数据埋点原理：
数据埋点，对于产品迭代有很重要的指向意义。
数据分析是产品经理获得需求的来源之一，通过对数据的比对，对数据趋势的分析，能发现哪些环节存在问题，哪些环节有提高空间。
数据分析是检验功能是否有效，是否受欢迎的重要佐证。
比如：App可以简单的分为四个层级，表层是UI层，底层是数据表和日志。
数据埋点的发生场景便是在表层-UI层里，其作用是监控用户在UI层产生的行为。也就是用户对界面的操作。
数据埋点无法统计有多少用户发布了朋友圈，但可以统计有多少用户点击了朋友圈的发布按钮，以及有多少用户在朋友圈发布页点击了确认发布的按钮。
数据埋点基础认识：
数据埋点可以分成两类，其一是页面统计，其二是行为统计。
（一）页面统计
页面统计可以让产品经理知道某个页面被多少人访问了多少次。
其本质是监控页面加载的行为，尽管此时用户并没有对UI产生行为，但却是由上一个点击行为触发的一个结果。
除了访问的人数与次数，也可以监控到用户在某个页面停留的时长，部分产品希望用户在某个页面停留的时间越长越好。
比如：信息流产品。这表示用户正在持续的进行阅读，停留的时间越长，表示内容对用户的吸引力越高，这样才能产生持续的阅读行为。
比如：微博，朋友圈等以短信息为主要内容的信息流，长信息会更加侧重跳转详情页的数值。
（二）行为统计
行为统计是指用户在界面上的操作行为，应用最为广泛的便是按钮的点击次数。
通过数据埋点捕捉到的数据有三层，
第一层是基础层，比较通用的数据，像是日活，新增；
第二层是页面访问；
第三层就是行为统计，名词上来讲通常被称为“事件统计”；
通过对捕捉界面响应事件，能够得知某个按钮点击数及对应点击率。
页面统计–页面访问率
APP里，有的页面是存在唯一的主次关系，意思是B页面仅能从A页面进入。
此时结合两个页面的访问数值，就能得到A页面到B页面的转化率。并以此判断两个页面是否存在可优化空间。
案例：
A页面与B页面具备唯一主次关系， B页面仅能从A页面跳转进入，（如：微信的，某人的相册，仅能从个人资料进入）
若 A页面访问人数为100人，B页面访问人数只有10人。
分析结果就有两种可能性：
（1）A页面转化部分设计有问题，就像文章的阅读数和标题息息相关，我们可能需要优化入口的设计。
（2）B页面留存有问题，无法让用户产生二次访问行为，以及无法让用户形成更高频率的访问。
此概念类似于“复购率”和“复购频次”
“行为统计–页面访问率”
多个入口:一些基础的功能，往往被多个页面应用，也能通过两个以上的页面进入。
此时可以借助指定入口页的访问人数，入口按钮的点击人数，来判断该页面的转化率。
案例：
页面可以通过ACD三个页面点击对应按钮进入，想要知道A页面到B页面的转化率是多少。
分析：若A页面访问人数是100，按钮点击人数是30，B页面访问人数是40，问题就变成了，在A页面点击按钮的点击率，其分析价值与页面访问率相同。
这种分析方法更多的是侧重对入口所在页的分析，通常提到的转化率，也是指类似的分析方法。
常用领域：广告转化率提升的设计方法
此类型产品几乎不考虑“复购”问题，其追求的目标是最大限度，在不影响原有用户体验的基础之上，提高用户点击广告的几率。
与之对应的产品设计方法，更多的在于视觉的设计，类似加粗，图片，特殊形状，诱惑性的文案等。
App数据埋点的相关注意事项：
1、注册一家统计网站
建议用公司邮箱或者公用邮箱注册，不要用自己的私人邮箱和手机号码，后续一旦有交接和工作变动时会比较麻烦。
2、新建应用
登录后一般都有“新建应用”，可以选标准统计，大部分APP都选该统计。
名称写自己app的名称，分类自己选1个。选错了也不影响。
平台根据情况自己选。后期看数据和埋点都是ios和安卓分开，所以如果2个端都做，就一起都选上。描述可选填，可以不用填，点击按钮“创建应用”，完成。
获取KEY和SDK代码包：
完成后可以得到2个APPKEY，分别是ios和安卓。
appkey很重要，可以下载了给研发，也可以稍后让研发自己登录进来自己下载。
ios与安卓是分开独立，后续埋点和看数据都是分开。
重点：如果只想看 APP的活跃用户，留存用户，下载量,用户地域分布，渠道分布，此步骤已经可以。
4、将埋点需求和SDK包发给研发
这时候就把刚才获得的appkey和sdk包的下载地址，发给研发。或者直接把账号和密码发给研发。然后告诉研发，集成下百度移动统计的SDK包。这样发版后，就可以看到大部分数据。
初步数据埋点的前期工作可以就此完成。
自定义埋点需求完善
背景：实际工作中往往对数据的需求远远不局限以上基础数据，还需要看每个页面的转化率，页面里面的行为按钮的点击次数，弹层的展示次数等更细节的数据。这样才能更好的知道用户行为和操作流程，以便后期改进优化。这就需要进行自定义事件完善。 不做这步，这些数据看不到。
案例：比如后台想看页面里面 注册 搜索按钮，顶部banner，底部 首页和 我的 2个导航条的点击量。
• 一个埋点事件对应1个按钮或者一个页面或者一个弹层。 产品经理来定义。
• 如果埋点比较多，也可以批量添加。批量添加时需要下载excel模板，按照要求填写好，上传进来即可。
• 添加完成后就可以把这个列表导出或者人工复制出来一个表格，发给研发。并附上产品原型图，做好对应关系标注。
6、研发开发并完成APP上线
完成上面几步后，研发就可以看懂并进入研发阶段。
7、在后台查看数据
产品上线后就可以在后台网站看到统计数据。大部分数据一般隔天更新。
埋点后能看到什么数据：
上面提到，按照步骤完成数据分析sdk集成和自定义事件后，就可以在第三方网站看到相关统计数据。
注意：不添加自定义事件，可以看到基础数据；添加后，可以看到更细节的按钮、页面等点击数据。
比如：查看自定义事件埋点数据，还是进入刚才的“事件分析”页面，点击对应埋点即可看到数据，支持筛选时间段查看。
其他功能：如果还想查看 几个页面之间的转化路径和数据漏斗，那还需要添加“转化分析”。
添加转化分析后，可以看到例如: 进入首页-点击注册按钮-进入注册成功页 这几步的转化率和流失率。会自动生成一个转化分析图。也可以分别看这几个页面的数据，自己去分析汇总。
进阶的方法还有把事件埋点配合转化分析、访问路径、转化漏斗等工具使用，从点到面地了解用户的使用行为、APP存在的问题。
埋点后能看到什么数据：
产品核心指标一般包含：
产品规模
1.用户数据。如新增用户、用户类型分布、活跃用户、沉默用户、启动次数、版本分析等。
2.业务数据。这个与具体业务有关，如问答社区的问题数，回答数，全网热度，浏览量；如对含交易平台的交易量，交易额，客单价，转化率，利润等。
2、产品运营
1.流量数据。pv，uv，dau，mau，留存分析(次日留存，7日留存， 用户新鲜度), 流失分析（日周月、自然流失、回归流失）
2.渠道数据。渠道流量，渠道转换率，渠道评价，渠道时段详情，渠道质量（渠道活跃用户/渠道流量）等。
Web网站
Web网站，使用cookie_id作为设备ID，并存储在浏览器的cookie中。
微信小程序
通常做法使用 openid 作为设备ID，当然也可以自己生产一个ID，作为设备ID。
如果用过openid作为设备ID，需要注意微信小程序的冷启动问题（获取 openid 是一个异步的操作，所以会导致数据上报的时候，可能还没获取到openid，这就是导致设备ID为空）
2）用户ID
用户ID，即用户在业务产品注册的用户账号。
收集到设备ID和用户ID后，就要想办法将设备ID和用户ID关联起来，也即用户唯一标识建模。
03 用户唯一标识建设
设计一个字段，比如就叫distinct_id
（设备ID命名为device_id，用户ID命名为user_id）这个字段用于识别唯一用户。
凡是统计用户相关的数据时，都以 distinct_id 作为用户的唯一区别标识。
埋点文档：
红色区域：为了映射前面的思维导图，平时写文档时不用写；
黄色区域：事件描述，简单描述埋此点的意义和方法，如果有比较复杂的情况，需要和研发进行沟通确认；
绿色区域：为事件模型、点描述，其中每一列，都称之为一个属性，或者叫维度；
蓝色区域：为传值描述，即相应的属性里会放入哪些值
表格优化：
表中，Time、AppName、Uid 这三个属性每一点都需要进行使用，且传值的规则一致，此类属性定义为点的公共属性。
在这种情况下，一般会将公共属性在正式对各点进行描述前进行总结。研发也可以根据此对所有的埋点方法（研发意义上的）进行抽象，在每次用户所产生的事件上报时，都会调用这块儿的属性值。
之后文档改起来也会非常方便。如下图所示：
4.2 根据页面拆分
每个不同的页面，单独做一个表的可读性会更强，在删除之前的公共属性后，整体的事件埋点如下所示：在表的旁边再配上各页面的截图，将会使整个文档更清晰。
4.3 折叠私有属性
以小说主页这个页面进行私有属性的折叠。
私有属性则是相对于前面的公共属性来说，根据前图：
不是每个事件都需要使用Title,Fav,Like这几个属性，在不同的点中，Fav、Like的含义也会有区别（一个表状态，一个表行为，当然差异还可以更大）。
解决方案：将私有属性根据点的维度进行单独补充描述，如图：
优点：不仅可对一些重要事件进行比较详细的描述，且和别的事件在使用同名属性的时候还不会互相冲突，提高了属性的复用率。
漏斗模型：
虚拟案例介绍：
一家食品商店App的增长团队发现了一个问题：App上线后，通过各种推广，短时间内就获得了19万用户，但是到最终在App内完成购买的用户只有不到7000人。
可能原因：App的体验不好？商品不够有吸引力？
通用问题：好不容易吸引来用户之后，如何让用户真正开始持续使用，激活他们？
方法：梳理用户从下载打开到最终购买的整个体验路径，提炼出5个关键步骤，分别是：
1、下载和打开App；
2、搜索浏览；
3、将商品放入购物车；
4、添加信用卡信息；
5、完成购买结算。
然后列出这段时间，每个步骤的实际人数，和对应的转化率：
根据数据和对应的转化率可以发现：
——大量用户将商品放入购物车后没有添加信用卡信息就离开页面了（c到d为20%）
——但成功添加信用卡信息的用户，在之后完成购买的比例很高（d到e为75%）
——许多用户搜索商品数量并不多（a到b为30%）
——下载App后特别活跃的用户第一次打开时就浏览了很多商品（活跃用户a到b的比例很高）
根据数据就能看出：商品本身或者App的体验没什么问题，能正常支付的用户大部分还是完成购买，但是添加支付工具的和结算体验却存在障碍。
数据分析结论：
（1）团队需要尝试让用户能更轻松的结算。
（2）考虑新增用户搜索量不高，还得尝试鼓励初访者搜索和浏览更多商品，比如设置特惠卖场界面、改进引导文案等等。
比如“在短视频App里，你都知道哪些App？”，一个人可能会回答快手、抖音、微视、视频号…等很多个App。
