大家好,今天给大家带来指标实施体系中关于落地实施方案的一点经验,希望可以在日常的数据采集中对大家有所帮助。
作者:王汉 来源:GrowingIO 增长公开课第 41 期
GrowingIO 高级技术顾问,毕业于北京大学,Extron 认证工程师。服务过奇瑞汽车、中铁建工、滴滴等头部企业,有丰富的技术部署经验。
一. 数据质量是数据分析的基石
假设一个场景:我们想要采集一个广告投放页的数据。
首先,我们与技术同学描述用户进入 App 开屏页所面临的场景:浏览—点击—跳转到广告页;接着,我们提出埋点需求。
点击数据分为有效点击和无效点击两类,但是由于技术侧同学并不会纠结此问题。他便随便从网上下载了一个闪屏页框架,集成到项目中。
在该框架下,点击动作被拆解为:按下,抬起。而我们平时认为的点击动作应该是:短时间内按下和抬起两个动作同时出发。
由于框架的目标是增加点击率,即让看到广告详情页的人变多。所以,当用户按下的时候,就已经触发了跳转到详情页的操作。
大部分非目标客户都会很急躁的退出广告详情页,而真正看到广告并感兴趣的人员则会主动进入广告详情页。
由此带来的洞察结果是:点击率高,转化效果差。市场侧的同学误认为是广告设计的失败,这会影响下次广告投放的视觉效果或投放策略。
通过上述例子,我们得出结论:数据采集的时机和技术侧的实现方式会大大影响业务侧的决策。
“九层之台,起于累土。”在形成一套可被洞察的数据之前,数据采集是最基础也是最关键的步骤。只有数据采得准,这个洞察结果才能在你做商业决策时提供帮助。否则将适得其反,再漂亮的数据分析也带不来实际的效果。
但是在埋点方案的实际实施过程中,我们可能会遇到以下困惑:
- 如何和技术端沟通你的埋点需求?
- 技术同学是否很快理解并落地?
- 最终数据生产结果是否符合你的预期?
GrowingIO 在与上百家客户落地埋点方案的经验中,发现“数据采集带来的数据质量问题”也许已经成为了企业的共性问题,而导致这一问题发生的原因主要有以下 4 点:
- 前期沟通业务不明确。例如程序员不清楚有效点击和无效点击的区别,只是单纯地从技术层面完成埋点;
- 采集时机口径对不齐。你希望采集数据的那个时机,技术同学并不明确;
- 采集点没有统一管理。如果没有统一的渠道去管理点击、浏览等数据,你的埋点方案将因繁琐的程序而无法落地;
- 版本更新。比如你在新旧版本之间进行比对时,无法发现数据的变化。
数据采集关乎数据质量,它需要产品及业务侧同事做出让技术同学“看得懂、埋的对、实施快”的技术落地方案。
二. GrowingIO 为数据高效采集保驾护航
针对这些棘手问题,GrowingIO 的无埋点技术可以快捷定义页面、按钮、文本框等常见用户行为操作,从而减少在某些重复性高的用户共性行为的埋点代码操作量,为数据快速可视化提供便利。
1.无埋点的定义
什么是无埋点?我们先来看看你是否遇到过以下这些场景:
- 做了一场运营活动,需要在用户的每一次点击行为上都埋点,却缺乏产研资源;
- 想衡量交互细节以推测用户行为之间的关联,却苦恼于繁琐的工序;
- 想查看用户在访问时的一切行为轨迹,探索用户使用产品场景;
- 想要快速地对比新旧版本,衡量发版效果; 想要分析的事件,没有事先埋点;
- 新功能上线时,发现有一个重要的元素没有埋点。
针对以上问题,无埋点都可以很好的解决。其实无埋点就是人物、时间、地点、内容、