数据埋点是什么？设置埋点的意义是什么？
原文出处https://www.zhihu.com/question/36411025
链接：https://www.zhihu.com/question/36411025/answer/144973846
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
所谓“埋点”，是数据采集领域（尤其是用户行为数据采集领域）的术语，指的是针对特定用户行为或事件进行捕获、处理和发送的相关技术及其实施过程。
埋点的技术实质，是先监听软件应用运行过程中的事件，当需要关注的事件发生时进行判断和捕获，然后获取必要的上下文信息，最后将信息整理后发送至服务器端。所监听的事件，通常由操作系统、浏览器、APP框架等平台提供，也可以在基础事件之上进行触发条件的自定义（如点击某一个特定按钮）。一般情况下，埋点可以通过监测分析工具提供的SDK来进行编程实现。
埋点的业务意义显而易见，即帮助定义和获取分析人员真正需要的业务数据及其附带信息。在不同场景下，业务人员关注的信息和角度可能不同。典型的应用场景有面向数字营销领域的分析，以及面向产品运营领域的分析。前者注重来源渠道和广告效果，后者更在意产品本身流程和体验的优化。两者各有侧重，也可以有一些交叉。所以，对于不同的项目和分析目的，应当设计不同的埋点方案。
近年来，埋点的方法论上也出现了一些业界新趋势，如“无埋点”技术。所谓“无埋点”，是指不再使用笨拙的采集代码编程来定义行为采集的触发条件和后续行为，而是通过后端配置或前端可视化圈选等方式来完成关键事件的定义和捕获，可以大幅提升埋点工作的效率和易用性。在“无埋点”的场景下，数据监测工具一般倾向于在监测时捕获和发送尽可能多的事件和信息，而在数据处理后端进行触发条件匹配和统计计算等工作，以较好地支持关注点变更和历史数据回溯。当然，即便是“无埋点”技术，也仍然需要部署数据采集基础SDK（又称基础代码），这一点需要注意，容易产生误区。
如果需要了解更多关于埋点的详细信息，可以阅读宋星的文章： http://www.chinawebanalytics.cn/auto-event-tracking-good-bad-ugly/
链接：https://www.zhihu.com/question/36411025/answer/133787143
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
数据埋点分三个阶段：
初级的数据埋点：在产品流程关键部位植相关统计代码，用来追踪每次用户的行为，统计关键流程的使用程度。
中级的数据埋点：在产品中植入多段代码追踪用户连续行为，建立用户模型来具体化用户在使用产品中的操作行为。
高级的数据埋点：与研发及数据分析师团队合作，通过数据埋点还原出用户画像及用户行为，建立数据分析后台，通过数据分析、优化产品。
埋点的意义：
数据埋点为了统计分析的需要，对用户行为的每一个事件进行埋点布置，并对这些数据结果进行分析，进一步优化产品或指导运营。
作者：大头鱼
链接：https://zhuanlan.zhihu.com/p/25195217
来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
数据埋点的方式
现在埋点的主流有两种方式：
- 第一种：自己公司研发在产品中注入代码统计，并搭建起相应的后台查询。
- 第二种：第三方统计工具，如友盟、百度移动、魔方、App Annie、talking data等。
如果你的数据来自第二种，那你使用的工具也应该是第三方统计工具，后续没啥数据产品了，好好用这些产品吧。这里说说第一种的埋点方式吧，怎么数据埋点，就需要根据自己产品的任务流及产品目标来设计。
关键指标
我们先看看无论是APP还是H5都会关注的指标，了解这些指标的计算方法的细微差异以及复杂性，换个角度来思考埋点的意义。【源自：精通Web Analytics 2.0】
- 访问与访客
访问（Visits）与访客（Vistors）是几乎所有应用都需要统计的指标，这也是最基础的指标。
对于应用的统计来说，希望统计的是访客（Vistors）。访问（Visits）是指会话层，用户打开应用花一段时间浏览又离开，从指标定义来说这杯称之为一个会话（Session）。一次会话（Session 或 Visit）是打开应用的第一个请求（打开应用）和最后一个请求决定的。如果用户打开应用然后放下手机或是离开电脑，并在接下来30分钟内没有任何动作，此次会话自动结束，算作一次访问或会话期。
在计算访客时，埋点上报的数据是尽可能接近真实访客的人数。对于独立访客这个指标，这里还是需要强调一下，独立访客数并不是真实独立的人，因此收集数据时必须知道独立访客虽然能够很好的反映使用应用的真实访问者的数量，但不等于使用应用的真实人数。
原因是，重复安装的应用，或是手机参数被修改都会使得独立访客的指标收到影响。独立访客的埋点都是依赖Cookie，用户打开应用，应用都会在此人的终端创建一个独立Cookie, Cookie会被保留，但还是难免会被用户手动清理或是Cookie被禁用导致同一用户使用应用Cookie不一致，所以独立访客只能高度接近于使用应用的真实人数。
- 停留时长
停留时长用来衡量用户在应用的某一个页面或是一次访问（会话）所停留的时间。
页面停留时长，表示在每个页面所花费的时间；例如：首页就是进入首页（10：00）到离开首页进入下一个页面(10:01)的时长，首页停留时长计算为1分钟。页面A是2分钟。页面B进入时间（10：03），离开时间没有记录，这时候计算就是0 ，这种特殊情况的处理是需要在埋点特别注意的，还是那句话，不要尝试收集绝对精准的数据，要学会使用不全的数据，活学活用。
应用的停留时长，表示一次访问（会话）所停留的时间，计算起来就是所有页面的访问时长，同样是上一个流程，应用的停留时长就是4分钟。
- 跳出率
跳出率的计算方法现在在各个公司还是很多种，最精彩被使用的是：单个页面访问的所占的会话比例。这种场景意味着用户来了访问了一个页面就离开了，想想用户使用的心里画面应该是：打开应用，心想什么鬼，然后关闭应用甚至卸载了。这个场景多可怕，这也是为什么跳出率指标被如此关注。
跳出率可以分解到两个层次：一是整个应用的跳出率，二是重点的着陆页的跳出率，甚至是搜索关键词的跳出率。跳出率的指标可操作性非常强，通过统计跳出率可以直接发现页面的问题发现关键词的问题。
- 退出率
退出率是针对页面的，这个指标的目标很简单，就是在某个页面有多少用户离开这个页面，主要用户反映用户从应用离开的情况。哪些页面需要被改进最快的方式被发掘。（有些流程中设定走完标准流程，退出率最高的在标准流程的最后的页面反映的正向呢，不要认为退出率高都是坏的事情哦）
- 转化率
我们在产品上投入这么多，不就是为了衡量产出么？所以对于电商类应用，还有比转化率更值得关注的指标吗？转化率的计算方法是某种产出除以独立访客或是访问量，对于电商产品来说，就是提交订单用户数除以独立访客。
转化率的计算看起来想到那简单，但却是埋点中最贴近业务的数据收集。这也是最体现埋点技巧的指标，需要结合业务特点制定计算方法。提交订单量/访客数是最基本的转化率，转化率还可以分层次，指定用户路径的，如：完成某条路径的提交订单数/访客数。
试着找一条路径，想想转化率的数据怎么得来的吧，埋点都收集了什么样的数据吧？
- 参与度
参与度并不是一个指标，而是一系列的指标，访问深度，访问频次这些都是衡量参与度的指标。之所以把参与度列为一个指标，是希望大家明白把指标组合后续产生化学反应，发现实物的本质。
埋点的内容
看完关键的这些指标后，有没有发现埋点的来源也大致分为两部分，一部分是统计应用页面访问情况，即页面统计；另外一部分是统计应用内的操作行为，及自定义事件统计。
页面，事件都被唯一标记，用户的信息，设备的信息，时间参数被附加上报。这就是埋点。
关于埋点的数据的注意事项
- 不要过分追求完美
关于埋点数据有一点至关重要，埋点是为了更好地使用数据，不要试图得到精准的数据要得到的是高质量的埋点数据，前面讨论跳出率就是这个例子，得到能得到的数据，用不完美的数据来达成下一步的行动，追求的是高质量而不是精确。这是很多数据产品容易入坑的地，要经常提醒自己。
作者：赵素卫
链接：https://www.zhihu.com/question/36411025/answer/139101494
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
数据埋点是一种良好的私有化部署数据采集方式。数据采集准确，满足了企业去粗取精，实现产品、服务快速优化迭代的需求。 简单的说：找节点, 布代码, 收数据。
数据埋点可以分为三个阶段： 代码埋点 、 框架式埋点 （也称为可视化埋点）以及无埋点。
但随着业务规模扩大，数据需求增多，埋点效率低下，采集成本过高等问题开始暴露， 越来越多的公司开始注重无埋点技术。
曾经在一个公众号中，看过一篇文章，写的不错，推荐给您！我上面说的，大多也是摘自这里
数据分析第一步--做好数据埋点
做产品的同学在产品上线后经常离不开一个词，数据分析。那么要如何进行数据分析呢？不妨先问自己这么几个问题。
1.你要分析什么问题？是找问题还是验证？
2.关于这些问题你需要哪些数据？
3.这些数据从哪里来？
要怎么解决这些问题呢？答案是数据埋点。首先通过产品定位及目标来确定自己需要哪些数据，其次通过在产品各个流程环节中设置数据埋点，最后，当用户使用产品时，后台就能源源不断地接收到数据了。
那么，问题又来了。如何做好数据分析的第一步，数据埋点呢？还是从三个问题来回答
1.数据埋点是什么？
初级的数据埋点：在产品流程关键部位植相关统计代码，用来追踪每次用户的行为，统计关键流程的使用程度。
中级的数据埋点：在产品中植入多段代码追踪用户连续行为，建立用户模型来具体化用户在使用产品中的操作行为。
高级的数据埋点：与研发及数据分析师团队合作，通过数据埋点还原出用户画像及用户行为，建立数据分析后台，通过数据分析、优化产品。
2.为什么要做数据埋点？
一个简单的逻辑：你不做数据埋点，你就做不了数据分析。你不做数据分析，你就会不知道产品上线情况。你不知道产品上线情况，你产品就会做差。你产品做差，你的业绩就会不好。你业绩不好你就会被辞，你被辞就会没钱。你没钱就会去睡马路。你睡马路你就可能会被车撞，你被车撞就会…
所以为了不被车撞，一定要做好数据埋点！
3.怎么做好数据埋点？
（1） 数据埋点的内容
![Upload 数据埋点 (1).png failed. Please try again.]
数据埋点可以分为产品内部埋点和市场埋点，内部埋点通常分析用户使用产品的行为及流程，提升用户体验。市场埋点分析该产品在市场上的表现及用户使用场景，如产品在不同市场和地域的下载量，不同地域人群使用时间等等。
产品流程通常分为主干流程和分支流程，所以相应的数据埋点可以分为主干埋点和分支埋点，数据埋点通常不会一步搞定，在产品的第一次上线时通常会埋以下几个点：PC&Web端会统计产品的PV/UV，注册量，主要流程页面之间的转化率、日活人数等等。而移动端还要统计产品在Appstore，各大安卓市场的下载量。
第二次埋点会根据产品目标及上线后的问题进行分析。比如，当你发现产品首页的UV很高， 注册量却非常低，你就需要分析出用户在首页的行为，如30%的用户退出了产品，60%的用户进入了注册页，但只有1%的用户注册了该产品。这也就意味着，注册流程可能出现了问题，需要进一步细化注册各个流程，增加数据埋点，分析各个流程之间的转化率，找到产品出现的问题并解决。
具体到自己的产品，怎么数据埋点，就需要根据自己产品的任务流及产品目标来设计。这是一个由粗到细，优化迭代的过程。
（2）分析方法
任务流程分析法：根据产品设计的任务流，在任务流开始和结束处埋点，分析用户处理任务的情况。
页面转化分析法：统计相关页面的转化率及页面元素点击率，分析用户行为。
情景分析法：列出各种用户使用场景，自己或多人体验不同场景下产品的使用流程，寻找依据设立数据埋点，通过数据反馈验证用户行为。
（3）数据埋点的方式
目前主流的数据埋点方式分为两种：
第一种：自己公司研发在产品中注入代码统计，并搭建起相应的后台查询。
第二种：第三方统计工具，如友盟、百度移动、魔方、App Annie、talking data等。
最后，还是要说，数据埋点是产品数据分析的基础，也是个循序渐进的过程。基础的数据分析并不难，让数据来驱动产品迭代。
作者：placeless
链接：http://www.jianshu.com/p/8c491348d2ba
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。