关于数据埋点,且听我展开来说

数据埋点属于数据分析的范畴,而且C端电商类的产品比较常见,那我就以电商类应用为例,以数据分析的思路说明一下埋点设计的过程。
图片
数据埋点指在用户使用软件产品时,在相应的环节上获取用户的行为数据。通过数据埋点,可以分析用户行为习惯,为后续的产品功能优化和运营策略改进提供基础的数据支持。
一、明确分析的目标和思路
假设做为老板的你,正在运营一款短视频的网站,你希望了解一下这款产品的用户使用情况。针对这个目标,我们可以应用用户使用行为理论做为数据分析的指导理论。
用户使用行为是指用户获取、使用物品或服务所采取的各种行动。用户对产品首先要有一个认知、熟练的过程,然后再试用,再决定是否继续消费使用,最后成为忠诚用户。
图片
二、数据收集
收集数据之前,需明白要收集哪些数据。依据前面理论的内容,我们将其转化为用户的网站行为,得出需要获取的网站分析指标。通过分析指标,我们明白在哪个页面、哪个操作需要收集哪些数据。比如:首页的页面访问量(PV)就需要访问首页动作触发时埋点数据记录访问行为。
图片
三、数据处理
有了原始数据后,我们还需要对数据进行汇总,计算等加工处理才能保持数据的准确性、一致性和有效性,才能形成数据分析要求的样式。比如:用户的注册转化率需要通过注册用户数/访问用户数计算获得。
四、数据分析
单单有数据指标的展示,得到的结果可能无法符合最初的数据分析目的。比如:展示一个用户访问量,你是无法一下子判断这个用户访问量是高了,还是低了。所以我们需要借助数据分析的来实现我们的目标。常见的数据分析方法有比对分析、细分分析和预测方析,各种方法的使用这里就不展开讨论,有兴趣的朋友数据分析相关书籍了解一下。比如:首页访问量,可以与我们的目标或是上月亦或是同行业的同类产品进行比较,看看高了还是低了。
五、数据展现
有了数据分析方法后,我们需要图表展现结果。通过数据的呈现可以让后台用户更容易理解主题和观点,特别是可以问题的重点传递给用户,让人一目了然。可以依据数据间关系的不同使用不同类型的图表。比如:当月首页访问量与上月的比对,呈现的是数据间的排序关系,我们可以使用柱形图、条形图和气泡图的方式进行展示。
图片
六、问题及改进方案
我们需要根据分析的结果发现问题或总结经验,对于问题我们需要发现导致的原因,对于表现好的方面我们需要持续加强和推广。若是分析问题,我们还可以使用结构分解法或是因素分解法进行专题的分析。比如:发现首页用户访问量比下月下降了30%,我们分析可能原因是可能本月投流的渠道减少,投流的金额减少,首页的功能改版等等。针对分析发现的不同问题,我们需要采取不同的方案进行问题验证和数据跟踪。
图片
七、总结
埋点仅仅是数据分析里面的一个环节,完整的数据分析包括分析的目标和思路,数据收集处理,数据分析展现和问题发现与改进,改进方案实施后我们需要再通过数据分析的环节进行验证迭代形成螺旋上升的闭环。
本文由 @refurbish 原创发布于人人都是产品经理,未经许可,禁止转载
题图来自Unsplash,基于CC0协议