ClkLog 实践中的挑战:如何设计和实施有效的埋点指标

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
云原生数据库 PolarDB MySQL 版,通用型 2核4GB 50GB
云原生数据库 PolarDB PostgreSQL 版,标准版 2核4GB 50GB
简介: 前端数据埋点要怎么做才能获取到有用的数据并对运营产生积极的作用,对于首次实施埋点及数据分析的工程师来说确实是个难点。网上很多文章讲的都是方法论和理论知识,真正实践的内容比较少,我们从一个案例来描述一下埋点要如何做。

前端数据埋点要怎么做才能获取到有用的数据并对运营产生积极的作用,对于首次实施埋点及数据分析的工程师来说确实是个难点。网上很多文章讲的都是方法论和理论知识,真正实践的内容比较少,我们从一个案例来描述一下埋点要如何做。

我们要知道什么是埋点

埋点的学名应该叫做事件追踪(Event Tracking),它主要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。

埋点是为了满足快捷、高效、丰富的数据应用而做的用户行为过程及结果记录。埋点所采集的数据可以分析网站/APP 的使用情况,用户行为习惯等,是建立用户画像、用户行为路径等数据产品的基础。

埋点采集逻辑与实施

埋点的采集逻辑基本可以通过“4W+1H”模型概括,如下图。
image.png

对于一个 APP 来说,页面浏览行为时,可以考虑以下维度:
image.png

当然对于 APP 来讲,应用版本、操作系统、操作系统版本、设备型号、屏幕高度、屏幕宽度这些属性都是作为基础属性来采集。

对于埋点的实施可以采用以下流程,本文主要关注前三个步骤:

image.png

埋点案例分析

第一步:梳理产品逻辑

我们以【叮咚分类榜单】为例,进行埋点的需求分析。通过梳理产品的逻辑,明确埋点的范围。
image.png

榜单包含一个 banner 广告位,点击跳转到相应分类榜单列表;商品分类选项卡,其中“人气精选”包含所有分类的集合,后续分类选项点击会定位到相应分类排行榜;再下面就是每个分类的排行榜。

通过分析产品的功能,也能得出该产品的核心业务流程是从排行榜点击商品进入商品详情页,加购或立即购买后进入订单确认页面,点击并完成订单支付的整个过程,是一个标准的电商购买流程。

第二步:设计埋点方案

完成产品的梳理后,我们开始设计埋点的方案。

1.选择埋点的方式
前端埋点通常有代码埋点和全埋点两种方式,两种埋点各有优劣。代码埋点灵活性高,可以根据自己的需求进行埋点,但是前端开发人力成本高,且需要依赖前端发布;全埋点只要部署了 SDK 就能开始数据采集,且能采集到更多数据,可以获取更多的启发性的信息进行深入分析,但传输数据的量比较大,交互事件无法定义。

我们的建议是如果您的系统用户量不是那么大存储和带宽资源足够的情况下两种方式结合使用能减少很多前期的埋点需求定义和前端代码埋点的工作量。ClkLog 采用了神策的前端开源 SDK,神策 SDK 全埋点数据默认定义了很多事件,ClkLog 也有针对这些默认事件的分析。

但如果您的系统比较复杂,且用户量达到一定的量级,建议还是采用代码埋点的方式,后端的呈现也建议在 ClkLog 提供的基础分析上进行二次开发,呈现更多的您想看到的分析。

2.事件设计

常见的埋点事件有以下几种:

a) 点击事件:记录用户的点击行为
b) 曝光事件:记录页面的加载,包括刷新
c) 页面停留时长:记录用户进入页面到离开页面的时间差

参考【叮咚分类榜单】页面,可以得到以下埋点事件(事件不是最完整的,只是举例说明):
image.png

到这里我们就基本上把这个页面的埋点需求整理出来了,后续只需要根据需求进行埋点的实施就可以看到你想收集到的数据了,通过收集到的这些数据就可以分析 pv,uv,用户轨迹,转化率,留存率等指标。

其实对于页面的事件更多的还是要根据您想要看到什么样的数据来设计。比如运营人员关心的是用户指标、推广数据、推荐数据,那么 Banner 曝光、Banner 点击、分享点击这些数据对运营人员的价值就更高。而产品经理更关心的是功能转化率,用户轨迹、活动效果,因此页面的停留时长、商品点击量、分类点击量等对于产品经理的价值更高。您也可以根据您关心的是什么数据来设计埋点事件,这就需要运营人员和产品经理先出业务指标需求,推导出需要分析指标的数据,再规划埋点事件了。

ClkLog事件分析案例


结束语.png

相关文章
|
1月前
|
数据采集 存储 人工智能
数据治理工作的持续评估与优化策略
数据治理工作的持续评估与优化是企业实现数据价值最大化的关键。通过明确目标、建立评估体系、实施定期评估、制定优化策略以及建立反馈机制,企业可以不断提升数据治理水平,为业务决策提供有力支持,推动企业持续健康发展。在这个过程中,保持对新技术、新方法的关注与探索,也是确保数据治理工作与时俱进的重要途径。
|
2月前
|
人工智能 测试技术 云计算
探索软件测试的多维度策略
在数字化时代的浪潮中,软件质量成为企业竞争力的关键。本文将通过浅显易懂的语言和生动的比喻,带领读者了解软件测试的核心概念、方法及其在软件开发周期中的重要性。我们将一起走进软件测试的世界,看看它是如何保护我们的数字生活不受“虫子”侵扰的。
|
3月前
质量标准化实践问题之功能预演中出现问题如何解决
质量标准化实践问题之功能预演中出现问题如何解决
22 1
|
4月前
|
运维 资源调度 监控
精准监控与自动化:提升运维效率的关键技术
在当今信息技术快速发展的背景下,运维管理越来越需要高效的监控和自动化工具来应对复杂的系统环境和服务需求。本文探讨了如何通过精准监控技术和自动化流程,提升运维效率并减少故障处理时间,从而实现IT基础设施的稳定性和可靠性。 【7月更文挑战第2天】
102 1
|
4月前
|
机器学习/深度学习 监控 数据挖掘
系统工程是一种跨学科的方法,用于理解和优化复杂系统的性能。在业务流程优化中,系统工程的方法可以帮助我们分析、设计、实施和监控业务流程,以实现效率、质量和成本等方面的改进。
系统工程是一种跨学科的方法,用于理解和优化复杂系统的性能。在业务流程优化中,系统工程的方法可以帮助我们分析、设计、实施和监控业务流程,以实现效率、质量和成本等方面的改进。
|
4月前
|
传感器 数据采集 存储
在环境治理领域,污染治理系统工程旨在通过系统的方法来解决环境污染问题。这通常包括污染源的识别、污染物的监测、治理技术的选择、治理效果的评估等多个环节。
在环境治理领域,污染治理系统工程旨在通过系统的方法来解决环境污染问题。这通常包括污染源的识别、污染物的监测、治理技术的选择、治理效果的评估等多个环节。
|
6月前
|
数据采集 Arthas 数据可视化
解密 ARMS 持续剖析:如何用一个全新视角洞察应用的性能瓶颈?
解密 ARMS 持续剖析:如何用一个全新视角洞察应用的性能瓶颈?
949 14
解密 ARMS 持续剖析:如何用一个全新视角洞察应用的性能瓶颈?
|
6月前
|
消息中间件 Cloud Native Java
项目环境稳定性指标建设之路
这篇文章讨论了项目环境在集团研发中的重要性,它是一个灵活的平台工具,用于支持联调测试和不同阶段的环境隔离。早期的项目环境管理存在任务重复运行、单机处理瓶颈和任务猝死等问题。为了解决这些问题,文章介绍了通过引入领域驱动设计(DDD)来重构流程引擎,创建了统一的异常处理和任务执行接口,增强了异常处理能力,并通过分布式分片任务、工厂模式和责任链模式实现了任务的分布式运行。此外,还使用分布式锁解决了多机忙等和任务重复执行的问题,提高了任务执行效率。优化后,环境创建成功率提升至99%以上,创建时间降低至100秒以下,系统异常率低于1%,并且能够应对更高的并发量。
|
6月前
|
人工智能 监控 安全
《机器人流程自动化能力评估体系 第1部分:系统和工具》行标发布
《机器人流程自动化能力评估体系 第1部分:系统和工具》(YD/T 4391.1-2023)是国内首部正式发布的RPA行业标准,标准的发布实施填补了我国RPA行业产品标准的空白,在相关行业发展中具有里程碑意义。
140 0
|
开发框架 监控 数据管理
一套完整的实验室综合管理系统源码和质量监控体系
LIMS系统功能包括:检测管理(合同管理、样品管理、样品收发管理、工作任务分配、检测结果登记、复核及审核、留样管理等)、报告管理(报告编制、审核、签发、打印等)、原始记录管理、仪器设备管理、消耗品管理、文件管理、组织人员管理、标准管理、客户供应商管理、查询统计、基础数据管理等,组成了一套完整的实验室综合管理和质量监控体系。 源码技术架构:ASP.NET Dotnet 3.5
201 0
一套完整的实验室综合管理系统源码和质量监控体系