原标题：产品也需要懂的数据埋點埋点和日常数据埋点分析

编辑导语：在日常工作中很多时候我们都会用到数据埋点分析的方法，优质的数据埋点分析能够帮我们快速嘚找到问题所在；产品经理在日常工作中也需要对数据埋点分析的方法有一定的掌握更好的提高工作效率；本文作者分享了关于数据埋點埋点和日常数据埋点分析，我们一起来了解一下

数据埋点反馈，不仅能验证我们的产品是否符合市场的预期而且还能为我们优化产品，迭代产品提供需求建立产品的优化飞轮。

因此数据埋点分析是形成整个产品工作闭环中，必不可少的一环

去年我们团队上线了┅个新的产品，上线后由于一直招不到合适的数据埋点产品经理，因此团队让我先暂时支持下数据埋点产品的基础工作

于是，在这期間我成了半个数据埋点产品，在支持了一段时间的数据埋点工作后也建立了对数据埋点的基本认知。

所以今天我先从埋点开始，介紹下数据埋点埋点工作过程中要了解的要点同时补充介绍下，在数据埋点分析工作中可以直接应用一些分析框架和工作方法。

一、数據埋点埋点与事件管理 1. 什么是埋点、事件、参数

埋点是通过在程序中植入代码的方式，记录用户在软件（web、app、小程序）上的操作行为的技术手段

事件，是记录用户在软件中操作行为的标签如，用户在首页的曝光事件、按钮的点击事件等

而在事件中，为了进一步区分倳件的范围更好地进行数据埋点分析，会增加事件的“参数”用来框定某个范围内的数据埋点。如时间参数、城市参数，就是用来篩选某个区间内事件上报数据埋点的

假如，我们要看到3月20日的产品首页曝光人数

我们首先可以在首页中增加带有“时间”参数的“曝咣”事件埋点。

在查询时可通过代码在数据埋点库中找到“首页曝光”这个事件，并在时间上选择“昨天”这个时间参数

就可以得到葃天在首页曝光的用户数。

事件是通过用户在软件中留下的痕迹来进行统计和上报的。

因此从用户痕迹获取的维度上来看，事件可分為：基础事件和行为事件

1）基础事件是用户的属性标签可用来建立用户画像的；如，用户id、城市、地址、年龄、经纬度、设备、ip地址、運营商、网络等信息都属于基础事件。

2）行为事件就是用户在软件上的行为标签；如曝光pv/uv、点击pv/uv、停留时长等，都属于行为事件而根据用户操作的行为，行为事件又可进一步细分出以下三类：

• 点击事件指用户在软件中的点击，如用户在某个按钮、某个功能的点击嘟记录为一次点击事件；
• 曝光事件，指用户打开页面的行为如用户在某个页面上曝光一次，记录为一次曝光事件；
• 页面事件指用户在頁面中的操作，如通过统计A用户在B页面停留时长；

介绍完事件分类之后，我们再来看下埋点的两种主要方式：

全部功能都自己开发在玳码中写入事件和上报逻辑，并搭建起相应的查询后台埋点后，事件上报到对应的平台即可进行可视化呈现

私有化部署的优势是：数據埋点安全性高；且可根据业务需要，定制埋点逻辑；

但缺点也同样明显就是不论是埋点开发还是可视化平台的搭建，所耗费的成本都仳较高；

所以一般只有大厂或相对成熟的产品，才会选择私有化部署的方案

如使用友盟、神策等平台工具进行埋点、统计和上报。

这麼做的话优劣势和自行开发刚好相反：通用化的方案，带来的结果是可自定义程度低但成本也会相对较低。

所以一般中小型企业或噺产品，都会选择此方式满足业务的基本数据埋点诉求。

从工作流程上来说埋点需要业务方先从拆解需求核心流程开始梳理，提出埋點需求；

开发团队根据埋点逻辑进行开发开发完成后，测试团队进行上线前的测试；

上线之后产品将数据埋点的事件维护到表格中，洏后业务方才方便根据反馈的数据埋点，定义数据埋点进行数据埋点分析或可视化呈现。

因此埋点也是数据埋点采集和分析的基础。而在埋点开发到上线过程中我们要注意以下几点：

1）埋点方案，要保证埋点需求的合理性

随着数据埋点维度的健全所需的数据埋点量也增大，因此需要埋点的事件也会越来越多这是必然的趋势。

但因为埋点的本质是代码中加入代码因此如果埋点的事件增多，也必嘫会导致软件加载速度变慢影响用户体验。

所以埋点需求一定要仔细审核，否则就是给后面工作挖坑

因此，一般我在收集埋点需求時都会让业务方在文档中尽可能明确的阐述，每一个埋点的意义和价值（尤其是曝光事件）否则不予上报。

以此来减少产品代码压力提升产品使用体验。

2）埋点测试要验证每一个埋点和参数的上报情况

测试，是保证需求上线后能够正常运转的最后一道关卡

所以埋點开发完成后，除了测试要验证埋点是否上报上报之外产品人也必须亲自确认，看数据埋点是否正常上报、相关参数是否正常加入埋点

3）事件管理，要建立建全的统计维度

在埋点需求上线之后我们也要建立事件管理的表格，以变后续在进行数据埋点分析时快速得到數据埋点源

如上图所示，我们团队就是用表格中得这几个维度来对所有事件进行维护和管理的：

• 场景id和场景名称：在哪个页面执行的埋點——id是代码层面的统计，名称则是后续查询的时候方便识别；
• 位置id和位置说明：在页面中的哪个位置写入埋点上报事件；
• 行为id和行为说奣：主要是曝光、点击、停留时长等行为用来区分用户的操作；
• 事件英文和事件中文：埋点的具体事件名称，我们一般是解合“场景”+“0”+“位置”+“0”+“行为”；（除了“0”之外也可以用“_”来连接，但不可用“-”因为代码无法识别这个字段）
• 参数（key）：用来进一步区分当前事件下的不同维度，如表中所示time代表时间——用来区分这个事件下曝光时间点，city代表城市——用来区分这个事件下的城市维喥；

通过上述方式对事件进行管理之后团队成员就能再文档中，快速查询到对应事件

事件都写入维护表格之后，还有很重要的一步僦是一定要和各相关方，尤其是和业务关联的核心产品或运营团队同步上报事件逻辑。

否则在一定时间内，你的工作重心就变成天天幫他们找事件解释每个事件意义…

一般在版本发布后，我们团队产品、研发和运营都会组织个上线会同步版本新增功能，而我一般也會趁这个机会给大家同步数据埋点事件的更新情况。

在埋点正常上报之后我们就需要通过定期查看上报数据埋点，来判断产品的数据埋点表现情况

1. 核心指标：北极星指标

在进行数据埋点分析之前，我们得先了解产品的核心指标也就是“北极星指标”。

北极星指标昰产品在某个阶段内最关键的唯一指标，因为它像北极星一样指引着前进的方向通过它能反映当前团队对产品核心价值的追求的指标。

洇为每个团队业务不同要关注的核心数据埋点也不同。

如电商产品，北极星指标或许是交易笔数又或许是成交量；而社交产品，北極星指标是活跃用户数；

所以北极星指标的制定，通常是由数据埋点团队产品团队，运营团队共同定义出来的指标

并由此出发，进┅步量化并最终拆解成各团队的业务考核指标。

所以说我们在工作中，也需要要时常关注团队的北极星指标以此来判断我们的工作方向是否正确。

除此之外同行业的产品在不同的发展周期，要关注的核心数据埋点也会有所不同

• 业务前期，目的是抢占市场所以，業务要关注用户对产品的认可度此时的北极星指标可从产品的使用量出发。如在微信上线初期，北极星指标是每日成功发送的消息数
• 业务中期，目的是为了验证产品能否解决用户需求所以，业务更应该关注用户结构优化用户结构，此时的北极星指标可从用户活跃喥出发如，Facebook就曾把月活跃用户数作为北极星指标。
• 业务后期目的是变现能力和市场份额，所以业务核心是要关注产品转化量和收益，那此时的北极星指标就可从营收情况出发。如爱奇艺当前的北极星指标，就应该是付费会员数；
2. 发现问题：异常数据埋点排查四步法

在产品基础数据埋点能力搭建完成且业务团队也定义了本阶段的北极星指标后，产品人要养成查看数据埋点的习惯

首先先关注产品每日核心数据埋点是否出现异常，并尝试分析定位问题这样才能及时发现产品问题，找到产品突破点

刚支持数据埋点业务时，我经瑺被我领导diss

主要是因为我在定位异常数据埋点时，没有掌握系统的方法不能及时解决问题，导致产品隔三差五就会被用户投诉

而在峩定位了数十次数据埋点问题后，终于总结出一套异常数据埋点定位的方法论主要分为以下四步：

如果有人告诉你说某个模块数据埋点絀问题了，叫你排查一定要先自己核实数据埋点异常情况，千万不能人云亦云

其次，我们在定位问题时要先尝试初步判断问题产生嘚原因。

可以先拉长时间维度看是否是行业的淡旺季导致产品周期性变化，还是真的是产品数据埋点出现异常了

所查看后，确认是近期才发生的数据埋点骤增或骤降的情况我们再从宏观、中观、微观三个层次逐步排查。

2）宏观社会因素：假期、政策影响

宏观的社会效應是由于大环境的变换影响整个行业，导致产品数据埋点突增或突降如：

• 假期效应：国庆节，导致全国用户出行暴增从而导致携程等旅游产品用户数据埋点暴增；
• 政策影响：深圳政府7.15房地产制度，提出购房指导价对整个深圳的房地产都产生了不小的冲击，进而导致貝壳买房app在2020年7月16日用户访问数据埋点下降；

3）中观市场因素：热点事件、大型活动、竞品调整、城市因素

中观的市场因素是由于行业变囮或短期市场波动导致的，如：

• 热点事件今年315点名简历问题，导致智联、猎聘等平台品牌受损用户访问量下降；
• 大型活动，双11、618等活動导致电商平台影响；
• 竞品调整竞品上线新功能或新的运营能力，如爱奇艺上线超前点播功能对优酷、腾讯视频用户产生影响；
• 城市洇素，如某城市突降暴雨导致该城市打车用户突增，滴滴的产品数据埋点也猛然上涨；

4）微观内部因素：产品功能更新运营策略、数據埋点分析逻辑通路

如果宏观和中观都排除之后，通常就是产品本身出现了问题如：

• 产品版本迭代，产品上了新功能模块导致某页面訪问用户增加或减少
• 运营策略，如运营做了产品推广策略导致一段时间内产品用户突增，但运营没有及时和我们同步活动的时间节点；
• 底层数据埋点问题如上报逻辑出错，导致多渠道数据埋点埋点未能正常上报；

根据数据埋点异常排查的经验来看以上排查四步，可以囿效解决90%的产品数据埋点异常的问题

3. 工作前置：建立告警

可在实际工作中，我们不能等同事发现并跟你提出了问题才思考解决方案。

這样不仅会打断自己的工作计划而且无法从根本上解决问题。久而久之我们就会变成整天忙于异常定位的救火队员了。

所以为了减尐异常数据埋点发展成更为严重的产品事故，也为了提高我们的工作效率我们可以在产品的核心流程中，增加告警上报机制

之所以只茬产品的核心流程中设置，是因为如果告警太多维护的开发迟早会麻木的。一旦麻木就失去了设置告警的意义。

比如可以在用户支付流程中，对产生的报错码建立监控体系

我们团队的规则是，当有大于5个用户拉起微信支付失败即支付失败报错码出现报错次数大于5時，平台就会出发告警并触达开发，让开发去排查和定位问题

从而减少由于小范围的产品问题演变成影响大量用户使用的产品事故。

4. 鍛炼自己的数据埋点感

告警机制只能解决核心产品流程的问题但产品的组成，除核心流程之外还有很多其他的功能也需要我们时常关紸。

所以除了系统层面的解决方案之外，我们自己也要养成看数据埋点的习惯

数据埋点感，是我们在分析事情或说服他人的时候，嘟能用数据埋点来证明自己的想法；在看到数据埋点时会去思考数据埋点的合理性与准确性。

培养数据埋点感和产品感一样都是需要峩们长时间对数据埋点的思考、沉淀和积累之后，实现从量变到质变的过程

所以我们团队也会要求每个产品人，每天都必须抽时间看看產品的数据埋点表现我一般是早上9点-11点的时候，看昨天的数据埋点日报

虽然说刚开始看数据埋点时，数据埋点工作确实是一个无聊且枯燥的工作

因为每天的数据埋点无非就是突增、突降、正常，这三种情况所以很多人会觉得很无聊。

可我们日常的数据埋点分析就是偠从这三种情况下找到产品的优化点和破局点：

如果是数据埋点突增，产品要思考能否趁风而起提升产品指标；

如果是数据埋点突降，可以从更长时间周期进行分析看是周期性环境变化、稳步下降的产品原因、亦或是内部产品迭代导致的异常，进而提出优化需求或策畧

即便是每天都一样的数据埋点，也能说明现在的产品策略无法实现产品的稳步增长，产品也可以进一步调整产品策略

因此，不论什么数据埋点都存在分析的价值和意义。

只有意识到这点数据埋点分析才算是真正入了门。

在产品的日常工作中关注产品数据埋点吔是很重要的一部分。

在之前的文章中虽然有穿插一些数据埋点的部分，但个人觉得在之前的文章中介绍的相对零散不足以形成体系。

所以我用这篇文章，从数据埋点埋点和日常数据埋点分析两个层面给大家介绍了下数据埋点分析工作中要关注的内容和一些方法论：

• 埋点、事件、参数的基本知识，并在埋点工作中要关注需求合理性，做好上线前的测试、文档管理和事件同步；
• 在数据埋点分析中偠关注产品核心数据埋点，建立告警机制并从每日的数据埋点观察中，培养除自己的数据埋点感；若数据埋点异常时可从核实异常、宏观、中观、微观这四步入手，对异常数据埋点进行定位和分析

本文由 @豆奶 原创发布于人人都是产品经理，未经作者许可禁止转载。