数据埋点与数据分析方法
2021-11-15 17:50:00 3 举报
AI智能生成
登录查看完整内容
为你推荐
查看更多
数据埋点
作者其他创作
大纲/内容
1、收集数据
2、分析数据
3、发掘需求
4、满足需求
数据产品经理
数据埋点是数据产品经理、数据运营以及数据分析师,基于业务需求(例如:CPC点击付费广告中统计每一个广告位的点击次数)产品需求(例如:推荐系统中推荐商品的曝光次数以及点击的人数)对用户行为的每一个事件对应的位置进行开发埋点,并通过SDK上报埋点的数据结果,记录数据汇总后进行分析,推动产品优化或指导运营。
数据埋点定义
代码埋点
可视化埋点
无埋点
埋点技术
部署在自己公司的服务器上,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
优点:提高数据安全性,定制化的埋点方案较多,可开发一套针对自己公司定制化的数据后台查询系统保证数据的安全性和精确性缺点:成本较高
私有化部署,自己搭建相应数据体系
比如友盟、百度移动统计、Sensors Data、GrowingIO、Talking Data、GA(Google Analytics)统计等
优点:成本较低,部分基础服务免费,缺点:数据会存在不安全的风险,只能进行通用的简单分析,无法定制化埋点方案
接入第三方服务,集成第三方SDK
数据埋点方式
明确目标
产品各个渠道下载量
产品活跃状态分析
事件分析
基本信息获取
漏斗模型
获取相应数据
做好与研发的沟通
如何做好数据埋点
相关要点
1、注册一家统计网站
2、新建应用
3、获取KEY和SDK代码包
4、将埋点需求和SDK包发给研发
5、自定义埋点需求完善
6、研发开发并完成APP上线
7、在后台查看数据
数据埋点的七大步骤
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。
用户数据
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。
业务数据
产品规模相关数据
流量数据
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。
渠道数据
产品运营相关数据
埋点获取数据
点击事件,用户点击按钮即算点击事件,不管点击后有无结果比如:立即购买按钮,点击一次记一次。
点击事件
成功打开一次页面记一次,刷新页面一次记一次,加载下一页新页,加载一次记一次。home键切换到后台再进入页面,曝光事件不记比如:打开某商品的商品详情页,打开一次记一次。
曝光事件
表示一个用户在X页面的停留时长记为停留时长。比如:某用户9:00访问了X网站首页,此时分析工具则开始为该访问者记录1个Session(会话)。该用户9:01又浏览了另外一个页面列表页,然后离开了网站(离开网站可以是通过关闭浏览器,或在地址栏键入一个不同的网址,或是点击了网站上链接到其他网站的链接)最终小明在首页的页面停留时间: 9:01 – 9:00 = 1 分钟
停留事件
埋点事件分类
首页
列表页
详情页
点击事件集合
曝光事件集合
停留事件集合
App埋点规范
具体操作流程
功能字段:用于说明当前埋点是在哪个页面的哪个功能。例如:收藏功能,对应功能字段名:自定义为我的收藏
中文名字段:用于描述X功能模块内X位置,例如起名叫:收藏功能-文章收藏
事件类型字段:用于说明当前埋点是点击事件还是曝光事件还是其他
事件ID字段:如果是自己公司开发的数据查询系统,则每一个埋点都对应一个事件ID,上线后用于拿着事件ID去后台取数使用。
事件ID的命名规范:事件英文简写_哪一端的产品_产品名称简写_页面名称_模块名称_功能名称例如:点击事件_APP端_二手车_个人中心_收藏_文章收藏 对应事件ID== click_app_2sc_ Personal Center_ Collection_ Article Collection如果是用的第三方统计工具:例如友盟,同理定义好事件ID,上线后去友盟后台,输入事件ID查询相应的数据。
埋点字段明细
落地页浏览量
落地页访问人数
落地页跳出率
渠道拉新-流量指标
注册用户数
注册转化率
付费用户数
付费转化率
渠道转化-转化指标
留存率
复购率
ROI
渠道留存-留存指标
渠道质量评估
活动访问量
活动页交互点击量
活动页访问人数
活动转化漏斗
活动效果监测
市场数据
功能点击量/使用率/使用频次
功能转化率/留存率
产品功能
页面停留时长
页面跳出率
产品页面
产品数据
活跃用户数
新增注册用户数
流失用户数
用户指标
商品点击量
商品购买率
商品指标
活动访问用户
活动点击率
活动转化率
活动指标
分享数
分享率=分享数/PV
推荐指标
客单价
支付成功金额/用户数
用户付费情况
推送打开情况
回流率
产品传播情况
运营数据
业务线案例
产品经理的设计过程确定了事件设计与定义之后,就可以就该事件设计埋点表和开发去沟通,让他们明白产品经理采集这些事件的意义和目标,每条事件的采集时机是什么,确认相应的维度信息能不能采到等等,目的是保证最后出来的指标和事件定好的指标统计口径一致。至此,产品就可以放心的等待开发将点埋好,然后开启数据驱动产品业务增长的优化之路。
第三步:执行,编写事件设计埋点表
数据埋点时常说的功能,即用户在使用这些功能时产生的使用行为数据,从用户使用行为分析的角度去分析。例如:发布话题的业务流程,其实是由用户一系列行为组成,此处用用户的真实操作行为去定义事件名称
比如:想看不同话题分类被成功发布的次数这个指标可以将话题分类为发布话题这个事件的属性,这个话题分类的值可能有图片、文字、音频、视频,这样就能分别看到发布图文的话题个数、发布音频或视频的话题个数。维度:操作系统,应用版本,话题分类,是否取消,输入话题方式,话题名称,是否成功通过维度的层层细分,就能定位到更精细的业务问题。
第二步:设计,事件设计和数据采集埋点方案设计
要分析什么样的场景,解决什么业务问题,要解决这个业务问题,要看什么样的数据,要衡量什么样的指标。
核心思路步骤:1、设定核心运营目标2、讲核心目标拆解为二三级目标3、讲二三级目标拆解为可收集的数据公式4、根据公式与数据,聚焦核心矛盾点所在,确认优化方向
比如:业务目标是要增加销售额销售额=活动流量x付费转化率x客单价付费转化率=付费按钮点击次数 / 付费按钮曝光次数
第一步:思考,梳理业务与确定业务目标
数据埋点与数据分析方法
0 条评论
回复 删除
下一页