡可能精確婴洼，有利于行為路徑分析行為排序骨坑，像神策會精確到毫秒。
Where：即事件發(fā)生的地點(diǎn)柬采】▎可以通過ip地址解析國家、省份警没、城市；如果期望更細(xì)致的數(shù)據(jù)振湾，如果住宅杀迹、商業(yè)區(qū)等，需要額外地理信息數(shù)據(jù)庫來做匹配押搪。
How：即用戶用某種方式做了這個(gè)事件树酪，也可以理解為事件發(fā)生時(shí)的狀態(tài)。這個(gè)包括的就比較多大州，可以是進(jìn)入的渠道续语、跳轉(zhuǎn)進(jìn)來的上級頁面、網(wǎng)絡(luò)狀態(tài)(wifi\4g\3g)厦画、攝像頭信息疮茄、屏幕信息(長x寬)等。而如使用的瀏覽器/使用的App根暑，版本力试、操作系統(tǒng)類型、操作系統(tǒng)版本排嫌、進(jìn)入的渠道等 經(jīng)常設(shè)置為“預(yù)設(shè)字段”畸裳。
What：即用戶做了什么，也是event模型的主題淳地。這里應(yīng)該盡可能詳細(xì)的描述清楚行為怖糊，如搜索(搜索關(guān)鍵字帅容、搜索類型)、觀看(觀看類型伍伤、觀看時(shí)長/進(jìn)度并徘、觀看對象(視頻id))、購買(商品名稱嚷缭、商品類型饮亏、購買數(shù)量、購買金額阅爽、 付款方式)等等路幸。
二、事件模型對應(yīng)埋點(diǎn)文檔
事件模型反映在埋點(diǎn)上報(bào)付翁，即觸發(fā)一個(gè)事件時(shí)上報(bào)對應(yīng)日志简肴，記錄who,when,where,how,what。對應(yīng)的統(tǒng)計(jì)文檔百侧，即埋點(diǎn)文檔砰识，在小型創(chuàng)業(yè)公司通常是excel來傳遞，有數(shù)據(jù)平臺部門的公司通常會有專門的維護(hù)后臺--埋點(diǎn)管理后臺佣渴，以同步埋點(diǎn)的增/刪/改辫狼。
上述所說的事件模型的埋點(diǎn)文檔通常會包括
1.事件類型，像“停/啟動”辛润、“退出app”這種常規(guī)事件會設(shè)置為預(yù)設(shè)事件膨处，將自動采集；而非預(yù)設(shè)事件則可以支持各種業(yè)務(wù)需求砂竖。
2.事件名稱(英文/中文)真椿，能夠準(zhǔn)確描述事件，區(qū)別與其他事件乎澄，中文名可以用戶數(shù)據(jù)后臺顯示突硝。
3.事件參數(shù)(英文/中文)，能夠準(zhǔn)確定義參數(shù)置济，區(qū)別與其他事件解恰，不同事件的相同參數(shù)盡量保持一致，中文名可以用戶數(shù)據(jù)后臺顯示舟肉。
4.參數(shù)值修噪，備注合理參數(shù)的范圍，例舉參數(shù)的值路媚。
5.類型黄琼，參數(shù)值記錄的類型。由于不同類型支持?jǐn)?shù)據(jù)分析后臺查詢方式不同，比如文本類型可以選擇單個(gè)值脏款，數(shù)值類型使用區(qū)間（大于围苫、小于等），定義參數(shù)類型時(shí)切記考慮通用性撤师、以及分析后臺的便利性剂府。
6.新增時(shí)間(版本)，新增該埋點(diǎn)的時(shí)間點(diǎn)剃盾。
7.刪除時(shí)間(版本)腺占，刪除該埋點(diǎn)的時(shí)間點(diǎn)。
三痒谴、日志上報(bào)衰伯。
剛有提到“事件模型反映在埋點(diǎn)上報(bào)，即觸發(fā)一個(gè)事件時(shí)上報(bào)對應(yīng)日志积蔚，記錄who,when,where,how,what意鲸。” 相比行為打包上報(bào)(非實(shí)時(shí)數(shù)據(jù))尽爆，有效減少數(shù)據(jù)延遲/丟失比例怎顾。
非實(shí)時(shí)的日志上報(bào)sdk中，因上報(bào)策略不同漱贱，即使是同一指標(biāo)槐雾，基于不同的sdk統(tǒng)計(jì)到的數(shù)據(jù)會有差異，常見問題：(1)延遲上報(bào)幅狮；(2)數(shù)據(jù)丟失蚜退。上報(bào)策略將會影響數(shù)據(jù)展示，使業(yè)務(wù)方懷疑數(shù)據(jù)可信度：如延遲上報(bào)的數(shù)據(jù)彪笼，再次處理后會引起數(shù)據(jù)回流(e.g.第一天上報(bào)90%的行為，相應(yīng)報(bào)表則會基于這90%統(tǒng)計(jì)展示蚂且；第二天再次上報(bào)5%前一天的數(shù)據(jù)配猫，相應(yīng)報(bào)表則會基于95%統(tǒng)計(jì)展示；引起兩個(gè)時(shí)間點(diǎn)看到的數(shù)據(jù)不一樣杏死。)
實(shí)時(shí)：用戶行為發(fā)生后立即上報(bào)泵肄；
非實(shí)時(shí)：當(dāng)一系列的行為都發(fā)生后，打包上報(bào)淑翼、最常見的app退出/下次啟動時(shí)上報(bào)當(dāng)次/上一次用戶行為腐巢。
當(dāng)前的事件模型上報(bào)日志示例：
三、事件模型的分析應(yīng)用
事件模型結(jié)合其主體（用戶/設(shè)備）的屬性信息可以支持各種分析模型（漏斗分析模型玄括、留存分析模型冯丙、路徑分析模型、用戶分群模型）遭京。
用戶屬性常記錄年齡胃惜、性別泞莉、職業(yè)、喜好等不易發(fā)生變化的船殉。
1.事件分析&用戶分群模型：任一事件可以結(jié)合預(yù)設(shè)字段和用戶屬性來統(tǒng)計(jì)分析鲫趁，如 18歲以下的女生在這個(gè)事件上的表現(xiàn)；反之也可以得到任一時(shí)間在 屬性維度上的分布利虫，如 這個(gè)事件觸發(fā)用戶的年齡分布挨厚、地域分布、機(jī)型分布等糠惫。
2.漏斗分析模型&用戶分群模型：分析一個(gè)多步驟過程中每一步的轉(zhuǎn)化與流失情況疫剃。結(jié)合用戶屬性，可以分析各維度的漏斗寞钥，以找到轉(zhuǎn)化低的瓶頸慌申。例如.不同渠道的注冊漏斗，是否存在某個(gè)渠道在某個(gè)轉(zhuǎn)化過程中表現(xiàn)異常理郑。
3.留存分析模型&用戶分群模型：進(jìn)行初始行為的用戶中蹄溉，有多少人還會進(jìn)行該行為。結(jié)合用戶屬性您炉，可以細(xì)分群體優(yōu)化增長柒爵、精細(xì)化運(yùn)營活動。
新用戶留存：第一次訪問后繼續(xù)訪問的用戶占比赚爵。
xxx行為留存率：進(jìn)行xxx行為的用戶中棉胀，有多少人還會進(jìn)行xxx行為，通常來衡量某個(gè)功能的用戶粘度
xxx行為后冀膝，做yyy行為：進(jìn)行xxx行為的用戶中唁奢，有多少人會進(jìn)行yyy行為。eg.第一天加入購物車的用戶中窝剖，在第二天付款的占比麻掸。
4.路徑分析模型&用戶分群模型：則可以清晰的看到訪問當(dāng)前頁面的所有用戶中，緊接著有多少進(jìn)入了詳情頁赐纱、有多大比例使用了xx/yy功能脊奋、有多大比例進(jìn)入了分類頁面。結(jié)合不同屬性的用戶在路徑分析模型上的差異點(diǎn)疙描、待優(yōu)化點(diǎn)诚隙。
四、事件模型的其他應(yīng)用
1.可視化/報(bào)表展示
2.數(shù)據(jù)分析
3.實(shí)時(shí)推薦
4.ab測試
