產品經理需要了解什么場景下使用無埋點事件，什么場景下使用埋點事件，以便于滿足他的數據訴求。

產品經理會借助用戶行為分析平臺來監(jiān)控用戶行為表現，探索新的產品機會，分析導致用戶留存或轉化的原因。而正確的數據采集是實現上述場景的必要條件。

在多年的實踐中，我們陸續(xù)發(fā)現，只用一種數據采集方式無法解決日益復雜的數據分析需求，無法適應高速迭代的產品開發(fā)節(jié)奏。越來越多的公司（如網易，美團，有贊等）開始采用多種采集方式協同使用的方法進行數據分析。

產品經理需要了解什么場景下使用無埋點事件，什么場景下使用埋點事件，以便于滿足他的數據訴求。

在了解場景之前，產品經理須知道上述數據采集能力的特性和邊界，才能能揚長避短，充分發(fā)揮兩種采集能力的優(yōu)勢。

埋點事件， 顧名思義就是借助埋點（寫代碼）來采集數據，在需要監(jiān)測用戶行為數據的地方加上一段代碼。經過數據校驗后的埋點數據是準確的，穩(wěn)定性高，適合監(jiān)控和分析。埋點往往可以添加較多的業(yè)務屬性，方便產品經理對事件進行業(yè)務屬性拆解和下鉆分析，能很好地從業(yè)務邏輯切入行為分析，理解行為后的業(yè)務思路。

當然，實現上述目標，付出的代價相對比較高。

首先，埋點這件事，往往不是一個人或者一個團隊內完成的事情，它是一個跨團隊協作問題，需要業(yè)務人員，分析師，打點工程師，數據校驗工程師的通力合作。而真實的場景是，跨團隊協作長會遇到部門墻問題，溝通問題，資源優(yōu)先級問題等等。同時，產品經理很難從一開始就掌握所有用戶路徑，必然會存在漏埋、錯埋的現象，又要重新協調排期和資源，費時費力。

其次，埋點不能回溯歷史數據。

最后，往往由于埋點數量有限，許多用戶行為數據缺失，分析過程中數據缺失比較嚴重。

最終導致諸如：沒有埋上點，埋點數據異常，埋點上線業(yè)務已經下線，想分析的維度忘了「埋」上去等等。另一面講，如果產品經理等業(yè)務人員總是能用上準確的，及時的數據，并能深度分析，那么這家公司的組織能力，數據治理的能力，數據驅動的文化往往都很優(yōu)秀（當然這種公司的業(yè)務表現也很好）。

無埋點事件，當然它并不是真正的不需要寫代碼，而是前端自動采集全部事件并上報所有的數據，并通過「圈選」來獲取需要使用的事件。圈選數據不需要組織協作，產品經理不依賴任何人就能采集到數據，并馬上在分析工具中使用，所見即所得。

以往花費幾天的工作，借助無埋點秒級完成。而且圈選可以回溯過去7天數據，較好的解決了忘了「埋點」這個痛點。

然而，沒有一種數據采集方式可以解決一切問題，這種方式依然有其弊端，產品經理在使用時要了解這些弊端，并判斷這種采集方式是否可以支持你的業(yè)務需求。

常見的弊端：

• 部分業(yè)務維度無法采集：能夠知道用戶點擊了購買，但不知道購買了什么。
• 滑動等行為，無埋點采集暫時無法實現。
• 無埋點采集的數據是通過界面位置和上下級關系來標示自己的，一旦界面發(fā)生較大變化，會導致數據無法持續(xù)采集，需要重新圈選。
• 數據準確性也會受客戶產品開發(fā)框架、開發(fā)規(guī)范以及能力的影響。

數據采集方式的選擇是基于業(yè)務場景的，不同的業(yè)務場景下應該選取什么樣的數據采集方式？

你是否遇到過如下場景？

• 做了一場運營活動，工程師沒有埋點資源。
• 想衡量交互細節(jié)，而需要查看的交互細節(jié)非常多。例如優(yōu)化搜索流程。
• 想查看一個用戶在訪問時的一切行為軌跡，探索用戶使用產品場景。
• 每周發(fā)版，衡量發(fā)版的效果。
• 要做一個分析，發(fā)現沒有所需數據，打點和積累數據來不及，又需要盡快產出結論。
• 當老板向你要一個數據，你沒有采集這個數據。
• 當你發(fā)現新上線的功能，有一個重要的元素忘了埋點。

你是否也遇到過如下場景？

• 發(fā)日報，周報匯報 KPI 表現。
• 分析過去一年核心KPI 的增長情況。

你是否還遇到過如下場景？

• 深度業(yè)務分析：比如不同 SKU 的購買轉化分析。
• 歸因分析：比如產品不同入口的帶來的銷售額分析。

第一類場景更適合使用無埋點事件，基本上也只能使用無埋點事件。

這類場景，我們稱之為探索式數據場景，它們具有如下屬性：

• 業(yè)務屬性弱，交互屬性強；
• 需求及時性強，要快速落地得出結論；
• 數據使用周期短，不需要長期監(jiān)控；
• 相比準確性更需要趨勢穩(wěn)定；
• 非核心數據，數據可及性（access data）強。

第二、三類場景核心KPI監(jiān)控，建議使用埋點事件，深度業(yè)務分析也只能使用埋點事件。

這兩類場景，我們稱之為數據監(jiān)控與分析式數據場景，它們具有如下屬性：

• 數據穩(wěn)定準確，反應真實業(yè)務場景；
• 需要長期監(jiān)控，數據需要長期存儲；
• 業(yè)務屬性豐富，可以做深度業(yè)務分析；
• 核心KPI，指標需要少而精
• 需要數據權限，數據可及性弱。

兩類場景不是互斥的，作為產品經理，我們近乎同時遇到這兩種場景。

一個用無埋點采集方式就能解決的問題，若使用埋點，既不會立刻看到數據，也會浪費公司工程資源；一個埋點采集才能解決的問題，用了無埋點可能會導致數據不穩(wěn)定，業(yè)務維度少等問題。

面對不同的場景我們需要明確目標是什么，是探索，監(jiān)控還是深度業(yè)務分析？ 我們需要采集的事件多嗎？我們?yōu)榱藢崿F這個目標擁有的資源是什么？我們的 Deadline 是什么？

結合各種情況綜合判斷，采用合適何種埋點方式。

本文由 @譚永志 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議