本文从三个部分解析了数据埋点怎么做——埋点数据来源、埋点流程、产品侧制定埋点表。
做数据埋点首先要知悉这两个点：
- 产品中的数据是由产品中的用户产生的。
- 用户产生的数据包含用户信息的数据、用户行为数据（在产品中留下的足迹）和用户交易数据（交易数据在有线上购买行为的产品中会用到）。
用户信息数据是用户在产品中输入的，主要是用户的个人基本信息。用户交易数据数根据用户信息数据购买行为来计算用户ARPU值和用户在产品中的终生价值LTV值。
- 从用户信息数据到用户交易数据，主要是用户主动发起的，所以可以理解为用户侧。
- 从用户行为数据到用户交易数据，更主要是产品流程为用户营造的购买体验感，所以可以理解为产品侧。
聊数据埋点就是重点梳理用户行为数据，看用户在产品中做了啥？怎么做的？数据埋点是产品流程调整迭代、运营推广和精准营销的基础。John一般通过以下几个维度来梳理：
一、埋点数据来源
埋点数据来源可以分为页面埋点（针对于整个页面，主要收集进入页面的用户数据）和事件埋点（基于某个具体功能点，通俗一点说就是按钮，主要收集功能点击人数）
由上面的例子可知：埋点事件分为两类：
- 浏览事件：一个页面记一次(打开、刷新、跳转、加载等) ，还可以统计页面的停留时间
一定要明确埋点数据的目的。埋点的目的是为了获取有效的数据，而数据是否有效是由数据需求拆解到具体 “指标 + 维度”。
比如基于用户购买商品的转化流程。用户路径是：点击“去购买”事件→进入“商品详情”页面→点击“立即购买”事件→进入“确认订单”页面→点击“提交订单”事件（支付）→进入“订单详情”页面。根据所有梳理出的关键行为，生成相应的埋点方案。通过埋点数据，进而就可以算出转化率了。
三、产品侧制定埋点表
目前大部分公司基本上是采用第三方数据统计平台，不同平台的埋点文档大同小异，但是同一个公司如没有统一的埋点规范和埋点管理平台，就会留下大量的坑。（一千个产品有一千个规范，一千个点可能就有一千个坑），因此标准的埋点文档很有必要。
数据埋点是为了更好的数据采集，通常记录用户行为的基本要素采用4W+1H的方式，即人物（Who）、时间（When）、地点（Where）、行为（What）、方式（How）。用户在什么时间什么地点使用什么方式产生了什么样的行为来记录。
- 人物（Who）：参与事件的用户，一般使用开发过程中对用户定义的唯一ID，包含用户的设备ID、UserID、等非敏感信息。对用户的姓名、手机号、身份证号码等敏感信息不建议直接采集，如必须采集可采用脱敏的方式进行。
- 时间（When）：记录行为发生的时间，常见标准的YYYY-MM-DD HH-MM-SS的时间戳以外还可以使用服务端的Session或登录序号等。记录值将用于区分用户的登录次数，界定活跃次数和行为归属。
- 地点（Where）：记录行为发生的地点，包括用户的IP地址、GPS位置、场景或来源（WEB/微信/APP）。
- 行为（What）：事件的内容，即发生的细节，可以采用记录事件的属性/参数生成记录值，常见格式为Key-Value模式。
- 方式（How）：事件所处环境和发生方式，常见的记录值有：网络环境（WIFI/4G）、系统版本（iOS 12.0.1/Android 8.0)、设备型号（HUAWEI/XIAOMI/Apple）。
人物、地点和方式是通用数据，主要是针对于用户信息数据的整理和收集。这儿就不再赘述。而时间维度的数据是根据行为来的。所以重点说下行为数据。
上图是一个常规的页面。针对这个页面统计页面埋点和事件埋点梳理出来的表为：
如果是自己公司数据后台梳理埋点，非自定义的。到这儿就已经结束了。如果是用第三方统计工具，需要自定义转化事件的。接着往下面看。John以GA为例子：
1.GA收集事件的埋点有固定的代码（第三方的统计工具都是大同小异的），以下是统计方法：
其中字段说下：
action： 事件名
event_category： 事件来源页面
event_label： 事件相关值
…… 其他参数
具体可以查看：google文档——衡量 Google Analytics（分析）事件：https://developers.google.com/analytics/devguides/collection/gtagjs/events
则在上面的页面，action 事件名列表：
对应的参数说明：
event_category代表的是来源的页面：（也就是哪些页面有对应的按钮事件），比如去购买按钮按钮有很多页面入口进来，商品详情页（从商品列表进来），秒杀详情页（从秒杀列表进来）。就可以在GA跟进对应的事件算出转化率了。
其他页面也是如此。
确认埋点区域、内容、形式和APP产品逻辑的对应后，将所有需要埋点的内容整理成埋点方案。撰写方案过程中要注意：
- 业务名称即APP上的功能或事件名称，以保证方案内容与APP呈现对应关系；
- 事件ID命名时，一定要保证唯一性
- 自定义事件ID设定时遵循唯一性排他性，不可出现重复命名
- 数据标签不是越多越好，在满足功能需求下尽可能简洁。越繁琐的埋点文档越容易产生不一致。
接下来就可以在GA后台根据对应的事件来整理转化率。工具的方法自己去看对应的视频吧。
作者：John，产品狗一枚，微信公众号：产品狗聚集地。欢迎一起沟通交流。
本文由@John 原创发布于人人都是产品经理，未经许可，禁止转载。