数据分析：数据埋点和回收规范文档

数据分析：数据埋点和回收规范文档

一.产品核心指标建立（北极星指标）

产品要有一个关键的产品核心指标，核心指标能确定每次版本更新时需求的优先

级。

核心指标的确定流程：

提取产品功能使用组合成漏斗，最上层的是流量入口，中层是产品使用和业务，

最下层就是利润，做出这个漏斗模型，核心指标就能快速找到了，而能在产品使

用和业务层级中对利润起到最大作用的就是产品的核心关键指标！

核心指标越高越好，整个产品的利润收入表现也就越好。

产品流程中存在对核心指标正向促进的功能与节点,也存在可能对核心指标进行

阻塞但又不能砍掉的负向流程。

再把正向节点的和负向节点流程，分别罗列出来。

会发现有些节点和上述漏斗中的指标是重合的，把这些节点圈起来，这就是在埋

点过程中要重点关注的。

二,普通数据指标

产品经理完整地画出产品地图和用户地图，然后标记每个节点，并对每个节点进

行打点基本可以覆盖90%的点位所需。

产品地图绘制，需要从上而下的角度看待产品。产品本身就是许多页面的组合体,

而页面是许多功能按钮的组合体，用户使用产品就是与各个页面、功能按钮的互

动。

在初步策划一款产品或功能时，也是大致先建立出了产品框架，然后再在框架中

填充功能。

以此思路可对产品来一次构建，可确定产品地图。

第一步，在工具上画出每个功能和对应页面，将产品的各个功能罗列在地图上，

注意在绘制时需要区分页面的层级，首页在第一层级，次级页排列在下一层级，

如此一一将整个产品的页面平铺绘制完成。

第二步，页面中的每个功能的触发会产生事件，有的事件可能是助阵专页面，有的

事件可能是触发弹窗，还有触发分享等。所以要对每个功能触发的页面脂专进行

功能和页面的连接。

例如，通过功能A可到达页面B和页面C,那就分别在功能A到页面B、功能

A到页面C之间画一条带箭头的线。而对触发弹窗的功能需在当前页面下的空

白处绘制标记，分享等其他事件的也一一在触发页面底部进行标记绘制。

两步都完成后就完成了产品地图1.0的绘制。

当然产品地图的绘制也可以使用表格等方式进行产品地图绘制，但不管什么方式

的绘制，都需要保证产品地图功能页面交互的的全面和清晰明确。

而在以后的每次版本更新中是也需要随时对产品地图进行更新，以保证产品地图

的新鲜度。

在绘制完产品地图后，还需要绘制用户地图，两者相结合基本就可以保障产品和

运营所需的信息无遗漏。

而用户体验地图就是通过一张图，用一种讲故事的方式，从一个或多个特定用户

的视角出发，记录从用户来到产品到完成目标离开的全部过程。这个过程包括用

户在每个场景中的触点、行为、结果。

蜘

游戏

此过程主要的难点在于抽离产品的角色成为一名特定的小白用户，否则绘制的用

户地图就会不全面。

在完成产品地图和用户地图的绘制后，对每个节点进行点位标记，此时产品所需

的点位就已经清晰地呈现出来了。

而在有了埋点数据之后还需要对埋点进行汇总整理,并对赋值点位参数补全埋点

的参数特征，例如埋点上报哪些字段、字段代表的意义。

再结合运营所需数据对点位进行查缺补漏，一份最终完整的产品点位需求文档就

完成了。

三、点位验证

在研发根据"埋点文档〃进行埋点后，我们还需要保证点位的准确性，否则再完

整的点位也是无用数据，没有任何的参考意义甚至还会造车误导。

在测试对点位进行抓包测试后，产品也需要进行点位的验证验收，最简单的办法

之一：根据功能地图可发现，每个功能页面的入口有一个或多个，次数我们可以

比对入口数据和最终页面进入数据，入口数据相加必然是等于最终页面数据的，

当然是在网络和功能无bug的情况下。

而两者相加如发现不等于实际进入功能的人数，则说明打点有误，需要研发同学

重新重新查找问题源头。

!1!■数据回收

每次数据回收，需要从大到小的就行数据回收，有产品层级至功能页面按钮层级,

如此才能判断每次版本更新优化的效果和作用。

并且需要和前一版本的数据进行对比，功能上线后和上线前的数据进行对比。

1）核心数据信息

•产品下载安装量（新版本数量，旧版本数量）；

•注册用户数（注册率,新版本数量，旧版本数量）；

•活跃用户（日/周/月活跃），新老用户在活跃中的占比；

•留存数据（日/周/月留存）；

•产品效益（日均产生流水，arppu,roi）;

•关键指标（转化游戏用户比例，从成为用户到转化一名新安装玩家的比例）。

2）普通相关数据

•注册：当日下载安装，当日新增注册数量，当日注册转化率；

•留存：整个产品留存，关键功能留存；

•用户关键行为：app活跃用户，叩p新安装用户，叩p活跃用户到达关键行为比例，

app新安装用户到达关键行为比例（当日/周/月）；

•转化漏斗，注册率漏斗，功能点击率漏斗，核心功能完成率漏斗，最终充值消费转

化率率漏斗；

•交互行为，功能访问路径漏斗情况，页面访问路径最多的情况数据，功能页面启动

次数排序；

•用户属性，设备终端占比（型号、品牌、版本等），网和运行分析（网速快慢），

域占比分享，户基础画像分享。

新版本数显

产品下载安装员

旧版本数量

新版本数量

注册用户数

旧版本数量

日/周/月活跃

日均活跃用户

新老用户在活跃中的占比

留存数据日/周/月留存

核心数据点

转化游戏用户比例从成为用户到转化一名灯

当日/信

相关指标

地域占比分享

用户基础画像分享

五.注意事项

在数据分析中，往往会产生很多数据偏差或者假数据，导致数据错误的常见问题

如下：

1.埋点定义不明确，同一个事件可能存在不同的触发方式，例如注册，点击按钮时做

为触发进行上报，也可以在服务端事件注册后才计为触发事件，两个事件本身就存

在很大的偏差。

2.采集方式带来的误差，前端采集一般会有一部分数据丢失，丢失率在5%左右属于

正常范围。