数据埋点是一种数据采集方法，主要用于收集用户在使用产品或服务过程中的行为、操作、事件等数据。这些数据可以帮助分析用户行为、优化产品设计、提升用户体验等方面。
数据埋点的规范定义包括以下几点
- 采集目标明确：明确需要采集的数据类型、目的和范围。
- 数据准确性：确保采集的数据真实、无误，避免数据污染。
- 数据完整性：确保采集到的数据能够全面反映用户行为。
- 低侵入性：尽量不影响用户正常使用产品或服务。
- 高性能：尽量减少数据采集对产品或服务性能的影响。
- 数据安全：保护用户隐私，防止数据泄露。
实现过程
- 确定关键事件：首先，我们需要确定需要观察的关键事件。例如用户访问首页、浏览商品、点击商品、加入购物车、提交订单等。
- 编写埋点代码：针对这些关键事件，我们会在APP的相应位置编写埋点代码。这些代码就像是我们的“摄像头”，负责捕捉用户的行为信息。例如，在商品详情页的“加入购物车”按钮上，我们会添加一段代码，当用户点击这个按钮时，代码会自动执行，记录用户的操作。
- 收集数据：埋点代码执行时，会将用户的行为信息发送到我们的数据服务器。这些信息包括用户ID、操作时间、事件类型（如点击、浏览）、事件名称（如加入购物车）等。
- 数据处理：数据服务器收到这些信息后，会对数据进行清洗、整理和存储，以便后续分析使用。
- 数据分析：运营和产品团队可以通过数据分析工具查询和分析这些数据，发现用户在购物过程中可能遇到的问题，例如某个环节的流失率较高、某个功能的使用率较低等。
- 优化改进：根据分析结果，运营和产品团队可以对APP进行优化改进。例如调整商品展示、优化购物流程、增加优惠活动等。并持续关注数据变化，评估优化效果。
埋点类型
- 业务埋点，产品要求的埋点，比如分享次数，点击购物车次数，某个页面的曝光次数
- 技术埋点，比如页面加载时间，网络请求时间，内存占用、自定义异常收集等
对于开发人员，我们需要在代码中添加一些埋点的逻辑，比如按钮点击、页面曝光等，这些代码会后续维护性较差，于是出现了无埋点方案，这些方案的核心思想是通过AOP的方式，自动插入埋点代码，从而减少开发人员的工作量。我们实际的工作当中会使用多套方案，比如友盟用来收集基本用户活跃信息、异常信息；GrowingIO用来收集业务埋点信息。
埋点数据平台
- Google Analytics
- 友盟
- GrowingIO
- Sensors Analytics（神策）