数据埋点概述

1.1 概述

数据和特征决定了机器学习算法的上线，而模型和算法只是不断地逼近这个上限而已。

分类：

• 流量数据：以用户访问产品，记录用户浏览行为核心的埋点数据日志
• 以生产系统内存储的业务表单数据为核心的业务数据记录。

用户访问产品时候的交互“动作”触发的是埋点数据的流量数据，用户访问产品看到的内容是业务数据。比如：我们“点击广告”时间，能够产生一条埋点数据，我们看到的广告内容是“商品”信息，商品信息是被存储业务数据。

什么是埋点： 埋点是数据采集一种重要方式，主要记录和收集用户在终端操作行为；基本原理是在app|H5|pc上布置采集数据的SDK代码，当用户的行为满足某种条件后，比如进入某个界面，点击某个button，会自动触发记录和存储，然后这些数据会被实时或延迟传递到终端服务器，或者通过后端采集用户使用服务过程中的请求数据。（前端：客户端埋点，在客户端上写代码SDK；后端：服务器埋点，在服务器上写代码）。

前段埋点：

前端埋点是在用户端(APP、Web、客户端)等嵌入数据采集代码，比如友盟等均采用的是前端埋点，比如通过嵌入一段代码就就可以对网页数据的访问数据进行采集。相比于后端埋点，前端埋点能方便收集到用户在界面上的行为数据，比如用户点了哪个按钮、页面之间的跳转次序、停留时长等，这些数据是后面进行数据分析的主要来源。

前端埋点有以下三类：

代码埋点
代码埋点是直接将采集SDK集成在终端，然后不断在此基础上添加调整采集方案，是目前主流的埋点采集方案，其优缺点如下：

优点：

高度定制、控制精准、采集的数据丰富准确

缺点：

首先是每当有采集需求，需要开发人员不断添加采集代码，工作量大；

其次变更采集策略，需要发布新版本，代价巨大，存在滞后效应；

最后由于采集代码常驻终端，不断将采集的用户行为数据进行记录和上报，对于终端尤其是移动终端来说还有耗电、消耗数据流量等负载，此外在数据上报传输的过程中也存在丢失数据的风险。

可视化埋点
由于代码埋点需要终端开发人员来执行采集方案，对业务的功能开发侵入性较高。有的公司开发出了可视化埋点技术，只需要产品与运营人员通过GUI界面进行鼠标简单点击，就可以随时增加、取消、调整采集数据的位置和方式，此种埋点方式避开了终端开发人员的介入，由需求人员直接执行采集，减轻了需求传递过程中的信息损耗和误解，另外可视化埋点技术往往由服务端直接下发采集的配置文件，而不用跟随版本发布，从而加快了数据采集的流程。

（有埋点需求，直接操作即可生效！不需要等版本上线才能发布埋点）。

无埋点
无埋点与可视化埋点原理基本一致，区别在于无埋点是先遍历所有的控件和操作行为的组合情况，然后将这些组合情况交给埋点后台，由数据分析人员选择对哪些组合的埋点数据进行分析，其优缺点如下：

优点：

收集数据全面，无漏报

缺点：

采集数据