大厂 | 数据埋点方法

提示

埋点的本质是用户行为描述，为用户洞察、业务迭代提供数据支持。

埋点基础

提示

第一部分，从**埋点、产品模型、用户模型**等三个方面介绍埋点的基础。

1.1. 埋点

埋点的定义：

埋点，又称打点、事件追踪（event tracking）。

提示

指通过在互联网产品中**加入埋点代码，在用户使用产品时触发相应的代码，并记录相关数据（行为、属性）**的一种技术。

提示

埋点的主体：①产品；②用户

提示

从定义可知，埋点的主体有产品和用户 ，接下来介绍一下产品模型和用户模型。 产品模型、用户模型是多样的，这里仅仅从埋点视角切入。

1.2. 产品模型

[画板/结构图已省略，必要结构图见流程图目录]

按人与物的关系维度可以分为四大类：

人与物、

人与人、

物与人、

物与物。

[图示已省略]

这里尝试给出部分产品划分：

提示

• 人与人：社交、游戏、直播、运动
• 人与物：电商、探索、内容、知识付费、工具、金融
• 物与人：物流、快递
• 物与物：机器人、数字农业、数字工业

人与人可以进一步划分，比如社交：

提示

• 1对1：陌生人（陌陌、Soul、探探）
• 1对多：兴趣（微博、知乎 、豆瓣）、职场（脉脉、领英、BOSS直聘）
• 多对多：熟人（微信、QQ）

产品来源于需求，一个大的APP产品往往由多个需求、功能、模块构成。

提示

大产品模型下，产品的模块、功能、需求中依然含有“人与物的关系”。 比如京东电商是个”人找物“产品，但京东的信息流就包含“物找人“。

提示

**产品又有具体的业务和属性，**比如拼多多的商品信息，抖音的创作视频信息等等。

1.3. 用户模型

用户通过行为与产品建立联系。

用户也具有属性，一方面具有年龄、性别、地域等自然属性；

提示

另一方面，在产品中用户又具有业务属性，不如**主客态、新老客、是否是会员**。

埋点原理

提示

第二部分，从**埋点的方法、埋点的技术、埋点的流程**等三个方面介绍埋点的原理。

2.1. 埋点的方法

**埋点的方法：**①多维度模型；②事件模型。

提示

多维度模型，即把点位用多维度信息标识出来，通常用二维标识。 **多维度标识的一个原则：**见名知意。

提示

事件模型，是用户使用产品的行为描述。 **事件模型的要素：**事件（Event）、用户（User）、对象和环境。

属性描述行为，属性值是指在某个状态下描述行为。

属性可以分为全局属性、自定义属性：

提示

• **全局属性，**又称公共属性，即每个事件都要上报；
• **自定义属性，**又称私有属性，即单个事件上报。

提示

**长期视野看，**事件设计、属性设计要有整体性，并兼顾未来业务发展的扩展性。 **降本增效视角看，**事件、**属性不是越多越好，**因为属性上报是依赖计算存储资源。

2.2. 埋点的技术

提示

技术视角看，埋点可以分为：全埋点、可视化埋点、代码埋点。

提示

代码埋点按程序员的分工，又分为前端埋点、客户端埋点（又称APP埋点）、后端埋点（又称服务端埋点）。

提示

[已移除：营销/导流内容]

H5埋点代码示例如下：

this.$point.sendParams({
  'view_name':'h5_return',
  'click_name':notSelfBack ? 'return_show' : 'return_click',
    ref: this.$tool.getChannelType(),
    ad: 'ad',
    web: this.$tool.getDominPoint(),
    ck: ck,
    hz: this.$tool.getContendIdGroup(),
    url: escape(location.href),
    abtest: this.backActionConf.name && this.backActionConf.name.replace('%', ''),
    return_num: 0
    }

从MVC框架视角看，后端埋点通常在控制层（Control，C）。

[图示已省略]

2.3. 埋点的流程

**埋点的主要流程如下：**业务需求→数据需求→埋点设计→埋点开发→埋点验证。

注意，这里只是概要流程，不同公司不同的组织架构，具体流程和分工会有差异。

提示

• **数据需求，**可以借助E-R图、流程图、时序图，梳理确认业务需求，注意显性需求和隐形需求。
• **埋点设计，**要做好同类抽象、规范标准。
• **大的埋点项目，**最好要有指标体系指导，体系化买单治理更高效。

埋点应用

第三部分，从自研埋点、友盟埋点、友盟埋点等三个方面介绍埋点的应用（实战）。

提示

结合多维度模型、事件模型的埋点方法，分别介绍其在自研埋点、友盟埋点、神策埋点上的实战。

3.1. 自研埋点

自研埋点的方案，比如唯一标识：应用+页面+元素+点位。

自研的埋点设计如下：

自研埋点的SQL提取数据如下：

--返回广告曝光
SELECT
        pt    AS 日期
        ,count(1) AS 返回广告曝光pv
FROM  XXX
WHERE  pt BETWEEN'20231001'AND'20231031'
AND    view_name IN ('ad_article')
AND    click_name IN ('ad_return_show')
GROUP BY pt
ORDER BY pt
LIMIT 10000
;

3.2. 友盟埋点

友盟的事件埋点设计如下：

3.3. 神策埋点

神策的事件模型如下：

[画板/结构图已省略，必要结构图见流程图目录]

神策的事件埋点设计如下：

神策的事件分析如下：

--微信pv
SELECT
        to_date(date) AS'日期'
        ,count(1)     AS'微信pv'
FROM    events
WHERE   date  BETWEEN'2023-0710'AND'2023-09-30'
AND     event    ='Spageview'
AND     $browser='WeChat'
GROUP BY to_date(date)
ORDER BY to_date(date)ASC
;

除了上面友盟、神策，市面上还有很多第三方埋点工具，比如GrowingIO、火山引擎埋点（字节跳动旗下的）、阿里云等埋点，但都大同小异。

提示

**一方面，**每个埋点工具差异这里没有进行展开，但在新旧埋点工具切换——从友盟切到神策，或者从火山切到自研埋点，又或者自研埋点迭代升级，就要系统对比区分了。 **另一方面，**选择埋点工具时，埋点生产链路的稳定性、可靠性在接入前很难判断，只有使用后才知道。

埋点总结

提示

第四部分，从**埋点的局限、AB实验埋点、埋点治理**等三个方面对埋点进行总结。

4.1. 埋点的局限

因为埋点的本质是行为的描述，所以埋点的最大局限：只适合人找物，不适合人找人、物找人、物与物。

提示

市面上的埋点工具也有该局限。

比如公司明年战略是做社交（人与人），要采购第三方埋点工具，估计数据战略是服务不好企业战略的。

[图示已省略]

除埋点数据（行为数据），还有业务数据（交易、运营数据、用户信息数据、创作内容数据）。

4.2. AB实验埋点

AB实验埋点，主要解决标识问题，比如实验标识、实验分组标识、用户标识。

提示

AB实验埋点分组标识，**首先要区分：**什么是用户分组和实验分组？ **策略实际影响的用户，**才是你的实验组，奇偶只是用户分组方式。 实验组、对照组要显性标识（公共属性），模拟是低效且不准的。

4.3. 埋点治理

提示

**一方面，**埋点数据是有生命周期的，需要体系化治理。 **另一方面 ，**业务发展迅速，埋点需要迭代升级。