數(shù)據(jù)分析是實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的前提，固然重要。而數(shù)據(jù)分析的深度取決于數(shù)據(jù)采集的質(zhì)量，顧此失彼，數(shù)據(jù)驅(qū)動(dòng)道路只能越走越窄。前幾天的內(nèi)容里介紹了埋點(diǎn)的不同方式與區(qū)別，這里不再贅述。
值得強(qiáng)調(diào)的是，要真正實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，企業(yè)數(shù)據(jù)采集所采用的埋點(diǎn)方式不應(yīng)“千企一面”，而應(yīng)該“因企而異”。無(wú)論是自建數(shù)據(jù)分析平臺(tái)，還是采用第三方數(shù)據(jù)分析工具，梳理企業(yè)需求是第一步，隨后按照企業(yè)需求完成事件和埋點(diǎn)方案的設(shè)計(jì)。
以“全埋點(diǎn)”為代表的前端埋點(diǎn)方式，以及后端埋點(diǎn)方式分別滿足不同數(shù)據(jù)采集需求，當(dāng)前后端都可以實(shí)現(xiàn)數(shù)據(jù)采集時(shí)，應(yīng)優(yōu)先考慮后端（代碼）埋點(diǎn)，尤其在各行業(yè)中有特殊業(yè)務(wù)需求的數(shù)據(jù)，更是強(qiáng)烈建議通過(guò)后端（代碼）埋點(diǎn)方式采集，這和神策數(shù)據(jù)的觀點(diǎn)一致。
前面的文章見(jiàn)過(guò)了關(guān)于后端埋點(diǎn)的重要性，可供大家參閱。本文重點(diǎn)講述前端埋點(diǎn)的方式。
毋庸置疑，“全埋點(diǎn)”作為前端埋點(diǎn)方式之一，在數(shù)據(jù)采集方面具有不可替代作用，當(dāng)企業(yè)在分析與后端沒(méi)有交互的前端行為的采集方式時(shí)，如判斷前端界面設(shè)計(jì)是否合理，更是如此。
與市面流行的無(wú)埋點(diǎn)一樣，神策分析也支持“全埋點(diǎn)”，即采用“全部采集，按需選取”的形式，默認(rèn)對(duì)頁(yè)面中所有交互元素的用戶行為進(jìn)行采集，通過(guò)界面配置來(lái)決定哪些數(shù)據(jù)需要進(jìn)行分析。神策分析“全埋點(diǎn)”具有以下特點(diǎn)：
第一，技術(shù)門檻低，使用與部署較簡(jiǎn)單。
神策分析將iOS、安卓、JS SDK的Autotrack功能深度強(qiáng)化，默認(rèn)采集頁(yè)面上各元素的交互行為，極大程度避免了因需求變更、埋點(diǎn)錯(cuò)誤等原因?qū)е碌闹匦侣顸c(diǎn)繁復(fù)工作。簡(jiǎn)單操作即可獲取實(shí)時(shí)用戶行為數(shù)據(jù)，節(jié)省大量技術(shù)團(tuán)隊(duì)的時(shí)間。
第二，可視化展示產(chǎn)品頁(yè)面指標(biāo)，滿足前端數(shù)據(jù)分析需求。全埋點(diǎn)可視化地展現(xiàn)界面PV、UV等網(wǎng)站或APP產(chǎn)品頁(yè)面指標(biāo)，清晰明了，為進(jìn)一步數(shù)據(jù)分析指明方向。
第三，用戶友好性強(qiáng)。一次簡(jiǎn)單操作，即可自動(dòng)向服務(wù)器發(fā)送數(shù)據(jù)，避免手工埋點(diǎn)的失誤。
據(jù)統(tǒng)計(jì)，神策分析全埋點(diǎn)在Web/App端均支持近百個(gè)預(yù)置屬性的采集，通過(guò)頁(yè)面瀏覽的采集、點(diǎn)擊按鈕等采集，企業(yè)可完成了解新老用戶的訪問(wèn)情況，評(píng)估不同渠道／維度的獲客情況，判斷用戶活躍度、用戶轉(zhuǎn)化、留存等應(yīng)用。例如，神策數(shù)據(jù)某廣告客戶了解用戶渠道來(lái)源，并判斷不同渠道和不同推廣方式的投放效果。
然而，作為前端埋點(diǎn)的方式之一，無(wú)埋點(diǎn)有先天缺陷，帶來(lái)易用性的同時(shí)，也犧牲部分?jǐn)?shù)據(jù)的采集深度。數(shù)據(jù)驅(qū)動(dòng)是第一生產(chǎn)力，搞定畫像的第一步就是數(shù)據(jù)采集。數(shù)據(jù)采集應(yīng)該遵循“大全細(xì)實(shí)”，否則：數(shù)據(jù)驅(qū)動(dòng)如“空中樓閣”；
“大”強(qiáng)調(diào)宏觀的“大”，而非物理的“大”。大數(shù)據(jù)不是一味追求數(shù)據(jù)量的“大”，比如每天各地級(jí)市的蘋果價(jià)格數(shù)據(jù)統(tǒng)計(jì)只有2MB，但基于此研發(fā)出一款蘋果智能調(diào)度系統(tǒng)，就是一個(gè)大數(shù)據(jù)應(yīng)用；
“全”強(qiáng)調(diào)多種數(shù)據(jù)源。大數(shù)據(jù)采集講求全量，而不是抽樣。除了采集客戶端數(shù)據(jù)，還需采集服務(wù)端日志、業(yè)務(wù)數(shù)據(jù)庫(kù)，以及第三方服務(wù)等數(shù)據(jù)，全面覆蓋。
“細(xì)”強(qiáng)調(diào)多維度數(shù)據(jù)采集，即把事件的維度、屬性、字段等都進(jìn)行采集。如電商行業(yè)“加入購(gòu)物車”的事件，除了采集用戶的click數(shù)據(jù)，還應(yīng)采集用戶點(diǎn)擊的是哪個(gè)商品、對(duì)應(yīng)的商戶等數(shù)據(jù)，方便后續(xù)交叉分析。
“時(shí)”強(qiáng)調(diào)數(shù)據(jù)的時(shí)效性。顯然，具有時(shí)效性的數(shù)據(jù)才有參考價(jià)值。
總之，埋點(diǎn)混亂、采集無(wú)序則根基不穩(wěn)，令數(shù)據(jù)驅(qū)動(dòng)的實(shí)現(xiàn)如“空中樓閣”。只有將數(shù)據(jù)采集和建模等基礎(chǔ)搭建好，數(shù)據(jù)驅(qū)動(dòng)才能真正落地。
