数据埋点最基本需要获取的用户数据有哪些？

还是得看你希望分析什么样的用户行为吧，根据行为场景去选择数据跟踪点，并确保这个点的反馈是客观无歧义的。

在这一个大数据的时代，在这一个产品经理爱拍脑袋的时代，数据的重要性不言而喻，好的数据分析可以使我们的产品不偏离正确的轨道，做好数据分析的第一步就是做好数据埋点，那么怎么做好数据埋点呢，我将从以下几个方面进行讲解：

埋点技术

代码埋点：

所谓的代码埋点就是在你需要统计数据的地方植入N行代码，统计用户的关键行为。比如你想统计首页某个banner的点击量，上报的数据可以采用KEY-VALUE形式，我们定义 KEY为「CLICK_ADD_BTN」，VALUE的值为点击的次数。当用户点击banner时，banner详情的代码会通过按钮的「回调」来触发执行，程序猿在业务代码执行完后，又加上了统计代码，把「CLICK_ADD_BTN」对应的VALUE加1，banner被统计到了一次使用。

代码埋点的优点：

• 使用者控制精准，可以非常精确地选择什么时候发送数据
• 使用者可以比较方便地设置自定义属性、自定义事件，传递比较丰富的数据到服务端。

代码埋点的缺点：

• 埋点代价比较大，每一个控件的埋点都需要添加相应的代码，不仅工作量大，而且限定了必须是技术人员才能完成；
• 更新代价比较大，每一次更新，都需要更新埋点方案，然后通过各个应用市场进行分发，而且有的用户还不一定更新，这样你就获取不到这批用户数据。

可视化埋点：

既然代码埋点代价比较大，每一个埋点都需要写代码，那就使用可视化交互手段代替写代码；既然每次代码埋点都需要更新，那就参照现在的很多手游做法，把核心代码和配置、资源分开，每次用户启动app的时候通过网络更新配置和资源。

可视化埋点优势：

可视化买点解决了代码埋点埋点代价大和更新代价大两个问题。

可视化埋点劣势：

可视化埋点能够覆盖的功能有限，目前并不是所有的控件操作都可以通过这种方案进行定制；

无埋点：

可视化埋点先通过界面配置哪些控件的操作数据需要收集；“无埋点”则是先尽可能收集所有控件的操作数据，然后再通过界面配置哪些数据需要在系统里面进行分析，“无埋点”也就是“全埋点”的意思。

无埋点的优点：

• 可视化埋点只能收集到你埋点以后的数据，如果你想对某个按钮进行点击分析，则只能分析增加可视化埋点以后的数据，之前的数据你收集不到，而无埋点在你部署SDK的时候数据就一直在收集。
• 因为无埋点对页面所有元素进行埋点，那么这个页面每个元素被点击的概率你也就知道，对点击概率比较大的元素可以进行深入分析。

无埋点的缺点：

• 由于无埋点方案所有的元素数据都收集，会给数据传输和服务器带来较大的压力。

数据埋点方式

1、公司研发在自己的产品当中注入统计代码，搭建相应的后台查询，这种代价比较大。

2、集成第三方统计的SDK，比如友盟、百度移动统计、Sensors Data、GrowingIO、Talking Data等。

如何进行数据埋点

一、明确目标

经常有人问我说我要获取那些数据来进行数据分析，其实这个问题不应该问别人，应该问问你自己，你是想用这个数据干什么，如果你想绘制基础的人群画像你就需要获取用户机型、网络类型、操作系统，IP地域等数据；如果你想分析每一个注册转化率，你就需要获取每一个步骤的点击次数，然后制作成漏斗，看那一步转化率出现了问题；目的不一样，获取的数据也不一样，使用的埋点技术也不一样，我们无论做什么事情都不能忘了我们的目的！

二、获取相应数据

业务不同，目的不同获取的数据也不同，这里我只说一些比较共性的数据。

1、产品各个渠道下载量

这个可以用第三方数据统计工具来进行，这样我们可以知道我们产品着重在那个渠道进行推广。

2、产品活跃状态分析

产品活跃状态监控，留存分析、流失分析、新增变化等，次日留存率、七日留存率、月留存率，尤其对于处于成长期的产品而已，这个指标很重要，如果留存率比较低，说明你的产品有问题，这个时候你就需要进行用户调研，找到流失的问题，否则大面积拉新，只能拉多少死多少，至于留存率、新增的变化这些数据，我们也可以借助第三方统计工具来进行。

3、事件分析

比如你想统计某个页面的Uv、PV、元素的点击量、用户停留时长、页面跳出率等数据指标，可以选择代码埋点和可视化埋点等前端埋点解决方案。当某个页面的UV很高，但是跳出率也很高，说明页面有问题，你就要好好想想页面的问题出在什么地方。

4、基本信息获取

基本信息获取，例如机型、网络类型、操作系统，IP地域等，绘制基础用户人群画像，这种分析出来的用户画像颗粒度比较大，如果想更精准的进行用户画像可以结合推荐系统，来获取用户的兴趣指标，以及用户操作行为等数据来进行更精准的用户画像，从而为产品运营和产品设计提供参考，可以借助第三方统计工具和自定义埋点的方式进行数据的收集。

 

5、漏斗模型

对于产品的关键路径一定要进行漏斗模型分析，比如注册路径，从用户输入注册手机号到注册成功，中间可能会有几个步骤，如果100个人注册，最后只有一个人注册成功，那么求运营同学心里的阴影面积。还有电商的购买下单路径，从浏览商品到最后下单购买成功，每一个步骤的转化率是多少，对于漏的比较多的那个步骤我们肯定要着重关注，分析原因。这个可以技术研发进行埋点，获取更精确的数据，比如下图的埋点表。

三、做好和研发的沟通

集成第三方数据统计的SDK还好，如果是自己自定义代码埋点，你可能一句话的事情，但是技术人员要开发大量的代码，而且做出来的东西是给产品和运营用的，这有时候会导致技术人员的抗拒心理，这个时候产品经理要做好沟通工作。

总结：在这个数据越来越重要的时代，在这个数据驱动产品运营和设计的时代，做好数据埋点，获取精确数据，是你做好数据分析的第一步。