关于数据埋点的基础认识

导读

这篇文章拖了好久,终于是写完了,然后发出来了,和大家聊一聊关于数据埋点的基础认识,喜欢,请分享。

数据埋点原理

数据埋点,对于产品迭代而言,有很重要的指向意义。

数据分析是我们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,能让我们发现哪些环节存在问题,哪些环节有提高空间。

同时,数据分析也是检验功能是否有效,是否受欢迎的重要佐证。

非常的直观,以一种数据的形式呈现出来,而这些数据有大部分都来自于对数据的埋点。

学习数据埋点,首先认识一下他的实现原理。

以APP举例,我们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。(必要时,我们可以将层级分的更加清晰。)

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。

数据埋点其实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。

基础认识

数据埋点我们可以分成两类,其一是页面统计,其二是行为统计。

页面统计

页面统计可以帮我们知晓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。

追求停留时间的产品,典型的便是信息流产品。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。

(诸如微博,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)

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。

其实,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UI界面响应事件的捕捉,我们能够得知某个按钮的点击数及对应的点击率。

基础应用知识

数据分析是很一门很复杂的学科,对于PM而言,是一个重要的需求源,而我们用来分析数据采用的方法,也非常的多,并且复杂的分析方法,可以复杂到让我们怀疑人生~~

这里结合文章提到的内容,给大家做个应用分享,属于简单的分析方法,

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,我们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。

数据里所隐藏的优化空间,往往是存在多种可能性的。

>实例

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”

对于 有多个入口的页面,页面路径的分析方法就没有作用了,此时,我们就需要借助行为统计。

“行为统计–页面访问率”

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,也就是我们所熟知的“多个入口”的概念。

此时,我们可以借助 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。

实例

B页面可以通过ACD三个页面点击对应按钮进入,我们想要知道A页面到B页面的转化率是多少。

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。

第二种分析方法,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。

对于第二种方法,比较典型的是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。

建议

数据相关的知识非常庞大,足以支撑一个独立的职位(数据分析师,数据型产品经理)。

文中所提到的都是基础的分析方法,并且还不全面。

数据是产品经理的一个重要的需求源,在我们成长的过程中,如何利用数据,如何挖掘数据,如何分析数据都是必须经历的阶段。

其作用,远不止第三方平台直接呈现的部分,诸如各个数据每日对比,可以得到趋势,借助趋势,也能进行预判。

可以说第三方所呈现出来的结果性数据,只是冰山一角。

尝试去分析数据吧,然后驾驭数据,做一位理性的产品经理。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 148,827评论 1 317
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 63,511评论 1 266
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 99,318评论 0 218
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,108评论 0 189
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,112评论 1 266
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,387评论 1 185
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 30,905评论 2 283
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,657评论 0 177
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,144评论 0 223
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,744评论 2 225
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,100评论 1 236
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,565评论 2 222
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,041评论 3 216
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,769评论 0 9
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,301评论 0 178
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,173评论 2 239
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,313评论 2 242

推荐阅读更多精彩内容