数据分析师必备技能之埋点

什么是埋点
埋点是数据采集的一种方法,将移动APP 每个功能需要统计的点击行为、页面上的功能使用情况,采集相应的信息和行为。

为什么要埋点
无论是产品的迭代还是运营的策略,都是需要有详细的数据支撑来针对性的做下一步迭代和运营的决策。有了数据分析,你可以得到用户画像、用户行为路径,不用再去做大量用户调研、盲目的猜原因,为我们大大降低了试错的成本。

埋点方式有哪些
埋点方式从数据的来源分为客户端埋点和服务端埋点,客户端埋点理解为用户行为操作的数据采集,服务端是用户通过客户端发生请求获取反馈的数据采集,选择不同方式的场景主要涉及哪些呢,譬如我们在手机APP端频繁的操作刷新、点击、返回,这些操作行为的数据大多数采用客户端埋点方式,适用于大量频繁的操作并不需要实时反馈信息的场景,同时客户端具有缓存的功能,这样的埋点方式不仅对客户的产品体验好,可以减轻服务器端的信息交互压力,而服务端埋点更使用与交互少,数据反馈要求实时性高,比如新闻信息的变化,比如答题的答案选项、对错情况。

一般都是两种埋点方式共存, 两种方式各有优缺点,视需求场景而定: 两种方式优缺点

客户端埋点:

优:采集的APP端页面展示、点击行为,不需要请求服务器的数据

缺:无网络时数据不完整、实时性有延迟;当需要改变埋点时,必须更新版本。

服务端埋点:

优:

(1)实时性好,数据准确;

(2)变更成本低;

(3)能够收集不在APP内发生的行为,只要请求服务器就行。如统计从其他APP引流的安装量。

缺:不能收集不需要请求服务器的数据;用户不联网不能采集数据

一、具体介绍客户端埋点统称为事件,目前行业上主要有两种大分类

1、点击事件: 用户点击APP任何功能按钮,统称为点击 ,简单说,就是和APP的各种功能的交互行为统计成点击时间,

2、曝光事件 : 比如打开APP 页面全部加载完成算一次展现,还是加载5S也上就算展现,衡量用户对产品的使用情况

3、页面停留时长: 页面停留时长也就是用户在打开APP开始计时,直到退出在APP停留的时间差,主要用户衡量用户对产品使用的程度,用户对产品的粘性评估。

埋点统计哪些数据
首先将数据目标归类:

(1)功能分析

(2)业务分析

(3)用户信息

(4)数据监控

功能分析:主要检验功能的受欢迎程度。

业务分析:事件转化、页面访问路径。

用户信息:用户画像

其中用户信息是必备基础,功能和业务相关的埋点数据需要根据需求的优先级和重要程度进行筛选 。

埋点如何落地(应用规则)
不乱是数据分析、运营还是产品,数据埋点落地最终依赖的是标准化的埋点规则

先看下客户端的埋点规则:

每个页面中包含所有事件类型具体表格列表字段:功能位置、业务类型、事件名称、事件类型、事件ID、Key、value、采集时机、备注

比如 视频的点击情况,

功能位置: 视频点击入口 ,

业务类型: 视频使用情况,

事件名称: 说明该埋点的位置和功能 (比如进入视频页面 )

事件类型: 点击事件(点击事件/浏览事件/停留使用时长事件)

事件ID: click_video 事件类型_哪一端产品_页面名称_功能名称

key : 参数,根据不同维度来计算。比如视频ID,用户Id ,所属分类

你点击一个视频,你需要知道点击的是哪个视频,哪个分类下的视频 用户点击比较多

value(同key一一对应):与key是一组,key-value,是一种数据模型方法。上面举例的3个key对应的value,分别就是各自的id值

采集时机:说明触发埋点的具体操作行为 ( 比如点击按钮进入后页面加载完成算一次点击,来回切换且页面未加载完成不计入统计)

埋点的通用原则:

同一属性的事件只要设置不同key来区分就行。

如登录事件,用户可能从密码登录或验证码登录入口登录进去的,这个时候并不需要对每个页面的登录事件进行埋点,只需对登录一个点击事件埋点,key=入口类型,value=pwd/mes

接着服务端的埋点规则相对就简单一些比如搜索了某个人的关键字,需要返回这个人的相关信息,

这种就需要服务的记录客户端请求数据,客户端发出了多少次请求,服务端收到后正常响应的需求次数等等

一般常用的就是 key-value, 比如 搜索A任务信息, searchConeten: XXX

作者:岩瑞
链接:https://www.jianshu.com/p/5c16e0b4e60a
来源:简书

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
一、课程简介随着技术的飞速发展,经过多年的数据积累,各互联网公司已保存了海量的原始数据和各种业务数据,所以数据仓库技术是各大公司目前都需要着重发展投入的技术领域。数据仓库是面向分析的集成化数据环境,为企业所有决策制定过程,提供系统数据支持的战略集合。通过对数据仓库中数据的分析,可以帮助企业改进业务流程、控制成本、提高产品质量等。二、课程内容本次精心打造的数仓项目的课程,从项目架构的搭建,到数据采集模块的设计、数仓架构的设计、实战需求实现、即席查询的实现,我们针对国内目前广泛使用的Apache原生框架和CDH版本框架进行了分别介绍,Apache原生框架介绍中涉及到的技术框架包括Flume、Kafka、Sqoop、MySql、HDFS、Hive、Tez、Spark、Presto、Druid等,CDH版本框架讲解包括CM的安装部署、Hadoop、Zookeeper、Hive、Flume、Kafka、Oozie、Impala、HUE、Kudu、Spark的安装配置,透彻了解不同版本框架的区别联系,将大数据全生态系统前沿技术一网打尽。在过程中对大数据生态体系进行了系统的讲解,对实际企业数仓项目中可能涉及到的技术点都进行了深入的讲解和探讨。同时穿插了大量数仓基础理论知识,让你在掌握实战经验的同时能够打下坚实的理论基础。三、课程目标本课程以国内电商巨头实际业务应用场景为依托,对电商数仓的常见实战指标以及难点实战指标进行了详尽讲解,具体指标包括:每日、周、月活跃设备明细,留存用户比例,沉默用户、回流用户、流失用户统计,最近连续3周活跃用户统计,最近7天内连续3天活跃用户统计,GMV成交总额分析,转化率及漏斗分析,品牌复购率分析、订单表拉链表的设计等,让学生拥有更直观全面的实战经验。通过对本课程的学习,对数仓项目可以建立起清晰明确的概念,系统全面的掌握各项数仓项目技术,轻松应对各种数仓难题。四、课程亮点本课程结合国内多家企业实际项目经验,特别加入了项目架构模块,从集群规模的确定到框架版本选型以及服务器选型,手把手教你从零开始搭建大数据集群。并且总结大量项目实战中会遇到的问题,针对各个技术框架,均有调优实战经验,具体包括:常用Linux运维命令、Hadoop集群调优、Flume组件选型及性能优化、Kafka集群规模确认及关键参数调优。通过这部分学习,助学生迅速成长,获取前沿技术经验,从容解决实战问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值