流量埋点相关

做需求的时候要带着问题，做这个事是为什么 ，解决什么事情 ，为什么这么做，最后受益怎么样， 养成宏观思考的逻辑 
 

一.梳理 从数据来源到数据消费,从埋点开始考虑，考虑埋点整个生命周期的所有事情。

埋点生命周期  
1.埋点需求
2.设计埋点 
3.埋点管理平台配置
4.开发 
5.测试埋点是否正确
6.上线埋点
7.监控埋点质量 
8.评价埋点的好坏

二.埋点质量管理

质量如何保障 :事前 事中 事后

事前:归为提测之前,开发之后 ,每个环节的角色职责 和 规范。设计原则,上报规范 ,一般都是规范保障
事中:QA测试环节，没上线。QA的测试是否正确，测试用例是否完整,check list ,对测试用例进行评审,以及验证
事后:进行质量监控 ,发现问题并通知业务方,同时进行问题跟进,督促业务方修复反馈 

三.数仓建设
数据获取  
      数据抽取:最好不要写etl,就是没有必要从最原始的大的日志表里面清洗数据,而是从原始埋点中如nginx 或者flume 直接将自己所负责业务方向的日志落地到ods层。
       
流量数仓怎么建设

     流量的特别是轻模型,分层不会太多 

     1.无事时的事实表粒度  2.原子指标的建设 user_id粒度  3 基于业务场景生成cube包

AARRR海盗模型,
 Acquisition，Activation，Retention，Revenue，Referrai

CAC:Customer acquisition cost

   

AARRR分别代表了五个单词，又分别对应了产品生命周期中的五个阶段：

数据分析

• Acquisition [拉新]:用户从不同渠道来到你的产品
          通过各种推广渠道，以各种方式获取目标用户，并对各种营销渠道的效果评估，不断优化投入策略，降低获客成本。涉及关键指标例如新增注册用户数、激活率、注册转化率、新客留存率、下载量、安装量等
• Activation [激活]:用户在你的产品.上完成了一个核心任务(并有良好体验)
         活跃用户指真正开始使用了产品提供的价值，我们需要掌握用户的行为数据，监控产品健康程度。这个模块主要反映用户进入产品的行为表现，是产品体验的核心所在。涉及关键指标例如DAU/MAU 、日均使用时长、启动APP时长、启动APP次数等
• Retention [存留]:用户回来继续不断的使用你的产品
         衡量用户粘性和质量的指标。涉及关键指标例如留存率、流失率等
• Revenue [收益]:用户在你的产品.上发生了可使你收益的行为
        主要用来衡量产品商业价值。涉及关键指标例如生命周期价值(LTV)(公司从用户所有的互动中所得到的全部经济收益的总和)、客单价、GMV等
• Referral [推荐]: 用户通过你的产品，推荐引导他人来使用你的产品
         衡量用户自传播程度和口碑情况。涉及关键指标例如邀请率、裂变系数等

基础能力建设 

          对于投放:渠道信息，成本，收益

          对于裂变:用户关系，推送，转化

          对于埋点:资源位的配置信息，不同资源位可能又有不同的平台进行投放，不同的平台埋点规范。 

          对于归因:根据自己的业务特征或者业务方向进行归因逻辑的制定,形成文档规范。归因的业务场景很多，根据不同的业务场景做不同的归因分析，比如针对潜在、流失、沉默客户的召回可以有一系列营销的动作，那如何将召回归因到营销动作上，这个是需要制定判断逻辑的标准。题外话:归因逻辑其实是一个模糊判断逻辑，并不能非常准确的判断出真实的用户一系列行为的联系，只能是大概率进行逻辑归因判断。

    
    ---------------下面的还没整理--------------------
    产品矩阵 用户获取   用户转换    转化分析专题 
    
    中观 下钻流量分析 
    微观  定向人员数据分析
       
       搜索定位   搜索定位用户 
                        解决信息过载  （精准搜索）
                        行业洞察  异常动作搜索  （高频搜索词）
                        
                       

需求层面也要更高效的满足，做一些通用化的模型，
梳理重构 中间层 指标体系搞起来了