埋点
数据分析的数据咋来的呢？通过埋点来的。
埋点英文名：event tracking
监测用户的行为，给后续的产品优化和运营提供数据支持。这时需要在程序里加一些监测代码。
埋点的用途
运营获得用户在产品上的使用数据，可以进行：
- 优化迭代
- ABTest
- 流失分析
- 漏斗优化
- 智能推荐
- 风险识别
埋点的分类
从记录的位置可以分为前端埋点和后端埋点。
前端埋点
从方式上分为：代码埋点，可视化埋点，无埋点。
代码埋点
在APP里集成数据分析服务的SDK，然后在某个事件发生时调用SDK里面相应的数据发送接口发送数据。
可视化埋点
除集成数据分析服务的SDK外，不用额外的写埋点代码。
无埋点
集成数据分析服务的SDK后，SDK便直接开始捕捉和监测用户在应用里的所有行为，并全部上报，不需要开发人员添加额外代码。
无埋点也需要在数据分析服务平台，进行圈选，并设置事件名。
可视化埋点和无埋点区别：
- 可视化埋点先配置哪些控件的操作数据需要收集
- 无埋点则是先收集所有的控件的操作数据，然后再配置哪些数据需要分析。
后端埋点
当前后端都可以实现数据采集时，推荐后端埋点。
优缺点
| 优缺点 | 代码埋点 | 可视化埋点 | 无埋点 | 后端埋点 |
|---|---|---|---|---|
| 采集说明 | 集成SDK 定义事件，并添加事件代码 |
集成SDK 先可视化圈选定义事件 |
集成SDK 后可视化圈选定义事件 |
接口调用 数据结构化 |
| 场景 | 分析无后端交互事件 运营初级阶段，产品功能相对简单 高度定制，控制精准 |
界面与业务关联较少 界面多且界面元素少 适合初步分析 |
只对界面进行分析 从而进行页面优化 |
精细化运营，多维数据分析 数据安全要求高 包含用户资产数据、用户账户体系相关数据、风控辅助数据等重要业务数据 |
| 优点 | 按需分析 业务信息更完善 对数据分析更聚焦 |
只需业务人员，无需开发支持 | 只需业务人员，无需开发支持 更新无代价 全量数据 |
灵活 精确 无需发版 省流量 可靠 |
| 缺点 | 开发工作量大 更新代价大 数据传输时效性和可靠性差 |
业务数据少 不是所有控件都能监测 更新代价稍小 数据传输时效性和可靠性差 |
数据精准度不高 数据多，流量高 数据维度单一（点击，加载，刷新等） |
无后端交互事件缺失 无法进行客户端行为事件精确统计（例如：可能点击了3次才提交成功） |
埋点设计
漏斗
漏斗思维即维度切分思维。
只要有流程、有转化，就采用漏斗模型作为其中的一种手段来加以监控、分析和管理。
例如：
- 新用户邀请。邀请–>邀请页面点击–>注册
- 活动页面–>优惠活动–>商品页面–>支付页面–>付款成功
实现方式：sessionid，在最外层操作生成sessionid。
例如：订单，战斗副本
扩展
字段可扩展，扩展兼容已有数据。
事件可扩展：例如：item_use，item_add等。
分类
按功能，按模块进行分类。
