ch3 数据采集

ch3 数据采集

一、数据采集常见的问题

• 前期业务沟通不明确

  业务人员没有和技术人员明确数据采集时需要注意的细节问题

• 采集时机和口径对不齐

• 采集点没有统一管理

• 版本迭代无法发现数据变化

二、用户行为数据采集方式：有埋点和无埋点

• 埋点和无埋点

  其实我目前的工作中只接触过埋点，无埋点主要指前端通过SDK等直接收集数据。

  • 适合无埋点的情况（”探索式数据场景“）

    • 业务属性弱，交互属性强
    • 需求及时性强，要快速落地得出结论
    • 数据使用周期短，不需要长期监控
    • 相对于准确性，更关注整体的趋势变化
    • 非核心数据，数据可及性强

  • 适合埋点的情况（”监控与分析式数据场景“）

    • 数据稳定准确，反应真实的业务场景
    • 需要长期监控，需要长期存储数据
    • 业务属性丰富，可以做深度业务分析
    • 监控核心KPI，指标需要少而精
    • 需要设置数据权限，数据可及性弱

    二者各有优劣势，需根据实际情况结合使用。以注册流程为例，如果仅是关注转化率，优化流程，仅使用无埋点即可；如业务方还关注性别、行业等分布情况，则涉及注册后的信息，并且需要长期关注和分析，适合采用埋点的方式。

  • 客户端埋点和服务端埋点

    这是根据位置不同的分类，客户端可以详细采集用户行为以及使用的设备，而服务端则可以准确上报业务数据。

三、如何高效落地数据采集

• 埋点方案四要素

  • 确认事件与变量

    按照UJM模型/产品关键流程涉及关键实践

  • 明确事件的触发时机

    我们要尽量选择贴近业务需求的数据口径，在可行性与业务贴合度之间找到最优解

  • 规范命名

    推荐“动词+名词“或者”名词+动词“的”驼峰命名法“

  • 明确优先级

  随时附赠有需求文档，在实践中可以参考

• 埋点的团队协作流程

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nHAoerGb-1642503676977)(.\ch3-1.png)]

<p align = 'right'> （图片来自于GrowingIO）</p>

• 数据指标管理

  这里主要涉及指标命名、指标字典、指标分类和指标清理（指标的状况检查）

四、数据集成，搭建客户数据平台（CDP）

CRM的使用者只能基于自身权限获得部分客户属性数据，DMP的数多为生存较短的匿名数据、缺乏用户信息等，CDP能很好的弥补这两者的部分局限性。

CDP与数据中台的目标和特点基本一致，只不过数据中台会采集所有与企业有关的数据，而CDP更聚焦，仅采集所有与企业客户相关的数据。

• 从用户行为数据到客户数据平台

  • 用户行为数据场景碎片化

    企业与用户连接的渠道目前有三个阶段，第一个是以线下门店为主的单一渠道；第二个是以邮件、PC网站等为主的多渠道连接；第三是以各种移动APP为主的全渠道连接。

    用户离散的线上、线下行为轨迹，以及多平台的流转，会无形中给单一用户赋予多个用户身份。

  • 企业内部门多、多工具形成数据孤岛

• 客户数据平台的三种类型

  • 数据型CDP

    跨来源搜集信息，提供完整的用户画像

  • 分析型CDP

    增加可视化、分析行为和预测功能

  • 综合型CDP

    数据+分析+营销（根据历史行为预测用户行为）

• 实现客户数据平台的四大原则

  • 客户视角原则

    多来源数据整合，譬如识别同一用户的邮箱、cookie ID等

  • 数据统一原则

  • 系统开放原则

    可以现有系统，如自动化工具，BI等无缝衔接

  • 业务导向原则

  书中同时给出了该公司实践中搭建的流程，主要同一多个来源的用户行为信心，生成用户标签系统（比如借助RFM系统）和用户画像系统，用户精细化运营、产品分析等。

• 电商如何搭建客户数据平台

  书中更多是思路上的介绍，对电商业务的介绍对于我我这小白来说很有帮助

建的流程，主要同一多个来源的用户行为信心，生成用户标签系统（比如借助RFM系统）和用户画像系统，用户精细化运营、产品分析等。

• 电商如何搭建客户数据平台

  书中更多是思路上的介绍，对电商业务的介绍对于我我这小白来说很有帮助