AI产品经理W1D4埋点设计数据采集

Tips：
当我们没法对一些产品方案以及规则，可以寻求企业帮助
AI产品经理对接企业，业务，市场

一套好的埋点，可以支撑后续的数据清洗，数据存储，数据产品，数据分析等。
埋点是一种用户行为数据化的记录，基于业务或者产品需求，对用户在产品内产生行为的每一个事件对应的页面，位置，属性等植入相关代码，并通过采集工具上报统计，采集数据可以用来分析网站/app使用情况，用户使用习惯，延伸出用户画像，用户偏好，转化路径等一系列数据产品。

所谓埋点，就是数据采集领域的术语，即Event Tracking，事件跟踪。指的是针对用户行为或事件进行捕获，处理和发送的相关技术及其实施过程。数据埋点是数据分析师，数据产品经理和数据运营，基于业务需求或者产品需求对用户行为的每一个事件对应位置进行开发埋点，并通过SDK上报埋点的数据结果，记录汇总数据后进行分析，推动产品优化和指导运营。
特定用户行为和事件是我们采集的重点，还需要处理和发送相关技术和实施过程，数据埋点是服务于产品，又来源于产品，所以跟产品息息相关，

埋点业务流程：梳理业务，确定目标，事件设计，数据采集，指标体系，数据分析

为什么要做埋点？
埋点是为了对产品进行持续追踪，通过数据分析，不断指导优化产品。数据产品质量，直接影响到数据，产品，运营等质量。

产品的大部分核心数据都是基于埋点完成，例如用户行为分析，转化分析，流失跳出分析，核心功能分析。

如何保证埋点的准确性？埋点验收

埋点验收，不一定等开发完成，提交安装包才进行验收，在前期中期后期，尽量提出多方决策来保障埋点质量。

1.埋点文档评审：
埋点文档设计完成以后，数据组内需要进行评审，对埋点和参数进行逐一检验，包含：

• 合理性；是否符合用户行为路径
• 完整性：是否覆盖产品所有场景，可以支撑后续的数据应用
• 正确性：埋点文档中，除功能的特性埋点，还有一定的公共埋点，公共参数，查看是否与BI报表开发时的规范一致，如果不一致，BI报表不会产生数据。

2.埋点开发阶段
与团队保持密切沟通，确保和研发理解一致，使其了解每一个点的意义及后续重要计划，针对重要埋点，重要参数，研发需提供对应的埋点，确保每个枚举值都列入代码中。

3.埋点验收阶段
埋点完成以后，数据同学会配合QA同学，一起做埋点验收，需要注意以下方面：
转化漏斗是否正常：例如广告链路中，从广告展现–曝光–点击–关闭这条链路的pv(页面浏览量)是否呈漏斗。不是的话就是数据异常。例如：你访问a页面10人，访问下一层b页面，变成11人，这样的数据就是异常的。