很多產(chǎn)品經(jīng)理因為團隊沒有數(shù)據(jù)分析師或用戶量還不夠多,沒必要養(yǎng)一個數(shù)據(jù)團隊,還必須要自己兼任數(shù)據(jù)工作,由此數(shù)據(jù)數(shù)據(jù)埋點是產(chǎn)品經(jīng)理必然會接觸的一個工作事項。
數(shù)據(jù)可以幫助產(chǎn)品經(jīng)理去衡量產(chǎn)品的功能效果,從0到1開始,數(shù)據(jù)指標幫助產(chǎn)品經(jīng)理不斷建立導航和方向。
而數(shù)據(jù)的來源主要分為三種, 服務端自有數(shù)據(jù)、埋點數(shù)據(jù)、和第三方的數(shù)據(jù)匯總而來的。
而埋點數(shù)據(jù)來自產(chǎn)品經(jīng)理提前進行數(shù)據(jù)需求匯總、根據(jù)埋點文檔由開發(fā)執(zhí)行獲取的數(shù)據(jù),數(shù)據(jù)還包含涉及到運營活動。
對于一個產(chǎn)品經(jīng)理來說,搞清楚如何埋點以及埋點技術(shù)的實現(xiàn)下才能做好數(shù)據(jù)埋點的獲取。
埋點的實現(xiàn)原理,對于產(chǎn)品經(jīng)理來說只要知道是通過植入代碼實現(xiàn)的,如下是Google analysis 的埋點方式
將其放在代碼里,就可以實現(xiàn)數(shù)據(jù)效果,往往是T-1。
放入后就可以顯示埋點后的數(shù)據(jù)效果了。比如活躍、用戶訪問等。
埋點是數(shù)據(jù)領(lǐng)域的專業(yè)術(shù)語,也是互聯(lián)網(wǎng)應用里的一個俗稱。它的學名應該叫做事件追蹤,對應的英文是Event Tracking。 它主要是 針對特定用戶行為或事件進行捕獲、處理和發(fā)送的相關(guān)技術(shù)及其實施過程。
用戶基本屬性數(shù)據(jù)、交易數(shù)據(jù)、商品數(shù)據(jù) 是直接通過用戶錄入或者行為觸發(fā),在數(shù)據(jù)庫里面產(chǎn)生記錄。而 流量數(shù)據(jù)或者說用戶行為數(shù)據(jù) ,則需要識別具體的每個行為。通過埋點就可以取得這部分數(shù)據(jù)。
到底怎么落地做數(shù)據(jù)埋點,這篇文章會詳解。同時會介紹下互聯(lián)網(wǎng)產(chǎn)品下三種常見的數(shù)據(jù)埋點方法、和三個埋點階段。數(shù)據(jù)埋點3個階段
數(shù)據(jù)埋點從資源投入和技術(shù)成本來說會分為3個階段,其中第二個和第三個階段是相同的數(shù)據(jù)架構(gòu)屬于穩(wěn)步發(fā)展的結(jié)果,第一個和第二個變化就會非常明顯。
分別數(shù)據(jù)埋點的階段主要和數(shù)據(jù)需求息息相關(guān),產(chǎn)品會經(jīng)歷從早期總覽數(shù)據(jù)、到業(yè)務數(shù)據(jù)、再到精細化運營的用戶行為數(shù)據(jù)3個階段需求。
1.數(shù)據(jù)埋點初級階段
在這個階段主要是要是產(chǎn)品早期,還沒有明顯的市場反饋,以統(tǒng)計有用戶基礎(chǔ)的日活躍、用戶注冊數(shù)、用戶增長趨勢、用戶活躍趨勢的數(shù)據(jù)即可判斷產(chǎn)品是否商業(yè)化正確,這時候需要的是標準平臺,比如第三方平臺下的百度統(tǒng)計、騰訊數(shù)據(jù)分析、神策數(shù)據(jù)等這些都是可以完成的。
通過植入SDK或API就可以完成數(shù)據(jù)的獲取,在第三方平臺進行查看。 開發(fā)工作量低、速度快、幾乎不用維護
2.數(shù)據(jù)埋點中級階段
隨著用戶量的上升,我們會得到用戶行為和業(yè)務數(shù)據(jù),需要進行一些深度化的行為操作數(shù)據(jù),觀察用戶行為下業(yè)務的變化,找到用戶和產(chǎn)品質(zhì)檢的一些規(guī)律,逐步投入和加大運營。
為了 數(shù)據(jù)的安全和 可以更加全鏈路 的數(shù)據(jù)分析 ,這個階段則需要手動埋點和第三方一起使用,逐步從第三方過度到自家數(shù)據(jù)體系里。
同時判斷是否還要繼續(xù)用第三方平臺還是自己搭建一個數(shù)據(jù)團隊,看數(shù)據(jù)的開銷成本即可,比如購買第三方數(shù)據(jù)平臺一年的費用已經(jīng)是100萬養(yǎng)人成本,有自己的數(shù)據(jù)團隊則花100完顯然可以達到更加精細化和定制化的效果。
4.數(shù)據(jù)埋點的高階階段
這個階段基本不僅是數(shù)據(jù)采集和獲取了, 數(shù)據(jù)變得非常豐富。如何為業(yè)務和產(chǎn)品功能迭代找到突破,是這個階段關(guān)鍵點。
精益數(shù)據(jù),用戶數(shù)據(jù)驅(qū)動,業(yè)務智能是這個階段的運營特點。
此時的數(shù)據(jù)存儲會往往獨立出來,以數(shù)據(jù)倉庫的方式單獨存儲
數(shù)據(jù)埋點的三種方法
1.手動埋點(傳統(tǒng)埋點)
這種埋點適用于代碼階段,產(chǎn)品功能還不完善。比較代表的方案是利用百度統(tǒng)計、神策來實現(xiàn)代碼植入,用其對應的免費版即可。
2.動態(tài)(可視化)埋點
這種方式可以不需要再手動埋點了,但缺點是因為監(jiān)控機制導致產(chǎn)品的響應速度有影響。維護成本低,但效率低
3.全埋點
這種埋點方案效率高、同時也無需要后期維護,但唯一的問題就是靈活低,想針對某類事件進行埋點,可能沒有覆蓋則需要手動介入。
下面這張圖是來自網(wǎng)絡(luò)上更新的三者埋點技術(shù)優(yōu)劣勢,大家可以自己選擇
沒有絕對好的埋點方式,只有自己產(chǎn)品運營最適合的。一般是根據(jù)前面提到的,從產(chǎn)品用戶量的變化逐步影響埋點的技術(shù)方案。需要不斷維護和更新的埋點文檔
埋點文檔是一種數(shù)據(jù)規(guī)范,概述了您打算跨段源收集的事件和屬性。制定一個全面的跟蹤計劃需要時間和精力,需要跨組織內(nèi)的一系列團隊,并且需要深入了解產(chǎn)品的業(yè)務目標。然而,一旦創(chuàng)建了埋點文檔,跟蹤計劃就成為一種非常有價值的資源。而產(chǎn)品經(jīng)理在數(shù)據(jù)埋點中輸出物就是一份埋點文檔和規(guī)范。
在設(shè)計埋點文檔時,從推動業(yè)務價值的關(guān)鍵指標開始。關(guān)鍵指標可能包括新用戶注冊、收入、產(chǎn)品使用等。
數(shù)據(jù)埋點文檔定義了關(guān)鍵指標后,定義哪些用戶操作有助于跟蹤或改進這些關(guān)鍵指標變得更加容易。每個用戶操作映射到一個不同的事件,開發(fā)工程師可以在track()調(diào)用,在代碼段中跟蹤它。跟蹤的埋點也可以進行驗證。在代碼里標識()page()和group()2個調(diào)用。
2.埋點文檔撰寫格式
一個埋點文檔主要包含下面字段,如果你還沒有埋點文檔則可以用下面的字段直接創(chuàng)建一個屬于自己的數(shù)據(jù)埋點文檔。用Excel列表即可。
事件名稱:埋點的事件名稱,如文章閱讀/文章評論/關(guān)注;
事件定義:說明事件是什么,如何觸發(fā)。如用戶點擊社區(qū)—內(nèi)容則上報該事件;
包含屬性:用戶進行了該行為,上報事件中需要傳輸那些參數(shù)。如用戶ID、時間、應用版本、網(wǎng)絡(luò)環(huán)境、手機型號、IP、內(nèi)容ID、內(nèi)容類型、第幾篇瀏覽; 如某些屬性在所有事件中都需要上傳則可以整理公共屬性進行管理;
屬性定義:說明屬性的定義,如用戶地址為用戶主動上傳的地址,如沒有則用用戶IP代替;
屬性值類型:說明傳輸至的類型,字符串、數(shù)值、bool;
開發(fā)名稱:對應的開發(fā)變量名,可以由開發(fā)進行補充。如userID、contentID;
當前狀態(tài):說明當前該變量的狀態(tài)。如待開發(fā)、開發(fā)中、驗收中、已上線、已下線;
上線版本:說明該內(nèi)容在那個版本進行上線
最后要說明的是數(shù)據(jù)埋點的文檔可以避免下面問題
- 在數(shù)據(jù)埋點后會出現(xiàn)的問題
- 埋點參數(shù)數(shù)組含義模糊,容易出錯
- 參數(shù)變動頻發(fā),依賴發(fā)版本覆蓋
- 埋點的定義和事件名稱沒有統(tǒng)一管理
- 有很多臨時需求,沒有辦法加入排期
- 埋點的研發(fā)進度沒有進行管理,導致數(shù)據(jù)需求無法滿足
4.數(shù)據(jù)可視化不是埋點
最后要提下,數(shù)據(jù)埋點是數(shù)據(jù)分析的基礎(chǔ),有了數(shù)據(jù)后我們會用數(shù)據(jù)可視化來完成數(shù)據(jù)決策,所以要分清楚2者。一個是前置條件一個是后者數(shù)據(jù)的應用。
說起可視化能力,就不得不先說一下tableau的技術(shù)核心——VizQL。簡單說VizQL就是一種查詢語言,用戶要進行什么操作,VizQL就可以將其轉(zhuǎn)化為對應的數(shù)據(jù)庫查詢,最終tableau會通過圖形的方式表達響應,因此tableau的可視化能力才能如此強大。
tableau既有著很多表格分析組件,同時還擁有豐富的圖表類型,比如散點圖、甘特圖、氣泡圖、直方圖、靶心圖等,配色上也非常人性化地提供了很多方案,操作上比較簡單自由,讓用戶能夠做出絕大多數(shù)想要的圖表,當然前提是你擁有很強的代碼能力和充足的時間。
今天的分享就在這。
本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/cgo/product/54387.html