业务场景下数据采集机制和策略-阿里云开发者社区

开发者社区> 大数据> 正文
登录阅读全文

业务场景下数据采集机制和策略

简介: 现在产品常见的客户端有PC端、H5端、APP端、小程序等各个场景的入口,更有一些物联网设备或者专门做的数据采集机制,不同的场景下的数据类型都是要区分的。通过不同端口下各类数据埋点,获取各个场景下的不同事件的数据来分析产品的优缺点,获取具有建设性的分析结果。

一、场景描述

做面向C端用户的产品,十分依赖用户数据的收集,下面都见过这样一张数据分析图,通过链路上各个环节的数据采集,分析对比出曝光产品的交易量:

02-1.png

通过对商品的浏览-点击-交易页面-支付购买等,分析产品的交易场景,这里是从大的业务方面观察数据的链路,实际上在分析的时候要考虑很多细节问题。

二、数据来源

用户数据来衡量用户或者产品的各方面纬度是最具有说服力的,所以在互联网的产品后期开发和优化过程中,对数据的采集和管理一直都是非常重要操作。

现在产品常见的客户端有PC端、H5端、APP端、小程序等各个场景的入口,更有一些物联网设备或者专门做的数据采集机制,不同的场景下的数据类型都是要区分的。通过不同端口下各类数据埋点,获取各个场景下的不同事件的数据来分析产品的优缺点,获取具有建设性的分析结果。

例如模块一中的案例:通过对端口的分析如果在APP端商品A的推荐和交易率最高,在小程序端推荐效果不好,那就可以考虑针对APP和小程序端采用不同的推荐机制。

三、事件类型划分

数据需要采集,并且要区分不同端口的数据只是基本的意识层面,思考采集数据的事件类型是最基础的操作。这里要从产品的特点去考虑,不同一概而论。下面提供一些基础采集数据和一些常见案例,关于核心业务数据相对都是精细和完整的,基本具备读库直接分析的条件。

基础信息

属性 字段 类型 描述
操作终端 app_client String Android/IOS/小程序/H5等
终端版本 app_version String 版本号标识
用户标识 user_id Integer 用户ID
网络地址 ip_address String 用户IP信息

这些信息是存在任何采点数据中的,通过这些基础信息采集,用来分析不同端口下用户的特点,以此可以进行差异化的管理和运营。

登录信息

属性 字段 类型 描述
登录时间 login_time Date 用户登录时间
在线时长 online_time Long 在线使用系统的时间

通过对登录和在线时间,以及一些使用信息,判断该类用户活跃度,是否需要重点运营或者营销激活。

业务基础

属性 字段 类型 描述
服务类型 service_id Integer 不同的业务服务
模块划分 model_type Integer 例如订单/支付/物流等

以此作为业务数据采集的基础信息,用来对业务数据做整体的划分和分析,具体的细节数据需要根据具体场景设计。

商品案例

属性 字段 类型 描述
商品信息 product_id Integer 商品信息
展现位置 position_id Integer 例如:列表/推荐位/广告位
店铺信息 shop_id Integer 所属店铺信息
搜索信息 key_word String 搜索关键字
当前单价 unit_price Double 商品当前单价
当前销量 sales_num Long 商品当前销量

这里是按照用户浏览行为做的一个简单的数据采集信息,这种机制在实际的电商APP中很常见,产生点击或者搜索的商品会被重点推荐,如果没有这类动作,则根据日常浏览信息做推荐机制。在实际的开发中,采集的数据远比这里复杂,需要根据实际业务需要去考量。

营销案例

属性 字段 类型 描述
活动位置 location_id Integer 入口位/引导页/推荐位/分享链接等
营销产品 product_id Long 营销活动主打产品类型
产品详情流量 detail_num Long 活动产品浏览量统计
订单确认页 detail_num Long 活动产品浏览量统计
活动交易统计 trade_num Long 活动最终转化统计

通过运营活动进行产品营销,活动结束后对数据进行复盘统计,然后根据活动轨迹数据的分析,平衡营销产生的价值和成本,不断调整活动策略,优化运营思路。

四、实现方式

1、业务层面

从业务角度来看,除了一些用户无感知的采集操作之外,还可以基于问卷调查方式,例如很多APP在使用一段时间后都会弹出用户评价类似的评分系统,或者意见留言的入口,更加直接的搜集用户反馈信息。

2、技术层面

最常见的就是SDK埋点技术,针对特定用户行为或事件进行捕获、处理和发送给服务器的相关技术及其实施过程。这种方式用来处理一些非核心业务十分常见。如果是一些核心业务,可能需要自定义的方式采集数据,避免造成数据泄露的问题。

3、数据积累

当业务不断发展,需要分析的场景会越来越复杂,而且采集的数据量达到一定规模之后,数据管理的和分析的难度就会变大,就会需要专业化的流程和智能工具,例如BI工具,可视化组件,数据大屏,多场景联合分析等。

五、源代码地址

GitHub·地址
https://github.com/cicadasmile
GitEE·地址
https://gitee.com/cicadasmile

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
大数据
使用钉钉扫一扫加入圈子
+ 订阅

大数据计算实践乐园,近距离学习前沿技术

其他文章
最新文章
相关文章