這篇文章拖了好久，終于是寫完了，然后發(fā)出來(lái)了，和大家聊一聊關(guān)于數(shù)據(jù)埋點(diǎn)的基礎(chǔ)認(rèn)識(shí)，喜歡，請(qǐng)分享。

數(shù)據(jù)埋點(diǎn)原理

數(shù)據(jù)埋點(diǎn)，對(duì)于產(chǎn)品迭代而言，有很重要的指向意義。

數(shù)據(jù)分析是我們獲得需求的來(lái)源之一，通過(guò)對(duì)數(shù)據(jù)的比對(duì)，對(duì)數(shù)據(jù)趨勢(shì)的分析，能讓我們發(fā)現(xiàn)哪些環(huán)節(jié)存在問(wèn)題，哪些環(huán)節(jié)有提高空間。同時(shí)，數(shù)據(jù)分析也是檢驗(yàn)功能是否有效，是否受歡迎的重要佐證。

非常的直觀，以一種數(shù)據(jù)的形式呈現(xiàn)出來(lái)，而這些數(shù)據(jù)有大部分都來(lái)自于對(duì)數(shù)據(jù)的埋點(diǎn)。學(xué)習(xí)數(shù)據(jù)埋點(diǎn)，首先認(rèn)識(shí)一下他的實(shí)現(xiàn)原理。

以APP舉例，我們可以簡(jiǎn)單的分為四個(gè)層級(jí)，表層是UI層，底層是數(shù)據(jù)表和日志。（必要時(shí)，我們可以將層級(jí)分的更加清晰。）

數(shù)據(jù)埋點(diǎn)的發(fā)生場(chǎng)景便是在表層-UI層里，其作用是監(jiān)控用戶在UI層產(chǎn)生的行為。也就是用戶對(duì)界面的操作。

數(shù)據(jù)埋點(diǎn)其實(shí)無(wú)法統(tǒng)計(jì)有多少用戶發(fā)布了朋友圈，但可以統(tǒng)計(jì)有多少用戶點(diǎn)擊了朋友圈的發(fā)布按鈕，以及有多少用戶在朋友圈發(fā)布頁(yè)點(diǎn)擊了確認(rèn)發(fā)布的按鈕。

基礎(chǔ)認(rèn)識(shí)

數(shù)據(jù)埋點(diǎn)我們可以分成兩類，其一是頁(yè)面統(tǒng)計(jì)，其二是行為統(tǒng)計(jì)。

頁(yè)面統(tǒng)計(jì)

頁(yè)面統(tǒng)計(jì)可以幫我們知曉某個(gè)頁(yè)面被多少人訪問(wèn)了多少次。

其本質(zhì)是監(jiān)控頁(yè)面加載的行為，盡管此時(shí)用戶并沒(méi)有對(duì)UI產(chǎn)生行為，但卻是由上一個(gè)點(diǎn)擊行為觸發(fā)的一個(gè)結(jié)果。除了訪問(wèn)的人數(shù)與次數(shù)，也可以監(jiān)控到用戶在某個(gè)頁(yè)面停留的時(shí)長(zhǎng)，部分產(chǎn)品希望用戶在某個(gè)頁(yè)面停留的時(shí)間越長(zhǎng)越好。

追求停留時(shí)間的產(chǎn)品，典型的便是信息流產(chǎn)品。這表示用戶正在持續(xù)的進(jìn)行閱讀，停留的時(shí)間越長(zhǎng)，表示內(nèi)容對(duì)用戶的吸引力越高，這樣才能產(chǎn)生持續(xù)的閱讀行為。

（諸如微博，朋友圈等以短信息為主要內(nèi)容的信息流，長(zhǎng)信息會(huì)更加側(cè)重跳轉(zhuǎn)詳情頁(yè)的數(shù)值）

行為統(tǒng)計(jì)

行為統(tǒng)計(jì)是指用戶在界面上的操作行為，應(yīng)用最為廣泛的便是按鈕的點(diǎn)擊次數(shù)。

其實(shí)，通過(guò)數(shù)據(jù)埋點(diǎn)捕捉到的數(shù)據(jù)，有三層，第一層是基礎(chǔ)層，比較通用的數(shù)據(jù)，像是日活，新增，第二層是頁(yè)面訪問(wèn)，第三層就是行為統(tǒng)計(jì)，名詞上來(lái)講通常被稱為“事件統(tǒng)計(jì)”

通過(guò)對(duì)UI界面響應(yīng)事件的捕捉，我們能夠得知某個(gè)按鈕的點(diǎn)擊數(shù)及對(duì)應(yīng)的點(diǎn)擊率。

基礎(chǔ)應(yīng)用知識(shí)

數(shù)據(jù)分析是很一門很復(fù)雜的學(xué)科，對(duì)于PM而言，是一個(gè)重要的需求源，而我們用來(lái)分析數(shù)據(jù)采用的方法，也非常的多，并且復(fù)雜的分析方法，可以復(fù)雜到讓我們懷疑人生~~這里結(jié)合文章提到的內(nèi)容，給大家做個(gè)應(yīng)用分享，屬于簡(jiǎn)單的分析方法。

頁(yè)面統(tǒng)計(jì)–頁(yè)面訪問(wèn)率

APP里，有的頁(yè)面是存在唯一的主次關(guān)系，意思是B頁(yè)面僅能從A頁(yè)面進(jìn)入。

此時(shí)，我們結(jié)合兩個(gè)頁(yè)面的訪問(wèn)數(shù)值，就能得到A頁(yè)面到B頁(yè)面的轉(zhuǎn)化率。并以此判斷兩個(gè)頁(yè)面是否存在可優(yōu)化空間。

數(shù)據(jù)里所隱藏的優(yōu)化空間，往往是存在多種可能性的。

實(shí)例

A頁(yè)面與B頁(yè)面具備唯一主次關(guān)系， B頁(yè)面僅能從A頁(yè)面跳轉(zhuǎn)進(jìn)入，（如：微信的，某人的相冊(cè)，僅能從個(gè)人資料進(jìn)入）

若 A頁(yè)面訪問(wèn)人數(shù)為100人，B頁(yè)面訪問(wèn)人數(shù)只有10人。

分析結(jié)果就有兩種可能性：

（1）A頁(yè)面轉(zhuǎn)化部分設(shè)計(jì)有問(wèn)題，就像文章的閱讀數(shù)和標(biāo)題息息相關(guān)，我們可能需要優(yōu)化入口的設(shè)計(jì)。

（2）B頁(yè)面留存有問(wèn)題，無(wú)法讓用戶產(chǎn)生二次訪問(wèn)行為，以及無(wú)法讓用戶形成更高頻率的訪問(wèn)。

此概念類似于“復(fù)購(gòu)率”和“復(fù)購(gòu)頻次”

對(duì)于 有多個(gè)入口的頁(yè)面，頁(yè)面路徑的分析方法就沒(méi)有作用了，此時(shí)，我們就需要借助行為統(tǒng)計(jì)。

“行為統(tǒng)計(jì)–頁(yè)面訪問(wèn)率”

一些基礎(chǔ)的功能，往往被多個(gè)頁(yè)面應(yīng)用，也能通過(guò)兩個(gè)以上的頁(yè)面進(jìn)入，也就是我們所熟知的“多個(gè)入口”的概念。

此時(shí)，我們可以借助 指定入口頁(yè)的訪問(wèn)人數(shù)，入口按鈕的點(diǎn)擊人數(shù)，來(lái)判斷該頁(yè)面的轉(zhuǎn)化率。頁(yè)面可以通過(guò)ACD三個(gè)頁(yè)面點(diǎn)擊對(duì)應(yīng)按鈕進(jìn)入，我們想要知道A頁(yè)面到B頁(yè)面的轉(zhuǎn)化率是多少。若A頁(yè)面訪問(wèn)人數(shù)是100，按鈕點(diǎn)擊人數(shù)是30，B頁(yè)面訪問(wèn)人數(shù)是40，問(wèn)題就變成了，在A頁(yè)面點(diǎn)擊按鈕的點(diǎn)擊率，其分析價(jià)值與頁(yè)面訪問(wèn)率相同。

第二種分析方法，更多的是側(cè)重對(duì)入口所在頁(yè)的分析，通常提到的轉(zhuǎn)化率，也是指類似的分析方法。

對(duì)于第二種方法，比較典型的是廣告轉(zhuǎn)化率提升的設(shè)計(jì)方法。

此類型產(chǎn)品，幾乎不考慮“復(fù)購(gòu)”問(wèn)題，其追求的目標(biāo)是最大限度，在不影響原有用戶體驗(yàn)的基礎(chǔ)之上，提高用戶點(diǎn)擊廣告的幾率。

與之對(duì)應(yīng)的產(chǎn)品設(shè)計(jì)方法，更多的在于視覺(jué)的設(shè)計(jì)，類似加粗，圖片，特殊形狀，誘惑性的文案等。

建議

數(shù)據(jù)相關(guān)的知識(shí)非常龐大，足以支撐一個(gè)獨(dú)立的職位（數(shù)據(jù)分析師，數(shù)據(jù)型產(chǎn)品經(jīng)理）。文中所提到的都是基礎(chǔ)的分析方法，并且還不全面。數(shù)據(jù)是產(chǎn)品經(jīng)理的一個(gè)重要的需求源，在我們成長(zhǎng)的過(guò)程中，如何利用數(shù)據(jù)，如何挖掘數(shù)據(jù)，如何分析數(shù)據(jù)都是必須經(jīng)歷的階段。

其作用，遠(yuǎn)不止第三方平臺(tái)直接呈現(xiàn)的部分，諸如各個(gè)數(shù)據(jù)每日對(duì)比，可以得到趨勢(shì)，借助趨勢(shì)，也能進(jìn)行預(yù)判?？梢哉f(shuō)第三方所呈現(xiàn)出來(lái)的結(jié)果性數(shù)據(jù)，只是冰山一角。嘗試去分析數(shù)據(jù)吧，然后駕馭數(shù)據(jù)，做一位理性的產(chǎn)品經(jīng)理。

#專欄作家#

枯葉，微信公眾號(hào)：枯葉咖啡館。人人都是產(chǎn)品經(jīng)理專欄作家。近6年經(jīng)驗(yàn)的產(chǎn)品經(jīng)理，擅長(zhǎng)社交、社區(qū)、細(xì)分群體挖掘。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 Pexels，基于 CC0 協(xié)議