数据埋点

数据埋点：数据埋点的应用场景

1. 抽象场景

需要定期汇报考核 KPI
需要周期性分析 KPI 增长情况
需要对业务数据进行深度挖掘
需要进行归因分析
需要优化产品和运行策略

2. 业务指标分析

流量监控
- 各功能模块使用情况分析
活动效果评估
用户行为日志
漏斗分析
路径分析
留存分析
活跃分析
互动分析
广告投放
波动警报

3. 性能指标分析

监控 App\WEB 性能
- 比如：
  - crash率
    - 指系统指定版本异常退出的次数、在该版本中所有启动次数比例；
  - 次均TCP建连时间
    - 代表网络请求中TCP建立连接的平均耗时，单位毫秒；
  - 次均首字节到达时间
    - 代表网络请求中首字节到达的平均耗时，单位毫秒；
  - 次均请求资源大小
    - 代表网络请求完成的平均消耗资源，单位B；
  - 异常数量
    - 代表发生异常的网络请求数量。

4. 数据产品

用户画像 / 用户分群
A/B 测试
算法推荐（千人千面）
BI

5. 归因模型

销售归因
- 在电商领域可以根据埋点日志进行销售归因。我们引入电商坑位归因的概念，把每一笔的成交都归给转化路径的不同的坑位。据坑位的曝光转化价值来评价坑位质量。
- 把宝贵的流量尽可能都引导到转化率更高的坑位，以此达到精细化运营的效果。有了这个坑位价值评判的机制后，各个坑位的改版也能准确的评估，真正做到了数据驱动增长。
流量归因
- 广告效果评估
退货归因

6. OSM 模型

Object
- KPI，业务目标；
- 如：
  - 拉新
  - 提升留存
  - 提高转化
  - 提升客单价
  - 降低客诉
Strategy
- 业务策略
Measurement
- 指标