編輯導語：在數據采集過程中，埋點或無埋點都可以走向獲得數據的路徑，只是具體情況應具體分析。本篇文章里，作者就對埋點和無埋點的適用場景以及后續方案提出了他的思考。讓我們一起來看一下吧。

數據采集是實現產品分析、用戶增長等關鍵要素。數據采集常見問題包括業務數據缺漏、導致缺少數據支撐識別業務問題；技術人員和業務人員無法對齊埋點口徑，缺少統一管理。

本文將帶大家了解埋點和無埋點的適用場景、步驟和對應的解決方案，希望對大家有所幫助。

一、埋點和無埋點的優劣勢和適用場景1. 埋點，即采用capture模式，通過寫代碼進行數據采集

其優勢在于采集的數據準確性高，穩定性強，適合對數據進行監控和分析。

當然其劣勢也較明顯。埋點需要跨團隊合作，無法回溯歷史數據，當產品經理疏漏某些埋點時，也就意味著丟失了一部分用戶行為數據。

基于以上對埋點的分析，埋點一般適用于對數據穩定和準確的需求較高、并且需要長期監控和需要設置數據權限的場景。

比如某電商平臺需要分析注冊平臺的用戶的職業、年齡，這些業務屬性就需要通過埋點實現。

2. 無埋點采用record模式，前端自動上報所有數據

從業務角度出發，上報的數據包括誰（who）在什么時候（when）哪個位置（where）用什么方式（how）做了什么（what）。

其優勢在于減少了跨團隊合作，避免了人為對埋點的缺漏，但是無法采集業務數據。比如識別到用戶點擊了下單，但是沒辦法識別到用戶下單的商品內容。

基于以上對無埋點的分析，無埋點一般適用于業務屬性較弱、不需要長期監控、一般采集非核心數據的場景。

比如對于用戶注冊登錄App，到進入首頁的流程轉化，可以通過無埋點輕松實現。

二、埋點和無埋點采集的步驟1. 埋點的步驟

由以上分析得知，埋點的一大劣勢在于需要跨團隊合作，其步驟如下圖：

1）確定場景和目標

確定場景和目標的角色可能是業務方提出，產品經理或數據分析師確認。

比如，數據顯示查看商品詳情頁的人非常多，但是最后下單的人卻非常少，想要了解是這些下單用戶的職業。

2）數據采集規劃

需要數據分析師輸出方案后和業務、技術同事確認。以下圖為埋點方案框架示例：

3）埋點采集數據

開發基于方案采集數據。

4）數據評估和數據分析

數據分析師對收集的數據進行分析，評估數據的完整，判斷是否滿足目標。

5)輸出優化方案

數據分析師基于一輪收集的數據所發現的問題輸出優化方案。當然，技術上可能對發現的bug進行檢測修復。

6）實施優化方案

若是方案問題，則數據分析師需要再次輸出方案，技術進行實施。

7）持續監測評估

在往后的日子，數據分析師需要定時檢測數據，技術檢測技術實現問題。所有的更新均需要有更新記錄存檔。

2. 無埋點的步驟

對比與埋點的步驟，無埋點的步驟中需要參與的角色基本需要技術一方，較好避免了跨團隊合作的成本，所有角色均可以在可視化工具中查到對應的數據，可見下圖：

三、“埋點”+“無埋點”的一站式解決方案1. 為什么要“埋點”+“無埋點”？

基于以上我們對埋點和無埋點的優劣勢和步驟分析，可以得出：

無埋點效率很高，避免多團隊溝通，快速且可涉及范圍廣，不會受系統升級改版和復雜的交互影響。埋點能夠收集更多深入的業務屬性，對業務影響較大。

因此，采用“埋點+無埋點”的方式，一方面能提高效率，快速滿足埋點的廣度，另一方面能夠深入采集，挖掘埋點的深度。

2. 怎么采用“埋點”+“無埋點”解決方案？

解決方案的關鍵在于：找到和場景相匹配的埋點方式。

以一個用戶在外賣平臺點奶茶到最后下單支付的流程為例：

在整個過程中，用戶所觸發的行為事件包括過程型事件（不具備深入的業務屬性），也包括結果型數據（具備一定業務屬性），采用“埋點+無埋點”的方式，能夠將效率發揮到極致，并且也收集到符合廣度和深度的數據。

參考文獻：

1）《數據采集與指標分析》

2）《首席增長官》

本文由@DWz 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于 CC0 協議