本篇文章主要介绍埋点的基本概念、操作流程，目的是能让大家对数据埋点有个基本的认识。
一、引言
动漫《海贼王》中，曾经拥有世界上一切的男人，海贼王哥尔·D·罗杰，在临行前说：“想要我的财宝吗，去找吧，我把世界上的一切都放在那里了”。全世界的人们都趋之若鹜奔向大海，寻找one piece，大海贼时代由此开启！17岁的路飞也遵循了与香克斯的约定，出海航行，立志成为海贼王。
而在2012年初，世界经济论坛发布的大数据和大影响报告指出，大数据已成为黄金和货币等经济资产。在未来，数据将成为商业竞争最重要的资源，谁能更好的使用了大数据，谁将领导下一代商业潮流，大数据时代已经到来！
期待你与奇数/草帽小子做一个约定，探寻神奇数据中的one piece，成为数据产品大牛。
二、数据生命周期
想要成为数据产品大牛，对数据就要了如指掌，那我们先来认识一下数据的人生之路吧。数据生命周期包含四个阶段：数据采集、数据预处理、数据挖掘/分析、数据应用。
从数据的产生到最后应用，存在着许许多多的知识与技巧，本文主要介绍数据产生的方式之一：数据采集中的数据埋点。
埋点数据作为可以记录用户行为的数据，在商业经营中能帮助企业快速定位分析用户群体，实现更好的企业效益，就像是路飞的二档技能，帮助他在航行过程中乘风破浪。像草帽小子一样，开启你的二档技能吧！
（1）数据采集：尽可能细而全的收集初始数据，便于后期进行数据分析与应用
- 埋点行为数据：通过埋点的方式，采集到的一些行为数据，如浏览、点击、停留时长等；
- 业务数据：伴随着业务产生的数据，核心是生产系统内存储的业务表单数据；
- 日志数据：一般是web端日志记录的数据；
- 外部接入数据：从第三方获得的数据。
（2）数据预处理：对一些不符合标准的数据进行清洗、转换，得到标准数据
（3）数据挖掘/分析：对预处理后的标准数据进行统计学分析，得到数据特性或普适规律
（4）数据应用：将数据特性或规律应用于业务，赋予数据业务价值
三、数据埋点
1. 常见问题
在了解完埋点在数据生命周期里扮演的角色之后，我们开始探讨埋点的滴滴点点吧。在做埋点的过程中，大部分人通常会遇到以下问题：
- 不知道埋点的全生命周期是怎样的，只有片段概念？
- 如何将业务需求转换为数据需求？
- 埋点文档怎么写？事件、参数是什么？
- 埋点管理如何进行，管理平台如何搭建？
- 埋点数据如何进行可视化展现？
- 埋点数据准确性如何保障？
下面我们先来了解一下埋点的基本概念与生命周期，其他的问题将在后续几期的文章中逐一解答，本文不再详细说明。
2. 埋点概念
数据埋点是数据采集的一种重要方式，主要用来记录终端用户的操作行为，后续用于进一步优化产品以及给运营提供数据支撑。
接下来介绍埋点的三种方式：
（1）全埋点
通过加载一段定义好的SDK代码，前端会自动全量采集全部事件并上报埋点数据，能够呈现用户行为的每一次点击、每一次跳转、每一次登录等全量、实时用户行为数据。
- 优势：简单、快捷；开发工作量少；
- 劣势：数据维度单一（如点击、加载、刷新）；数据准确性不高；上传数据多，消耗服务器资源多；
- 适用场景：运营阶段初期，产品功能相对简单，主要分析活动页、着陆页、关键页面设计体验。
2010年，百度MP3 团队做了一个叫作Click Monkey 的产品，只要页面上嵌入SDK，就可以采集页面上所有的点击行为，并可以绘制出用户点击的热力图，这种方式对于一些探索式的调研还是非常有用的。
到2013 年，国外一家数据分析公司Heap Analytics，将这种方式更近一步，将APP 的用户行为尽可能地全面采集，然后通过界面配置的方式对关键行为进行定义，这样便完成了所谓的“无埋点”的数据采集。
（2）代码埋点
纯手动写代码，调用埋点SDK的函数，在需要埋点的业务逻辑功能位置调用接口上报埋点数据，让使用者可以方便地设置自定义属性、自定义事件。
- 优势：按需采集、对数据分析更精细化，数据采集能力较强，包含服务器、数据库、第三方数据；
- 劣势：项目工程量大，开发成本及沟通成本高；
- 适用场景：运营阶段中后期，追求精细化运营，需要进行多维数据分析。
在Google Analytics 年代，就已出现代码埋点。目前，国内的主要第三方数据分析服务商，如百度统计、友盟、TalkingData等都提供了这一方案。
（3）可视化埋点
产品及运营可在可视化界面上圈选定义事件，来追踪用户行为，相比于手动埋点更新困难，埋点成本高的问题，可视化埋点优化了移动运营中数据采集的流程，能够支持产品运营随时调整埋点，无需再走发版流程，直接把配置结果推入到前端，数据采集流程更简化，也更方便产品的迭代。
- 优势：开发工作量少，使用成本低；
- 劣势：数据精准度不高、针对页面上点击可见元素、数据维度单一（如点击）；
- 适用场景：运营阶段初期，页面简单，主要分析点击事件。
国外比较早做可视化的是Mixpanel，国内较早支持可视化埋点的有TalkingData、诸葛IO，2017年腾讯的MTA也宣布支持可视化埋点。
3. 埋点生命周期
如同数据的产生与应用存在一个生命周期，埋点从需求提出到质量管理，也有一个完整的生命周期：
埋点的生命周期主要分为以下三个阶段：
（1）需求阶段：进行需求采集和需求分析，保证埋点满足核心业务需求
- 数据需求池：对数据需求进行整体维护，记录需求业务场景、需求内容、提出者、时间等
- 产品信息架构：梳理产品结构，熟悉产品
- 用户行为路径：分析用户路径，得到核心业务指标
（2）设计阶段：进行埋点版本规划和埋点设计
- 埋点版本规划：根据需求优先级，分版本上线，快速迭代；
- 埋点文档：详细描写版本记录、数据流程图、埋点事件等内容；
- 后台原型设计：埋点管理后台、数据可视化平台原型。
（3）质量管理阶段：保障埋点数据的准确及有效
- 数据准确性验证：埋点数据的准确性需要及时得到验证，以保证后续数据质量；
- 数据监控：定期监控埋点数据的产生情况；
- 埋点下线：没有价值、不符合当前需求的埋点进行下线。
四、总结
本篇文章主要介绍埋点的基本概念、操作流程，目的是能让大家对数据埋点有个基本的认识。埋点学习就像路飞打CP9，需要在实战去训练，才能在最后战胜CP9首领路奇。而在这个实战的过程中，路飞的身价从一亿贝利涨到了三亿贝利，相信你也能在学习的过程中，像草帽小子一样身价翻番。
作者：草帽小子；公众号：一个数据人的自留地，wx：luckily304
本文由 @草帽小子 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议