移动应用如何埋点收集什么数据以便于统计分析？

所谓的埋点，就是为了未来产品优化方向给出指导意义而做的。那就要先清楚你未来想做什么功能，然后为了做的这个需要收集到什么数据，哪些可以收集到，如何收集，合适收集，何时使用。举个例子，如果一个移动应用，想要和使用这个产品的用户直接对话，从而了解用户的需求。那么首先要想如何与使用应用的用户建立一对一联系（通过标识）；哪些可获得的标示（帐号联系、邮件联系、设备号、手机号联系等等）；哪种不打扰用户，而且也可以在我前期准备的时候不让用户察觉的标识（获取用户设备号建立与之建立练习）；何时需要进行一对一对话，即在哪个版本开始获取用户标示、哪个版本加入一对一对话功能。

如何电商埋点 电商如何找到增长点

如何电商埋点 电商如何找到增长点

埋点是App运营中很重要的一个环节。有针对性的有条理的埋点能够帮助我们理清用户行为轨迹、抓住用户特征、解析关键路径，反过来说，也有回答者提到了对于埋点数据上报对于用户流量、网速体验的影响，这也是我们需要考虑的因素。腾讯移动分析MTA在这一点上有做过多次优化，保证多次采集一次上传的数据传输过程，减少对用户流量的影响，优化用户体验。通过埋点可以用户的行为，对App内的关键路径进行监测，这无疑是常见也是重要的应用场景。不同的App可能关注的埋点有很大不同。例如，电商类App多关注的是订单成交；社区类App可能关注UGC内容的产生；阅读类App则需要关注内容的阅读。用户埋点的场景很灵活，埋点可以统计的数据能和后台的业务数据进行打通。比如在订单购买的业务中，将订单金额作为参数上报，能够更好的分析用户的价值；又比如在阅读的App中，将阅读作为自定义，每一篇都带有不同的参数，可以得到阅读的大盘整合数据，也可以分析每篇的价值，甚至可以方便的实现阅读量排行榜等功能。埋点因业务场景需要而定的，因此，我认为全埋点是一种未充分理解自身业务时采用的策略，全埋点带来的过多的数据采集，一方面加重了用户的流量负担，另一方面也不利于后期的复盘分析。

事实上提高产品的方式，就是让“活跃”这个定义变得更加严格，换言之，我们需要让“活跃”的定义和产品的增长关联性更强。想一下，在你的产品中，什么样的行为或者特征会促进你的留存，并且围绕这些行为和特征来设计判断“活跃”的规则。我们需要从更精准、更务实的角度重新定义「活跃」。举个栗子，京东可能关心的是浏览商品，购买支付相关的行为，那么对于京东来说至少浏览了商品才算活跃；百度可能关心的是阅读，互动相关的行为。对于百度而言用户至少看了问答才算活跃。

电商平台如何更好地构建用户标签体系？

构建用户标签体系主要根据用户在历史时间内的行为记录，从时间点、内容深度剖析，针对用户的基础属性、社交行为、互动行为、消费行为、偏好习惯、财富属性、信用属性和地理属性等八大维度构建用户标签体系，以期综合描绘平台消费者的行为特征。

建设的过程分为六个基本步骤：

1、首先以业务视角梳理规划整个标签体系的架构，即上面所说的八个维度；

2、无规矩不成方圆，在进行实际开发之前，我们要定义包括数据（指标）规范、模型设计规范、ETL规范在内的规范体系。前文也讲过，这个规范体系可以借助数栈产品帮助建立和执行；

3、将分散在各个系统/应用的数据同步到大数据开发平台之上，包括结构化的业务数据、埋点采集的行为日志数据等；

4、核心围绕“用户”，以标识打通来自不同平台、系统、渠道的数据，基于OneData体系依次构建全域数据中心、萃取数据中心；

5、在萃取数据中心基础上，进行各类标签的研发，例如事实类标签（性别、年龄段等）、业务类标签（钻石会员、普通会员等）、统计类标签（近90天下单金额等）、算法类标签（重要保持客户、高忠诚度客户等）；

6、标签/画像投入应用，或对接至下游业务系统，产生业务价值。与此同时各类标签的使用与效果，统计出热门标签，替换掉不合理的标签，调整业务算法和规则，添加新的标签等，来进一步推动标签体系的梳理规划，逐步沉淀一套精华版标签；

这其中，除了业务的输入以及数据的支撑外，要想快速建立一套科学的标签体系，还需要丰富的技术经验以及智能的工具或平台来提供助力，如阿里云或袋鼠云的数据中台。

如何规划电商平台产品线（完整版）

观主互联网生涯的前六年都在电商这大坑里滚爬，从无到有的搭建了三个产品团队，规模基本在10-20人之间。

今日兴致不错，就和各位道友聊聊，观主所理解的三种电商平台产品线规划策略（ps：根据不同行业、类型会有细微异，以下仅供参考；尤其要注意，不要拿某宝来比对，人家是终形态下的产物，早期和中期的电商玩不起，还是先把业务做扎实吧）：

一、按使用流程分：

▍1、核心数据：

以用户使用的流程为依据做切割和划分。

买家线：从找到平台到找到商品到完成交易到售后环节再到二次购买的一整条交易主线。

卖家线：从入驻平台到成为商家到开店上传到接单卖货再到售后跟进的一整条服务主线。

平台线：从服务买卖双方到活跃激励整个平台用户到拉新推广到服务保障到财务结算等。

▍2、举例说明：

不分先后：

a.搜索线（分类管理＋标签管理＋逻辑＋搜索算法＋排序、展示逻辑等）

b.展示线（内容、广告位管理＋首页＋落地页＋聚合页＋seo/sem支持＋专题、活动页、帮助中心等）

c.子频道线（按需设立：一般于平台主交易流程之外多子频道或者常态活动频道，都会设置一条单独的线来管理，如某宝聚x算、抢购功能、如某家居商城的装修资讯频道、如一些电商的等，这条线相对较为灵活机动，类型多样）

d.主交易线（商品详情页＋售前服务＋购物车流程＋下订单流程＋支付流程）

e.买家后台线（会员中心＋信息管理＋虚拟钱包＋售中、售后服务＋订单管理＋收藏、历史浏览等增值功能＋用户成长和激励体系等相关延伸，不赘述）

f.卖家后台线（信息管理＋商品管理＋订单管理＋财务管理＋物流管理＋库存管理＋推广管理＋店铺管理等＋用户成长和激励体系等相关延伸，不赘述）

g.平台总后台线（平台总后台，功能在早期考虑到代运营和强管制需求，一般会包含并大于卖家后台功能，同时需要注意以下几点务必早做打算：权限切割、财务结算、系统对接、数据和埋点、用户成长和激励体系、客诉和以及商家管理等）

h.移动线（包含移动端app和微信和wap，如果是平台性质的，前期不过早的介入移动端，当然看具体行业，移动线前期主要是将平台的功能精简并迁移，存在功能重叠，推广和开发成本高等问题，所以判断是否需要移动线应看公司战略，以及移动线的优势是否对业务有帮助，再做定论，观主经历过不少移动做个花架子或孤注一掷结果半途而废的例子）

i.金融线（主要两块，对买家的消费金融＋对卖家的供应链金融，大多数早期平台没有，因为授信和风控难以控制，但是b2b供应链想对容易，因为证照齐全，交易真实性保障度高）

▍3、人员要求：

按照分线策略，在招人时需注意，应聘人员是否有符合该线要求的相关项目经验，过往工作内容是否与该产品线的要求相近，在工作经验上可适当放宽，主要看对某条线，比如对商品展示的了解程度，因为该线是模块化切分后做前后衔接，所以每条线上的人能力不用太全面。

▍4、优劣对比：

优势：各线更为专注，各线间的关联性强，对各线的产品的能力要求相对较低，不需要过于全面，设某条线的产品较弱，前后关联线可以通过协作，做很大程度的弥补，发挥整体优势。

劣势：一旦某条线出问题，衔接上会很混乱，同时产品对其余每条相关产品线需要花很大精力去了解和熟悉，一旦消息不透明或闭塞，就容易产生盲区，造成设计上的前后不一致。

二、按业务板块分：

▍1、核心数据：

以平台业务板块来切割和划分：

按品类：一般适用于全平类平台，不同品类之间异化太大，会按品类来做区分。

按模式：一般适用于多种交易模式的平台，如b2b供应链大多会分三块：撮合、现货和金融。

▍2、举例说明：

用某化工b2b平台举例，分以下几条线（该线特点是出了移动线其余每条线对应到一个业务部门负责）：

a.撮合交易线（询盘相关业务：从采供信息展示、搜索、下询盘到撮合交易到线下等）

b.现货商城线（类似一个小天猫，不展开赘述）

c.供应链金融线（类似p2p，不展开赘述）

d.用户体系线（用户管理与激励，招商和认证等等）

e.用户后台线（买家和卖家的管理后台，不赘述）

f.总后台线（整个平台的管理后台，对以上几条线形成管理和支撑，包含BI系统）

g.移动线（包含app和微信，将部分核心业务流程迁移到移动端）

▍3、人员要求：

相比上一种分法，这种方法人员数量和线对数量都会减少，但几乎每条线都会涵盖比较完整的一段流程，所以对每个产品的能力、经验要求会提高，需要每个产品都有较为全面的能力，同时对完整流程有足够的作经验，招人的侧重除了不变的“项目经历契合”，改变的是“需要从专提升为全面”。

▍4、优劣对比：

优势：每个业务板块延伸的产品线，相当于一个的项目，各线之间更为，不容易因为某线出问题或者延缓导致联动性问题发生，同时每条线因为对一个业务板块负责，需求会更有针对性，支撑会更有效，更可量化。

劣势：任何一条线的人员要求都较高，否则就容易自坑，如上例，无论询盘线还是现货线，都需要完成用户的整个使用流程的产品设计，相比方法一，由于整个平台的在产品设计过程中被相对了，可能带来的问题就是容易过于沉浸，导致业务板块之间的协作和支撑缺失。在项目管理上，因为大家负责的实际设计会有很多类型上的重叠，比如询盘线和现货线，都要关注seo或者app或者微信，这种情况下，在需求到开发的过程中容易产生冲突和掐架。

三、按人力资源分：

▍1、核心数据：

这种分法，对于小团队（三无创业公司）特别好用，说白了，早期业务不清晰、人员预算不充足时，这种类似游击战的打法未必漂亮，但是至少高效和高能！

▍2、举例说明：

实际作就是一拖多，大家读书时都知道先进带后进，帮困小组吧？

这个分法很简单，就是把现有人员按能力和经验高低分层，然后按金字塔形一层层排布：执行类往下推，决策类往上推；难度往上推，简单的往下推。

比如观主目前在的创业公司，就一个app，一个web，一个后台，三个产品，有2个产品助理＋观主，就能解决了，产品助理主要做些非重要的设计工作和文档整理，观主主要做需求分析和产品功能制定等稍微需要烧脑的部分。

▍3、人员要求：

至少一名全栈产品或20%的中高级产品（二选一）＋80%初级产品，不展开赘述。

▍4、优劣对比：

优势：省钱，省人，设计出来的东西，中规中矩，高度统一，不容易出大乱子。

劣势：但是一旦出大乱子，就是天大的乱子，因为决策层较少，点的错误容易瞬间扩散到面。

以上就是观主的一些拙见，与各位分享，举例中或有不详尽之处，敬请谅解，无论大公司、小公司，都可以按以上的方法来分，无非终划分到的颗粒度有多细致而已，希望对大家有帮助，该篇不单适合产品团队管理者，同样的，产品想要有提升，必须对管理和规划有足够的理解！

望与诸位道友在产品的路上，一同共勉共励，一起披荆斩棘，谢谢！

ps：以上就是本观主的点滴心得体会，仅分享给需要的人来互通有无、相互印证！

iOS-曝光埋点

电商类APP列表页，用户上下滑动，列表页中的显示在屏幕中，此时数据分析上来看，的显示（比如滑动停止或者停止1s），都认为是一次数据的曝光，此时会根据曝光率（曝光率= 点击量 / 曝光量）来分析用户（比如用户的喜好数据的统计）

willDisplayCell 和cellForRowAtIndexPath对比：

先执行cellForRowAtIndexPath再执行willDisplayCell，cellForRowAtIndexPath一半用于 数据填充 ，willDisplayCell可用于 自定义分割线 ，对于实时性的埋点曝光统计，可用willDisplayCell方法实现。

UIScrollVIew 停止滚动的类型分为三种：

对于滑动停止这种条件性的曝光埋点，可用UIScrollVIew滑动停止的方法实现。

对于条件性曝光埋点，采用UIScrollVIew滑动停止方法实现，具体曝光条件是

上报时机就是滚动停止，做相关的埋点上传处理

这里可以根据获取NSIndexPath的数组的cell，获取对应的NSIndexPath的CGRect，这里我们的列表是竖着滑动，我们只获取cell的origin.y和size.height这两个属性

根据上面视图，cell可见可分为三类：

currentRect = tableView.convert(previousCellRect, to: self.view.superview)

计算相对于屏幕本身的rect属性

电商运营的数据优化调整怎么做？

电商运营 ，数据的上升表明在运营上还是比较有成效的。因此，对于这种的应在这个基础上应该加大运营的技巧和数据分析的能力。

数据分析能力如下：

包括主图数据、详情数据、产品数据、、市场数据、推广数据、seo数据等等。

而运营，对于这些数据不仅要明确其确切含义，更要明确这些数据的应用意义。因为，电商运营是包含店铺运营，任何一部分数据出问题都会反映出一些问题。

而运营要做的就是，汇总观察数据，并根据数据得出结论，为下一步的优化解决方案提供支持。比如，流量上升和下滑，如果不去分析原因，那很有可能就会再犯类似的错误，不能提升运营的能力以及电商运营的技巧方法。

还数据是观察一段时间在稳当作

关于埋点文档的一点总结

埋点就是在用户使用产品时记录下用户行为数据，以便后面对用户行为进行数据分析。比如说需要页面的浏览量，就需要对用户浏览页面这一行为进行记录，然后一个页面的所有用户浏览量相加，便可以得到这个页面的浏览量了。

1）埋点是为了进行数据分析，因此先明确数据指标或者是分析目的，这样能够保证自己想要的数据都能找到。

2）埋点可以为单位进行的，每一条埋点数据或者说是用户行为数据，记录了一个的发生。每一条数据需要讲清楚“ 什么人在什么时间、地点以什么方式完成了什么事情 ”，也就是who/when/where/what/how。

举个例子，以视频播放这个为例，视频播放其实就是用户播放视频这个行为，那么这个里就包含是哪个用户在什么时间、什么模块看了什么样的视频，如果需要投递视频播放这个，那么包含的字段就有：用户ID/时间/在APP的位置/视频ID/视频属性。

比如像点击、浏览、曝光这些行为便可以用前端埋点，主要是发生在用户与界面的交互；如果是电商中要统计下单成功这个，客户端是没有办法知道订单是否成功的。如果统计的里有需要用到后端的数据，也是要进行后端埋点的。

埋点数据是需要存储起来的，数据就会有它对应的字段。一般一条埋点数据需要记录：

ID、名（英文名、中文解释）、属性（属性英文名、中文解释、属性类型）、埋点形式（前端/后端）、触发时机（什么时候投递这个）

一个发生时，像用户ID、设备信息这些都是每个可以共用的，因此可以定义一些每个都可以使用的公共属性，比如可以定义：

像用户信息（用户ID、设备信息、网络信息、地理位置信息）、时间信息等字段是所有都会用到的，因此可以把他们当做所有的公共属性。

类型分为点击、曝光、页面停留等，在设计时，可以按产品的功能模块、点击、曝光等维度进行划分。比如说现在对西瓜视频进行埋点，从功能上可以划分为视频相关的、视频互动（评论、点赞、分享等）相关的，一些较为简单页面可以直接统计点击和曝光。

视频相关的包括有视频播放、视频曝光这两大类。

西瓜视频首页视频播放过程可能会有：

因为视频播放中可能会出现各种情况，此时列出所有情况，尽量考虑到每种情况下播放时长应该怎样进行计算。关于视频曝光这块，后面如果在数据计算时，会计算曝光总和作为曝光量，如果是小视频出视频就算曝光了，而且这块可能出现快速滑走的情况，为了防止曝光时间过短，可以设置有效曝光时间，这样计算曝光量时我们可以控制什么样的曝光用来计算曝光量。

对于简单的页面曝光，可以进行简单的罗列；如果页面点击比较简单的话，可以用一个点击按钮属性来区分不同的点击按钮，但是如果点击比较复杂，本身可能就带有比较多得属性，或者这个点击很重要时，还是建议单独写一个点击，便于后面的分析。

一个APP里面有很多的埋点，而且都是不断迭代的（其实我就想说写完太累了，哈哈哈哈），所以就大概写一点了，大概形式就不多了，总而言之，埋点还是得根据数据的需求来，比如数据需求想分析用户关注行为，就可以把关注单拎出来做一个。

手机端建站如何处理数据埋点

手机端建站如何处理数据埋点?首先明确埋点的目的，埋点主要是为了(1)产品的核心指标。通过核心数据反映产品的宏观情况。(2)获取真实的用户行为，通过数据产品流程设计上是否有不合理的地方。(3)获取阶段内的数据变化，检验运营活动的效果。

在埋点时，就可以从这三个角度展开设计。

一、产品的核心指标

首先要想清楚，产品的核心数据指标是什么?如对于电商产品来说，就是有效订单数，客单价，平台流水等等。这些指标的优先级是怎么样的?这个就要根据公司的战略定位和现阶段目标来确定，如同样是电商产品，大宗商品可能会比较关注客单价核心客户数等，toC的电商产品可能会比较注重订单数。如处于不同融资阶段、拥有不同阶段战略规划的公司核心指标优先级也许又是不一样的。

产品核心指标一般包含：

1.产品规模

1.1用户数据。如新增用户、用户类型分布、活跃用户、沉默用户、启动次数、版本分析等。

1.2业务数据。这个与具体业务有关，如问答社区的问题数，回答数，全网热度，浏览量;如对含交易平台的交易量，交易额，客单价，转化率，利润等。

2.产品运营

2.1流量数据。pv，uv，dau，mau，留存分析(次日留存，7日留存，用户新鲜度),流失分析(日周月、自然流失、回归流失)，

2.2渠道数据。渠道流量，渠道转换率，渠道评价，渠道时段详情，渠道质量(渠道活跃用户/渠道流量)等。

二、获取真实的用户行为

获取真实的用户行为，调整产品侧重，通过数据产品流程设计上是否有不合理的地方。比如用户普遍在某个模块中停留时间较长，说明该功能对于用户来说是被真实需要的，对该模块的优化优先级可以提高，比如某流程在A环节的终止率跳出率非常高，那我们就知道A上存在问题。

1.作行为数据

1.1功能使用。如用户访问路径，用户点击分布，用户参与度(使用时长，使用频率，使用间隔)功能打开率，功能内具体组件使用率，功能使用时段，功能使用用户群等等。

1.2功能转化。通过记录相关页面的访问量，得出漏斗模型，转化率。登陆转化，注册转化，购物车转化，收藏转化，粉丝转化，用户跳出页面等。

2.传播数据

如化分享(分享平台、分享页、分享人数、接收分享人数)

三、获取阶段内的数据变化，检验运营活动的效果。

埋点数据参考以上，只是范围上更针对运营活动的相关内容，时间维度上集中在活动开展期间。

四、其他

根据需要，还可以埋点监测其他数据，如终端数据，bug数据等。

移动端和PC端的区别主要在于载体和表现形式不同所带来的影响，注意区别这些异在数据上带来的影响，如PC打开页面占用多个Tab，采用多会话和时间戳统计出来的TimeonPage就会有本质的异。

后，埋点得到数据不过是把已客观存在的数据抽出来集中展示，想要从数据中获取能够对产品决策有用的信息，还是需要通过对数据进行综合分析。

建站手机端建站