北京2017年3月20日電 /美通社/ --為什么要埋點？埋點如同裝在智能機器人身上的傳感器，在機器人研發過程中，技術人員將內傳感器和電機、軸、手臂、手腕等關鍵部位安裝在一起，實時監控機器人的位置、速度、力度的測量，判斷機器人的穩定性與風險，最終實現伺服控制(zhi)。傳感(gan)器是機器人的埋點，網站與APP也需要如此埋點，埋點是數據采集、分析與數據驅動的基礎。神策(ce)數(shu)據撰文針對(dui)埋點(dian)常見三大誤(wu)區：埋點(dian)與數(shu)據采集(ji)、數(shu)據分析的關(guan)系？如何規避埋點(dian)混亂？追(zhui)求(qiu)精益化(hua)數(shu)據分析，埋點(dian)方(fang)式如何選(xuan)擇？這三方(fang)面進行(xing)剖析。
誤區1：重分析，輕采集！
在(zai)追(zhui)求精益管理(li)的(de)(de)道路上，大多企業深知數據驅動是(shi)第一(yi)生產力(li)。然而，在(zai)企業搭建(jian)數據分(fen)析平臺(tai)，或選型第三方數據分(fen)析平臺(tai)時，經常會陷入“重分(fen)析，輕(qing)采集”的(de)(de)誤區。
數據分析(xi)是實現(xian)數據驅動的前提，固然重要。而數據分析(xi)的深度(du)取(qu)決于數據采集的質量，顧此(ci)失彼，數據驅動道路只能(neng)越走越窄。神策數據創始(shi)人&CEO桑文鋒多次(ci)強調，數據采集應(ying)該遵循“大”、“全”、“細”、“實”四字法(fa)則。
總之，埋點混亂(luan)、采(cai)集無序則根基不(bu)穩，令數(shu)據(ju)驅(qu)動的實現如“空中樓(lou)閣”。只(zhi)有將數(shu)據(ju)采(cai)集和建(jian)模(mo)等基礎搭(da)建(jian)好(hao)，數(shu)據(ju)驅(qu)動才能真正落地。
誤區2：夯實數據基礎，無埋點優越于代碼埋點？
數據基礎夯實(shi)與否，取決于數據的采集方(fang)式。埋(mai)(mai)(mai)點方(fang)式多(duo)種多(duo)樣，按照埋(mai)(mai)(mai)點位置不(bu)同，可以分為(wei)前端(duan)(duan)（客(ke)戶端(duan)(duan)）埋(mai)(mai)(mai)點與后(hou)端(duan)(duan)（服務器端(duan)(duan)）埋(mai)(mai)(mai)點。其(qi)中無埋(mai)(mai)(mai)點是(shi)目(mu)前較為(wei)流行的前端(duan)(duan)埋(mai)(mai)(mai)點方(fang)式之(zhi)一(yi)。
“無埋點”概念已爛大街，而在實際進行事件設計與實施的過程中，技術人員有道不盡的愛恨情仇：一方面，無埋點神秘無比，甚至被譽為“齊全、較便捷、界面友好、技術門檻低”的數據采集方式；另一方面，運營人員又發出“為何所采數據與業務數據庫數值相差這么大？”等各種抱怨。簡言之，無埋點采用“全部采集，按需選取”的形式，對頁面中所有交互元素的用戶行為進行采集，通過界面配置來決定哪些數據需要進行分析，實質與“全埋點”并無無實質差異。
為解釋頗具迷惑性的無埋點概念，筆者總結了其優勢與劣勢，優勢包括：
1、可視化展示界面最基本度量，滿足基本數據分析需求。無埋點可視化展現界面PV、UV等(deng)網站或(huo)APP分析的最基本度量，告訴(su)運營(ying)人員每個控件(jian)被點擊的概率(lv)是多大(da)，哪些控件(jian)值(zhi)得做(zuo)更進一步的分析等(deng)。如此有助于企業了解用(yong)戶行為(wei)(wei)，為(wei)(wei)進一步數據分析指明方向。
2、技術門檻低，使用與部署較簡單。無埋點極(ji)大程度避(bi)免了(le)因需求變更、埋點錯誤等原(yuan)因導致的重新埋點繁(fan)復工作。
3、用戶友好性強。運營人員可以直接(jie)應用手(shou)指或者鼠標進行操作，自動向服務器發(fa)送數據，避免手(shou)工(gong)埋點的失誤。
然(ran)而，作(zuo)為(wei)前端(duan)埋(mai)點的(de)方式(shi)之一，無埋(mai)點有(you)先天缺(que)陷，帶來易(yi)用性的(de)同時(shi)，也犧牲部分數據的(de)采集(ji)深度。無埋(mai)點的(de)劣勢如下(xia)：
1、無埋點只能采集到用戶交互數據，且適合標準化的采集，自定義屬性的采集需要代碼埋點來輔助。
每(mei)個(ge)用(yong)(yong)戶的(de)交(jiao)互(hu)行為均有許多(duo)屬性，無(wu)埋(mai)點(dian)無(wu)法深入到更細、更深的(de)粒度。例如在電商(shang)行業中，用(yong)(yong)戶點(dian)擊“購(gou)物車”是一次交(jiao)互(hu)行為，無(wu)埋(mai)點(dian)會忽(hu)略(lve)掉用(yong)(yong)戶信(xin)息、商(shang)品品類等其它(ta)維(wei)度信(xin)息，此時需(xu)要配合代碼(ma)埋(mai)點(dian)來輔助數據(ju)采(cai)集；再如用(yong)(yong)戶上滑屏(ping)幕(mu)時，內容瀑布流的(de)底部(bu)載入、商(shang)品或廣告的(de)加載展(zhan)示、下(xia)拉(la)菜(cai)單中下(xia)拉(la)內容的(de)數據(ju)點(dian)擊等情況，這類自定義(yi)行為的(de)采(cai)集需(xu)要代碼(ma)埋(mai)點(dian)輔助實現采(cai)集。
由于無(wu)埋點(dian)僅適合標準的(de)方案采集，一些(xie)數(shu)據分(fen)析平臺也(ye)開始(shi)支持用戶為每個event添加(jia)自定義(yi)(yi)屬(shu)性，如此能大大擴展事件分(fen)析的(de)效能。值得一提的(de)是(shi)，神(shen)策(ce)數(shu)據為用戶提供(gong)的(de)自定義(yi)(yi)屬(shu)性無(wu)數(shu)量限制。
2、無埋點兼容性有限。
例(li)如在(zai)安卓系統進行埋(mai)點時，不同(tong)工程師可(ke)能會給APP界面中相同(tong)的button起不同(tong)名稱(cheng)的ID，當(dang)運(yun)營人(ren)員(yuan)想篩選出所需(xu)數據時，不同(tong)名稱(cheng)會給運(yun)營人(ren)員(yuan)帶來困(kun)擾。另外，由(you)于目前(qian)第三方框(kuang)(kuang)架(jia)較多，如RN框(kuang)(kuang)架(jia)，容易(yi)造成無埋(mai)點兼容性(xing)問題。
3、無埋點具有前端埋點的固有缺陷。
無(wu)埋(mai)點是前端(duan)數據采集方式(shi)之一，因此具有前端(duan)埋(mai)點的天(tian)然缺陷，如數據采集不全面、傳(chuan)輸時效性(xing)較差、數據可靠性(xing)無(wu)法保障(zhang)等(deng)(deng)問(wen)題。無(wu)埋(mai)點的技術(shu)(shu)原理依賴網站或者APP后端(duan)技術(shu)(shu)開發的嚴謹性(xing)與規范(fan)性(xing)、網絡(luo)狀(zhuang)態、網絡(luo)口徑等(deng)(deng)因素(su)。
總之，數(shu)據采集(ji)方式決定(ding)所采集(ji)到用戶行為(wei)數(shu)據的(de)深度(du)和粒度(du)。夯(hang)實數(shu)據基礎，無埋(mai)點(dian)需要配合(he)前端(duan)(duan)代碼埋(mai)點(dian)實現(xian)，而前端(duan)(duan)數(shu)據采集(ji)的(de)固有劣勢(shi)，應該結合(he)后(hou)端(duan)(duan)埋(mai)點(dian)完成。數(shu)據采集(ji)不(bu)準、不(bu)全、不(bu)細容易讓(rang)后(hou)續數(shu)據分析(xi)工作陷入(ru)“巧婦難為(wei)無米之炊”的(de)困境。
誤區3：忽略業務需求，埋點方式隨波逐流！
行業(ye)差異(yi)(yi)性(xing)明顯、企(qi)業(ye)實際需(xu)求不同，因此埋(mai)點方式(shi)也(ye)應有所(suo)不同。究竟該(gai)如(ru)何(he)科學采集(ji)數據(ju)？要真正(zheng)實現精細化運營，企(qi)業(ye)數據(ju)采集(ji)所(suo)采用的埋(mai)點方式(shi)不應“千(qian)企(qi)一面”，而應該(gai)“因企(qi)而異(yi)(yi)”。
1、適合前端埋點的企業業務需求
無論是(shi)(shi)(shi)自建數據分析(xi)平臺，還是(shi)(shi)(shi)采用第三(san)方(fang)(fang)數據分析(xi)工具，梳理(li)企業(ye)(ye)需求是(shi)(shi)(shi)第一(yi)步，隨后按照企業(ye)(ye)需求完成事件(jian)和(he)埋點方(fang)(fang)案(an)的(de)設計，這也正(zheng)是(shi)(shi)(shi)神策(ce)數據為(wei)(wei)客(ke)戶(hu)提供多(duo)維度數據分析(xi)的(de)根基(ji)與前(qian)提。一(yi)般而(er)言，以全(quan)埋點（無埋點）為(wei)(wei)典型代(dai)表(biao)的(de)前(qian)端埋點方(fang)(fang)案(an)，適合有以下需求的(de)企業(ye)(ye)。
(1) 處于運營初級階段，產品功能相對簡單
如(ru)閱讀類(lei)、詞典類(lei)工具性APP的(de)企(qi)業(ye)客戶，在其發展初(chu)期(qi)的(de)產品運營階段，產品功能較為(wei)基(ji)(ji)礎，無明確業(ye)務數據、交易數據，僅通過UV、PV、點擊量等(deng)基(ji)(ji)本指(zhi)標分析即可(ke)滿足需求。由于神策分析（Sensors Analytics）支持(chi)全(quan)埋(mai)點，SDK支持(chi)默認采集APP或者網頁瀏覽頁面、激活、啟動等(deng)前端數據，這類(lei)客戶可(ke)以基(ji)(ji)于此衡量用戶留(liu)存以及活躍度。如(ru)圖(tu)2，神策數據某廣(guang)告(gao)客戶了解用戶渠道(dao)來源(yuan)，并判斷不(bu)同(tong)(tong)渠道(dao)和不(bu)同(tong)(tong)推廣(guang)方式的(de)投放效(xiao)果
(2) 需要分析與后端沒有交互的前端行為
若運營人員工作需要(yao)判斷前(qian)端(duan)(duan)界面設計是(shi)否(fou)合理(li)，是(shi)必須采用前(qian)端(duan)(duan)埋點方(fang)案的。這也(ye)是(shi)后端(duan)(duan)代(dai)碼埋點無法完全代(dai)替全埋點的原因。
2、強烈建議后端埋點的業務需求
除了支持“前端埋點”（全埋點）方式，神策數據為保證數據采集做到“大、全、細、時”，更推薦“后端埋點”：當前后端都可以實現數據采集時，應優先考慮后端（代碼）埋點，尤其在各行業中有特殊業務需求的數據，更是強烈建議通過后端（代碼）埋點方式采集。總的(de)來說，后端（代碼(ma)）埋點(dian)，或(huo)者“后端（代碼(ma)）埋點(dian)+全埋點(dian)”方案，適合(he)有以下需(xu)求的(de)企業。
(1) 追求精細化運營，需要進行多維數據分析的企業
更多(duo)的企(qi)業有精(jing)細化運營(ying)的訴求，科(ke)學埋(mai)點為(wei)運營(ying)人員后續進行多(duo)維度分析(xi)(xi)提供保障。以神策(ce)數據(ju)客戶為(wei)例(li)，《迷城物語》是玩心（上海(hai)）網絡科(ke)技(ji)有限公(gong)司(si)所研發(fa)游(you)(you)戲之(zhi)一，首日即(ji)在(zai)各地區App Store和Google Play商店(dian)登頂并(bing)持續霸(ba)榜。其技(ji)術負(fu)責人馬宗(zong)驥，在(zai)近日公(gong)開(kai)分享數據(ju)驅動游(you)(you)戲設計中介紹：在(zai)游(you)(you)戲領域想實(shi)(shi)現實(shi)(shi)現精(jing)準(zhun)運營(ying)，進行多(duo)維數據(ju)分析(xi)(xi)應該優先考慮后端(duan)(duan)埋(mai)點，單純依賴前(qian)端(duan)(duan)數據(ju)采集有許(xu)多(duo)弊端(duan)(duan)。
例如，有時(shi)玩(wan)(wan)家(jia)(jia)已經(jing)退出游戲，但是(shi)鏈接還在(zai)，則(ze)前(qian)端(duan)采(cai)集不準，此時(shi)PCU數(shu)(shu)據(ju)(ju)無(wu)法正確衡量服(fu)務器(qi)的負載情(qing)況、數(shu)(shu)據(ju)(ju)庫的壓(ya)力情(qing)況等，而通(tong)過后(hou)端(duan)代(dai)碼埋點解(jie)決(jue)了這一(yi)問(wen)題(ti)。再如，他(ta)介紹：“NPC（非玩(wan)(wan)家(jia)(jia)控制角色）狀態(tai)(tai)、副本(ben)狀態(tai)(tai)、經(jing)濟系(xi)統實時(shi)狀態(tai)(tai)等統計類數(shu)(shu)據(ju)(ju)，這些是(shi)前(qian)端(duan)埋點無(wu)法統計到(dao)的，而在(zai)后(hou)端(duan)采(cai)集數(shu)(shu)據(ju)(ju)可(ke)根據(ju)(ju)實際情(qing)節靈活完成數(shu)(shu)據(ju)(ju)統計工作(zuo)(zuo)。”如圖3，在(zai)神策分析平臺上(shang)，幫(bang)助運營人(ren)員精準找(zhao)到(dao)游戲流(liu)失(shi)點。在(zai)100～110級流(liu)失(shi)的玩(wan)(wan)家(jia)(jia)所操控的角色大多停留在(zai)“打(da)怪(guai)”動作(zuo)(zuo)上(shang)，機械地(di)打(da)怪(guai)練級,玩(wan)(wan)家(jia)(jia)開始感覺枯燥甚至(zhi)疲憊。找(zhao)到(dao)這一(yi)“流(liu)失(shi)點”后(hou)，《迷城物語》運營人(ren)員可(ke)以適當調整該關卡的怪(guai)物數(shu)(shu)量，并增加新(xin)鮮(xian)因素，從而平衡游戲趣味性和(he)玩(wan)(wan)家(jia)(jia)精力。
(2) 包含用戶資產數據、用戶賬戶體系相關數據、風控輔助數據等重要業務數據的網站或APP的企業。
如電商(shang)客戶、互聯(lian)網金(jin)融包含用(yong)戶認(ren)證身份信息、手機號(hao)碼、充(chong)值(zhi)賬戶信息等(deng)數據，前端(duan)數據無法進(jin)行(xing)深入(ru)分析。再如，在互聯(lian)網金(jin)融企業(ye)，較大痛點(dian)莫(mo)過于(yu)揪出“羊(yang)毛(mao)黨(dang)(dang)(dang)”了。“羊(yang)毛(mao)黨(dang)(dang)(dang)”手里握著大量的(de)代理(li)IP、手機虛擬(ni)號(hao)。這一(yi)群體特征十分明(ming)顯，通常是經過注冊、領(ling)取福利(li)、流(liu)失(shi)。這就需要運營人員從IP、設(she)備(bei)信息、注冊信息、活(huo)躍度等(deng)進(jin)行(xing)多維度分析。用(yong)戶留(liu)存是互聯(lian)網金(jin)融企業(ye)判斷客戶是否是“羊(yang)毛(mao)黨(dang)(dang)(dang)”的(de)方式之(zhi)一(yi)。如圖(tu)4，在神策分析平(ping)(ping)臺(tai)(tai)上，一(yi)般(ban)用(yong)戶完成新手項目（領(ling)取福利(li)后），未(wei)進(jin)行(xing)第二次投資，則可能(neng)是“羊(yang)毛(mao)黨(dang)(dang)(dang)”成員，在該平(ping)(ping)臺(tai)(tai)上點(dian)擊相關數字，人員明(ming)細(xi)會詳(xiang)細(xi)展示出來。
(3) 對數據安全要求比較高的企業
從后(hou)(hou)(hou)(hou)端(duan)采(cai)集數據(ju)(ju)(ju)，例(li)如采(cai)集后(hou)(hou)(hou)(hou)端(duan)的(de)(de)(de)日志，實(shi)質上(shang)是(shi)將數據(ju)(ju)(ju)采(cai)集的(de)(de)(de)傳(chuan)輸(shu)與加密交給(gei)了產(chan)品本身，認(ren)為產(chan)品本身的(de)(de)(de)后(hou)(hou)(hou)(hou)端(duan)數據(ju)(ju)(ju)是(shi)可信的(de)(de)(de)。而后(hou)(hou)(hou)(hou)端(duan)采(cai)集數據(ju)(ju)(ju)到(dao)分析(xi)系統(tong)中則是(shi)通過內網(wang)進行(xing)傳(chuan)輸(shu)，這(zhe)個階(jie)段不存在安全和隱(yin)私性問題。同時，內網(wang)傳(chuan)輸(shu)基本不會因(yin)為網(wang)絡原(yuan)因(yin)丟失數據(ju)(ju)(ju)，所以傳(chuan)輸(shu)的(de)(de)(de)數據(ju)(ju)(ju)可以非常真實(shi)地反應用戶(hu)行(xing)為在系統(tong)中的(de)(de)(de)真實(shi)體現。基于后(hou)(hou)(hou)(hou)端(duan)采(cai)集此優勢(shi)，神策分析(xi)目前提供(gong)了 Java、PHP、Python、Ruby 等后(hou)(hou)(hou)(hou)端(duan)語言(yan)的(de)(de)(de) SDK，以及 LogAgent、BatchImporter、FormatImporter 等導入工具(ju)，支(zhi)持(chi)在后(hou)(hou)(hou)(hou)端(duan)采(cai)集。
綜上所述：
