在整個數據鏈路過程中，數據的獲取是鏈路源頭，而其中埋點就是最為常見的數據源頭之一，其數據之豐富，量級之龐大，靈活且多變。因此，對數據埋點的精確設計和高效采集可以說是每個希望通過數據驅動增長的公司所需重點關注的。源頭數據有問題，一切的后續動作只會是空中樓閣。本篇文章講分享自己在了解神策的數據埋點之后，對數據埋點設計過程中的一些關鍵點的思考和理解

一、數據采集前的說明

1、用數據的方式描述用戶行為

事件模型（Event 模型）：事件模型包括事件（Event）和用戶（User）兩個核心實體，其中事件的設計是能夠基于業務指標體系拆解下來后進行設計

2、埋點位置說明

①客戶端埋點：一般建議某個行為只在前端發生，對后端沒有任何請求，比如常見的曝光、點擊這些事件
②后端埋點：除客戶端的埋點外，其他動作都建議采用后端埋點，主要理由是：
A、很多行為，如下單等，他們的很多字段在前端（App 和 Web 界面）是拿不到的。再比如線下消費的數據，只有后端埋點才能采集到
B、App 端收集數據會有丟失的風險，并且上傳數據也不及時，因為其是打包多條數據記錄一起上報，存在數據延時上報和丟失的風險

3、標識用戶

①常見的用戶標識方法：設備ID和用戶ID
標識方案：在用戶未登錄的情況下，神策會選取設備 ID 作為唯一標識，登錄狀態下選取登錄 ID 或者 userid，一個用戶既有設備ID（亦稱作“匿名ID”）又有登錄ID。接下來，通過“用戶關聯”將同一個用戶的設備ID 和登錄 ID 關聯到一起
設備標識說明：
A、安卓

B、ios

C、web網站
使用cookie_id作為設備ID
D、微信小程序
使用openid作為設備ID

②除了上述的兩種情況，針對同一產品的標識，但產品生態達到一定程度，需要實現多產品多場景的ID-Mapping，及如何將多用戶多種登錄形態下的用戶識別是否為同一用戶，現在很多會基于手機號，同個用戶的手機號一般變化比較小。當然也有其他例外，還有有些軟件是不需要用戶登錄就能使用的，特別是廣告分析，在分析廣告收益的時候，只在乎用戶的觀看。因為就需要進行相似ONEID識別，定位同一個用戶，進行全方位的分析。

③相似用戶的oneID識別：對于騰訊的用戶表示，以微信或QQ為中心，進行中心化的用戶標識，能夠采用此做法的原因是，一般的中心化標識選擇是以社交型的產品為核心，并在該產品能夠實現極大多數人群的滲透的前提，簡而言之，就是通過微信或QQ，因為這兩個APP已經覆蓋了中國大部分的人群了。能夠與其他任何APP進行綁定，則在進行數據資產整理之時，能夠通過微信或QQ所映射的ID實現ID-MAPPING，標識出一個唯一的用戶，對該用戶進行全方位的分析；一般采用中心化的方式是有產品具有高社交化、高滲透的前提，因為其用戶粘性比較強，滲透比較廣。像工具型的產品一般不用來做中心化標識的依據，因為其粘性不是很強，滲透也沒那么廣

④而像阿里這種沒有強社交型和高滲透、高粘性的app，比如不能采用釘釘作為中心化產品，因為不是所有人都會使用釘釘，其用戶群體還是比較窄的，就只能采用軟識別模式的ID-MAPPING，即通過多ID的綜合分析，賦予每種登錄形式一定的權重，并進行計算得出不同登錄模式下的該用戶ID是否是針對同一個用戶，再進行后續的多場景分析

3、埋點需求文檔（DRD）

實際的事件設計過程要結合實際的情況進行設計
事件的設計：
①根據業務流程或用戶的關鍵行為設計事件
②為事件添加相對應的屬性

二、指標體系的搭建和數據采集說明

數據埋點是能夠基于業務需求進行設計，這樣設計出來的埋點數據才具有分析意義。而能夠概覽業務分析最好的方式是指標體系的構建，通過對業務的理解，拆解業務下的指標體系，基于指標體系去構建每個指標所需的埋點事件設計

1、指標分類說明

①進攻性指標和防守性指標：進攻性指標是根據生命周期的階段定階段性的關鍵性指標，同時為了解決和長期目標的矛盾，需要設置防守型指標，比如活躍率不能低于多少，保證整個長期趨勢的發展路徑
②數據歸因指標：通過不同階段的指標分析，分析真正促使用戶達到既定目標的維度標簽，進行持續監控，得出用戶轉化觸點
③先見性指標：預測未來，比如漏斗指標，可以預測有多少成交用戶
④后見性指標：反應問題，用戶流失概率

2、指標體系搭建

具體指標體系怎么構建，不用的業務需求會有不同的構建想法，比如可以基于AARRR模型去拆解針對一個APP不同階段的所需關注的指標，對應針對這些指標去設計埋點事件；也可以針對業務場景，比如：短視頻模塊，去梳理短視頻內容創作者、內容消費者、平臺三方所關注的指標維度，并對應去設計埋點事件
案例說明：
①基于AARRR模型拆解各個階段的關注點

②基于上述的指標，我們就知道每個指標需要采集的數據是什么，根據神策的埋點模板去對應設計每個指標的事件，注意在設計每個事件時，需要明確每個事件的類型（登錄、曝光、瀏覽、點擊、購買、使用等等）、包含的屬性以及每個事件的觸發時機

③數量完全部指標對應的事件和屬性之后，會有重合的屬性，可以考慮進行屬性歸整，對于常用且一般不變的屬性，可以歸整進公共屬性表中

2、數據采集說明

基于上述的埋點說明表之后，形成埋點的PRD就可以溝通投入開發。而數據采集之后需進行數據驗證和事件管理，能夠保證數據的準確性和后續事件的管理預利用，主要就是進行元數據的管理

三、數據管理

1、元數據管理

元數據管理可以統一管理所追蹤數據元信息和配置，比如，修改事件的顯示名、修改事件屬性的顯示名、修改事件屬性的單位、修改用戶屬性的顯示名等

說明：針對指標體系下的每一個事件進行可視化的追蹤，跟蹤每個事件的數據入庫情況，檢測每個事件的屬性維度是否正常采集等，包括對事件的事件屬性維度的管理、事件用戶屬性維度的管理，包括屬性調用基本信息修改、數據入庫的開與閉，以及基礎事件和基礎屬性的二次加工形成新的事件和屬性等一系列動作

2、數據血緣管理

數據的血緣管理更多的是在數據表層面，主要是展示表之間的關聯和依賴關系，能夠在應用側明確關聯，便于數據分析和數據問題排查等動作。這個在阿里云的Dataworks應用比較多

新人創作打卡挑戰賽發博客就能抽獎！定制產品紅包拿不停！

總結

以上是生活随笔為你收集整理的数据产品-指标体系和埋点设计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。