数据运营实战（三）：用数听说话，从埋点开始

埋点是App数据运营中很重要的一个环节。以前咱们讨论过用户分群的方式、漏斗转化的改进，但全部App数据的来源是数据采集，不少时候就是App的埋点。

数据只有采集了才能作分析，分析了才能实现价值。

图1. 数据运营微笑模型

上图是数据运营解决问题的思路，但相对的，数据运营分析的需求，也驱动着数据埋点的优化。

有时候，咱们可能会遇到这样的尴尬：

数到用时方恨少！

木有结论肿么破！

其实，数据埋点比咱们想象得有更多挖掘的空间，有针对性的有条理的埋点可以帮助咱们理清用户行为轨迹、抓住用户特征、解析关键路径。

但过多的埋点，可能会给App带来负担，也可能对App用户的流量、网速体验有影响，这都是咱们须要考虑的因素。全埋点、多采集，并非数据分析体系构建的办法，反而是把分析挖掘的工做量后移，给数据分析带来不少负担。

较好的作法是：带着咱们的分析目标与数据解读思路去埋点。腾讯移动分析MTA在数据埋点上作过屡次优化，能确保屡次采集一次上传的数据传输过程，减小对用户流量的影响，优化用户体验。

下面咱们分几个层次来讨论埋点问题：

一、用户行为分析

经过埋点能够追踪用户的行为，即对App内的关键路径进行监测，这无疑是最多见也是最重要的应用场景。

不一样的App可能关注的埋点事件有很大不一样。

例如，电商类App多关注的是订单成交；社区类App可能关注UGC内容的产生；阅读类App则须要关注内容的阅读。

用户埋点的场景很灵活，埋点能够统计的事件数据能和业务数据进行打通。

好比在新闻阅读的App中，将阅读新闻做为自定义事件，每一篇报道都带有不一样的参数，能够获得阅读的大盘整合数据，也能够分析每篇报道的价值，甚至能够方便的实现阅读量排行榜等功能。

埋点是因业务场景须要而定的。

好比第二篇时讲到的漏斗细分中，有一个金融用户案例。在绑卡流程转化流失率太高的时候，须要定位每个输入框的填写方式是否存在问题，这时埋点的密度会比通常状况要高不少。

图2. 定位问题时的埋点示意

上述埋点是基于咱们想要定位“为何绑卡页面转化率低”的需求。埋点以后，在绑卡流程漏斗中，MTA会生成一个详细填写页面的漏斗，从中咱们或许能知道用户是在哪一步中止操做的，是否有改进的空间。

图3.漏斗拆解（因为业务数据敏感性，以上数据已作模糊处理）

但若是以后咱们修复了问题，咱们可能就不须要这么细致的埋点了，或者咱们只须要对可能出问题的地方进行埋点监控。

图4.稳定后的埋点示意图

所以，业界所说的全埋点是一种未充分理解自身业务时采用的策略，不少时候也没法知足详细漏斗的追溯要求。而没必要要的埋点带来了过量的数据上报，一方面加剧了用户的流量负担，另外一方面也不利于后期的复盘分析。

固然若是真的是业务上线了，点还没埋上，腾讯移动分析MTA新近推出了可视化埋点功能，能够由产品、运营同窗经过web端配置埋点，云端下发至App中，随时调整App内的埋点策略，也是机智而有效的救急措施。

开发GG不再用担忧我漏埋点啦~~

二、用户人群分析

根据用户事件、来源渠道、同期群，甚至年龄、性别、地域等，咱们能够把本身的App用户切割为不少小群体。

好比在订单购买的业务中，将订单金额做为参数上报，可以更好的分析用户的价值。下图是一种消费用户分群的方式，以消费金额Monetary、消费频率Frequency和最近一次消费时间Recency，获得8个象限的用户，能够对不一样的用户进行不一样的运营推广策略。

图5. 消费用户分群模型

仍是看这个电商App，当用于活动运营分析的时候，可能数据分析的视角和方式就不太同样了。

举个例子：618活动时间新注册（同期群）且完成过一次订单的这群用户，他们在活动期结束以后，会有哪些表现？

购买VIP会员的转化率高于平均活动水平→某个新的广告渠道带来了优质的新客户，该渠道能够继续投入，持续关注效果；

继续参与七夕节的活动→人群可能对活动信息比较敏感，适合推荐促销信息；

流失曲线&再次开启时间的关系是：2周内再也不开启App的客户，87%都流失了→咱们若是在新用户注册后1周左右的时间经过Push、短信、邮箱等手段唤醒用户，可以大幅提升留存。

经过把人群切分，去分析业务特性，可以加深对用户的理解，结合你的App触达手段，可以让你更好的与用户交流互动，实现业务运营的目标。

而这里的人群切分方式，就须要经过埋点定义出自定义事件，经过事件与其余条件的叠加、筛选，与不一样事件、报表作交叉分析，就可以凸显核心用户群体的价值，精细化运营不一样用户群体。

点击不一样按钮、关注不一样板块、甚至不一样注册时间的人群都有不一样的特性。

精细化的分析运营须要对业务的深刻理解，须要学会切入分析的角度，解析你的用户的特征，了解你的用户，再由数据的需求去驱动埋点的配置。

三、解析核心路径

第三点是基于第二点的应用。经过切割用户人群，再回到业务关键路径上，去发现吸引用户、留住用户的奥秘。

举一个比较知名的例子。

在某知名社交App的数据分析运营分享中，经过不一样的事件对比，能够发现10天内添加7个好友的留存率大大提升。
咱们回溯一下，若是咱们想要分析什么才是这个App留存率的关键，咱们须要罗列不少的可能性，好比在平台上浏览100条新闻、引荐3名新用户加入、产生UGC内容或者是上传3张照片、玩过平台游戏。那么，咱们须要对比这些人群，寻找在这些事件中哪些才是与留存率强相关的？

若是是添加好友的这件事，那么这个时间限是，注册时关注3人，仍是一周内关注5人？

或者若是咱们发现，引荐5名新用户，留存率很是高，但实际上，真的能引荐5名新用户的人群少之又少，那么这件事也不适宜咱们去重点关注，由于给咱们带来的成本过高了。

图6.自定义事件与留存相关度的分析示例

从这些关键事件中，咱们要经过数据分析找到其中的核心路径，而后倾斜咱们的资源去支持它。

好啦，今天的分享就到这里了。总的来讲，埋点与数据统计，都是为业务服务的。关注哪些事件、为他们埋点是因为App自身的业务特性所决定。

埋点须要有的放矢，分析才能获得结论，迭代增加也将有迹可循。

关于咱们：

腾讯大数据平台关注大数据平台构建、数据挖掘、数据应用等。信息共享，促进行业交流。经过多年产品建设，腾讯大数据已成功为开发者提供腾讯移动分析（MTA）、腾讯移动推送（信鸽）、腾讯推荐等数据产品，同时与腾讯云合做，推出大数据处理套件（数智），对外提供了可靠、安全、易用的大数据处理能力。