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(fā)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(jiān)控機器人的位置、速度、力度的測量，判斷機器人的穩(wěn)定性與風險，最終實現(xiàn)伺服控制。傳感器是機器人的埋點，網(wǎng)站與APP也需要如此埋點，埋點是數(shù)據(jù)采集、分析與數(shù)據(jù)驅動的基礎。神策數(shù)據(jù)撰文針對埋點常見三大誤區(qū)：埋點與數(shù)據(jù)采集、數(shù)據(jù)分析的關系？如何規(guī)避埋點混亂？追求精益化數(shù)據(jù)分析，埋點方式如何選擇？這三方面進行剖析。
誤區(qū)1：重分析，輕采集！
在追求精益管理的道路上，大多企業(yè)深知數(shù)據(jù)驅動是第一生產力。然而，在企業(yè)搭建數(shù)據(jù)分析平臺，或選型第三方數(shù)據(jù)分析平臺時，經常會陷入“重分析，輕采集”的誤區(qū)。
數(shù)據(jù)分析是實現(xiàn)數(shù)據(jù)驅動的前提，固然重要。而數(shù)據(jù)分析的深度取決于數(shù)據(jù)采集的質量，顧此失彼，數(shù)據(jù)驅動道路只能越走越窄。神策數(shù)據(jù)創(chuàng)始人&CEO桑文鋒多次強調，數(shù)據(jù)采集應該遵循“大”、“全”、“細”、“實”四字法則。
總之，埋點混亂、采集無序則根基不穩(wěn)，令數(shù)據(jù)驅動的實現(xiàn)如“空中樓閣”。只有將數(shù)據(jù)采集和建模等基礎搭建好，數(shù)據(jù)驅動才能真正落地。
誤區(qū)2：夯實數(shù)據(jù)基礎，無埋點優(yōu)越于代碼埋點？
數(shù)據(jù)基礎夯實與否，取決于數(shù)據(jù)的采集方式。埋點方式多種多樣，按照埋點位置不同，可以分為前端（客戶端）埋點與后端（服務器端）埋點。其中無埋點是目前較為流行的前端埋點方式之一。
“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(shù)據(jù)采集方式；另一方面，運營人員又發(fā)出“為何所采數(shù)據(jù)與業(yè)務數(shù)據(jù)庫數(shù)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(shù)據(jù)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(yōu)勢與劣勢，優(yōu)勢包括：
1、可視化展示界面最基本度量，滿足基本數(shù)據(jù)分析需求。無埋點可視化展現(xiàn)界面PV、UV等網(wǎng)站或APP分析的最基本度量，告訴運營人員每個控件被點擊的概率是多大，哪些控件值得做更進一步的分析等。如此有助于企業(yè)了解用戶行為，為進一步數(shù)據(jù)分析指明方向。
2、技術門檻低，使用與部署較簡單。無埋點極大程度避免了因需求變更、埋點錯誤等原因導致的重新埋點繁復工作。
3、用戶友好性強。運營人員可以直接應用手指或者鼠標進行操作，自動向服務器發(fā)送數(shù)據(jù)，避免手工埋點的失誤。
然而，作為前端埋點的方式之一，無埋點有先天缺陷，帶來易用性的同時，也犧牲部分數(shù)據(jù)的采集深度。無埋點的劣勢如下：
1、無埋點只能采集到用戶交互數(shù)據(jù)，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。
每個用戶的交互行為均有許多屬性，無埋點無法深入到更細、更深的粒度。例如在電商行業(yè)中，用戶點擊“購物車”是一次交互行為，無埋點會忽略掉用戶信息、商品品類等其它維度信息，此時需要配合代碼埋點來輔助數(shù)據(jù)采集；再如用戶上滑屏幕時，內容瀑布流的底部載入、商品或廣告的加載展示、下拉菜單中下拉內容的數(shù)據(jù)點擊等情況，這類自定義行為的采集需要代碼埋點輔助實現(xiàn)采集。
由于無埋點僅適合標準的方案采集，一些數(shù)據(jù)分析平臺也開始支持用戶為每個event添加自定義屬性，如此能大大擴展事件分析的效能。值得一提的是，神策數(shù)據(jù)為用戶提供的自定義屬性無數(shù)量限制。
2、無埋點兼容性有限。
例如在安卓系統(tǒng)進行埋點時，不同工程師可能會給APP界面中相同的button起不同名稱的ID，當運營人員想篩選出所需數(shù)據(jù)時，不同名稱會給運營人員帶來困擾。另外，由于目前第三方框架較多，如RN框架，容易造成無埋點兼容性問題。
3、無埋點具有前端埋點的固有缺陷。
無埋點是前端數(shù)據(jù)采集方式之一，因此具有前端埋點的天然缺陷，如數(shù)據(jù)采集不全面、傳輸時效性較差、數(shù)據(jù)可靠性無法保障等問題。無埋點的技術原理依賴網(wǎng)站或者APP后端技術開發(fā)的嚴謹性與規(guī)范性、網(wǎng)絡狀態(tài)、網(wǎng)絡口徑等因素。
總之，數(shù)據(jù)采集方式決定所采集到用戶行為數(shù)據(jù)的深度和粒度。夯實數(shù)據(jù)基礎，無埋點需要配合前端代碼埋點實現(xiàn)，而前端數(shù)據(jù)采集的固有劣勢，應該結合后端埋點完成。數(shù)據(jù)采集不準、不全、不細容易讓后續(xù)數(shù)據(jù)分析工作陷入“巧婦難為無米之炊”的困境。
誤區(qū)3：忽略業(yè)務需求，埋點方式隨波逐流！
行業(yè)差異性明顯、企業(yè)實際需求不同，因此埋點方式也應有所不同。究竟該如何科學采集數(shù)據(jù)？要真正實現(xiàn)精細化運營，企業(yè)數(shù)據(jù)采集所采用的埋點方式不應“千企一面”，而應該“因企而異”。
1、適合前端埋點的企業(yè)業(yè)務需求
無論是自建數(shù)據(jù)分析平臺，還是采用第三方數(shù)據(jù)分析工具，梳理企業(yè)需求是第一步，隨后按照企業(yè)需求完成事件和埋點方案的設計，這也正是神策數(shù)據(jù)為客戶提供多維度數(shù)據(jù)分析的根基與前提。一般而言，以全埋點（無埋點）為典型代表的前端埋點方案，適合有以下需求的企業(yè)。
(1) 處于運營初級階段，產品功能相對簡單
如閱讀類、詞典類工具性APP的企業(yè)客戶，在其發(fā)展初期的產品運營階段，產品功能較為基礎，無明確業(yè)務數(shù)據(jù)、交易數(shù)據(jù)，僅通過UV、PV、點擊量等基本指標分析即可滿足需求。由于神策分析（Sensors Analytics）支持全埋點，SDK支持默認采集APP或者網(wǎng)頁瀏覽頁面、激活、啟動等前端數(shù)據(jù)，這類客戶可以基于此衡量用戶留存以及活躍度。如圖2，神策數(shù)據(jù)某廣告客戶了解用戶渠道來源，并判斷不同渠道和不同推廣方式的投放效果
(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判斷前端界面設計是否合理，是必須采用前端埋點方案的。這也是后端代碼埋點無法完全代替全埋點的原因。
2、強烈建議后端埋點的業(yè)務需求
除了支持“前端埋點”（全埋點）方式，神策數(shù)據(jù)為保證數(shù)據(jù)采集做到“大、全、細、時”，更推薦“后端埋點”：當前后端都可以實現(xiàn)數(shù)據(jù)采集時，應優(yōu)先考慮后端（代碼）埋點，尤其在各行業(yè)中有特殊業(yè)務需求的數(shù)據(jù)，更是強烈建議通過后端（代碼）埋點方式采集。總的來說，后端（代碼）埋點，或者“后端（代碼）埋點+全埋點”方案，適合有以下需求的企業(yè)。
(1) 追求精細化運營，需要進行多維數(shù)據(jù)分析的企業(yè)
更多的企業(yè)有精細化運營的訴求，科學埋點為運營人員后續(xù)進行多維度分析提供保障。以神策數(shù)據(jù)客戶為例，《迷城物語》是玩心（上海）網(wǎng)絡科技有限公司所研發(fā)游戲之一，首日即在各地區(qū)App Store和Google Play商店登頂并持續(xù)霸榜。其技術負責人馬宗驥，在近日公開分享數(shù)據(jù)驅動游戲設計中介紹：在游戲領域想實現(xiàn)實現(xiàn)精準運營，進行多維數(shù)據(jù)分析應該優(yōu)先考慮后端埋點，單純依賴前端數(shù)據(jù)采集有許多弊端。
例如，有時玩家已經退出游戲，但是鏈接還在，則前端采集不準，此時PCU數(shù)據(jù)無法正確衡量服務器的負載情況、數(shù)據(jù)庫的壓力情況等，而通過后端代碼埋點解決了這一問題。再如，他介紹：“NPC（非玩家控制角色）狀態(tài)、副本狀態(tài)、經濟系統(tǒng)實時狀態(tài)等統(tǒng)計類數(shù)據(jù)，這些是前端埋點無法統(tǒng)計到的，而在后端采集數(shù)據(jù)可根據(jù)實際情節(jié)靈活完成數(shù)據(jù)統(tǒng)計工作?！比鐖D3，在神策分析平臺上，幫助運營人員精準找到游戲流失點。在100～110級流失的玩家所操控的角色大多停留在“打怪”動作上，機械地打怪練級,玩家開始感覺枯燥甚至疲憊。找到這一“流失點”后，《迷城物語》運營人員可以適當調整該關卡的怪物數(shù)量，并增加新鮮因素，從而平衡游戲趣味性和玩家精力。
(2) 包含用戶資產數(shù)據(jù)、用戶賬戶體系相關數(shù)據(jù)、風控輔助數(shù)據(jù)等重要業(yè)務數(shù)據(jù)的網(wǎng)站或APP的企業(yè)。
如電商客戶、互聯(lián)網(wǎng)金融包含用戶認證身份信息、手機號碼、充值賬戶信息等數(shù)據(jù)，前端數(shù)據(jù)無法進行深入分析。再如，在互聯(lián)網(wǎng)金融企業(yè)，較大痛點莫過于揪出“羊毛黨”了?！把蛎h”手里握著大量的代理IP、手機虛擬號。這一群體特征十分明顯，通常是經過注冊、領取福利、流失。這就需要運營人員從IP、設備信息、注冊信息、活躍度等進行多維度分析。用戶留存是互聯(lián)網(wǎng)金融企業(yè)判斷客戶是否是“羊毛黨”的方式之一。如圖4，在神策分析平臺上，一般用戶完成新手項目（領取福利后），未進行第二次投資，則可能是“羊毛黨”成員，在該平臺上點擊相關數(shù)字，人員明細會詳細展示出來。
(3) 對數(shù)據(jù)安全要求比較高的企業(yè)
從后端采集數(shù)據(jù)，例如采集后端的日志，實質上是將數(shù)據(jù)采集的傳輸與加密交給了產品本身，認為產品本身的后端數(shù)據(jù)是可信的。而后端采集數(shù)據(jù)到分析系統(tǒng)中則是通過內網(wǎng)進行傳輸，這個階段不存在安全和隱私性問題。同時，內網(wǎng)傳輸基本不會因為網(wǎng)絡原因丟失數(shù)據(jù)，所以傳輸?shù)臄?shù)據(jù)可以非常真實地反應用戶行為在系統(tǒng)中的真實體現(xiàn)?；诤蠖瞬杉藘?yōu)勢，神策分析目前提供了 Java、PHP、Python、Ruby 等后端語言的 SDK，以及 LogAgent、BatchImporter、FormatImporter 等導入工具，支持在后端采集。
綜上所述：
