資料埋點原理

資料埋點，對於產品迭代而言，有很重要的指向意義。

資料分析是我們獲得需求的來源之一，通過對資料的比對，對資料趨勢的分析，能讓我們發現哪些環節存在問題，哪些環節有提高空間。同時，資料分析也是檢驗功能是否有效，是否受歡迎的重要佐證。

非常的直觀，以一種資料的形式呈現出來，而這些資料有大部分都來自於對資料的埋點。學習資料埋點，首先認識一下他的實現原理。

以APP舉例，我們可以簡單的分為四個層級，表層是UI層，底層是資料表和日誌。（必要時，我們可以將層級分的更加清晰。）

資料埋點的發生場景便是在表層-UI層裡，其作用是監控使用者在UI層產生的行為。也就是使用者對介面的操作。

資料埋點其實無法統計有多少使用者釋出了朋友圈，但可以統計有多少使用者點選了朋友圈的釋出按鈕，以及有多少使用者在朋友圈釋出頁點選了確認釋出的按鈕。

基礎認識

資料埋點我們可以分成兩類，其一是頁面統計，其二是行為統計。

頁面統計

頁面統計可以幫我們知曉某個頁面被多少人訪問了多少次。

其本質是監控頁面載入的行為，儘管此時使用者並沒有對UI產生行為，但卻是由上一個點選行為觸發的一個結果。除了訪問的人數與次數，也可以監控到使用者在某個頁面停留的時長，部分產品希望使用者在某個頁面停留的時間越長越好。

追求停留時間的產品，典型的便是資訊流產品。這表示使用者正在持續的進行閱讀，停留的時間越長，表示內容對使用者的吸引力越高，這樣才能產生持續的閱讀行為。

（諸如微博，朋友圈等以簡訊息為主要內容的資訊流，長資訊會更加側重跳轉詳情頁的數值）

行為統計

行為統計是指使用者在介面上的操作行為，應用最為廣泛的便是按鈕的點選次數。

其實，通過資料埋點捕捉到的資料，有三層，第一層是基礎層，比較通用的資料，像是日活，新增，第二層是頁面訪問，第三層就是行為統計，名詞上來講通常被稱為“事件統計”

通過對UI介面響應事件的捕捉，我們能夠得知某個按鈕的點選數及對應的點選率。

基礎應用知識

資料分析是很一門很複雜的學科，對於PM而言，是一個重要的需求源，而我們用來分析資料採用的方法，也非常的多，並且複雜的分析方法，可以複雜到讓我們懷疑人生~~這裡結合文章提到的內容，給大家做個應用分享，屬於簡單的分析方法。

頁面統計–頁面訪問率

APP裡，有的頁面是存在唯一的主次關係，意思是B頁面僅能從A頁面進入。

此時，我們結合兩個頁面的訪問數值，就能得到A頁面到B頁面的轉化率。並以此判斷兩個頁面是否存在可優化空間。

資料裡所隱藏的優化空間，往往是存在多種可能性的。

例項

A頁面與B頁面具備唯一主次關係， B頁面僅能從A頁面跳轉進入，（如：微信的，某人的相簿，僅能從個人資料進入）

若 A頁面訪問人數為100人，B頁面訪問人數只有10人。

分析結果就有兩種可能性：

（1）A頁面轉化部分設計有問題，就像文章的閱讀數和標題息息相關，我們可能需要優化入口的設計。

（2）B頁面留存有問題，無法讓使用者產生二次訪問行為，以及無法讓使用者形成更高頻率的訪問。

此概念類似於“復購率”和“復購頻次”

對於 有多個入口的頁面，頁面路徑的分析方法就沒有作用了，此時，我們就需要藉助行為統計。

行為統計–頁面訪問率

一些基礎的功能，往往被多個頁面應用，也能通過兩個以上的頁面進入，也就是我們所熟知的“多個入口”的概念。

此時，我們可以藉助 指定入口頁的訪問人數，入口按鈕的點選人數，來判斷該頁面的轉化率。

頁面可以通過ACD三個頁面點選對應按鈕進入，我們想要知道A頁面到B頁面的轉化率是多少。

若A頁面訪問人數是100，按鈕點選人數是30，B頁面訪問人數是40，問題就變成了，在A頁面點選按鈕的點選率，其分析價值與頁面訪問率相同。

第二種分析方法，更多的是側重對入口所在頁的分析，通常提到的轉化率，也是指類似的分析方法。

對於第二種方法，比較典型的是廣告轉化率提升的設計方法。

此型別產品，幾乎不考慮“復購”問題，其追求的目標是最大限度，在不影響原有使用者體驗的基礎之上，提高使用者點選廣告的機率。

與之對應的產品設計方法，更多的在於視覺的設計，類似加粗，圖片，特殊形狀，誘惑性的文案等。

建議

資料相關的知識非常龐大，足以支撐一個獨立的職位（資料分析師，資料型產品經理）。文中所提到的都是基礎的分析方法，並且還不全面。資料是產品經理的一個重要的需求源，在我們成長的過程中，如何利用資料，如何挖掘資料，如何分析資料都是必須經歷的階段。

其作用，遠不止第三方平臺直接呈現的部分，諸如各個資料每日對比，可以得到趨勢，藉助趨勢，也能進行預判。可以說第三方所呈現出來的結果性資料，只是冰山一角。嘗試去分析資料吧，然後駕馭資料，做一位理性的產品經理。