|
zi%Ql|zI~ 数据埋点原理 %[B^b)2 数据埋点,对于产品迭代而言,有很重要的指向意义。 ur\<NApT; 数据分析是我们获得需求的来源之一,通过对数据的比对,对数据趋势的分析,能让我们发现哪些环节存在问题,哪些环节有提高空间。同时,数据分析也是检验功能是否有效,是否受欢迎的重要佐证。 >UNx<=ry 非常的直观,以一种数据的形式呈现出来,而这些数据有大部分都来自于对数据的埋点。学习数据埋点,首先认识一下他的实现原理。 Q?xA))0 ?`hA :X< 以APP举例,我们可以简单的分为四个层级,表层是UI层,底层是数据表和日志。(必要时,我们可以将层级分的更加清晰。) h(C@IIO^;G 数据埋点的发生场景便是在表层-UI层里,其作用是监控用户在UI层产生的行为。也就是用户对界面的操作。 V$0mcwH 数据埋点其实无法统计有多少用户发布了朋友圈,但可以统计有多少用户点击了朋友圈的发布按钮,以及有多少用户在朋友圈发布页点击了确认发布的按钮。 P_}wjz}9ZX 基础认识 4Dy|YH$>S 数据埋点我们可以分成两类,其一是页面统计,其二是行为统计。 x/NjdK 页面统计 i/|}#yw8A 页面统计可以帮我们知晓某个页面被多少人访问了多少次。 r:3h2J[_ 其本质是监控页面加载的行为,尽管此时用户并没有对UI产生行为,但却是由上一个点击行为触发的一个结果。除了访问的人数与次数,也可以监控到用户在某个页面停留的时长,部分产品希望用户在某个页面停留的时间越长越好。 Y#[xX2z9 追求停留时间的产品,典型的便是信息流产品。这表示用户正在持续的进行阅读,停留的时间越长,表示内容对用户的吸引力越高,这样才能产生持续的阅读行为。 m941 Y (诸如微博,朋友圈等以短信息为主要内容的信息流,长信息会更加侧重跳转详情页的数值) WYJH+"@%j 行为统计 )s N}ClgJ 行为统计是指用户在界面上的操作行为,应用最为广泛的便是按钮的点击次数。 V9Pw\K!w#\ WA((>Daf] 其实,通过数据埋点捕捉到的数据,有三层,第一层是基础层,比较通用的数据,像是日活,新增,第二层是页面访问,第三层就是行为统计,名词上来讲通常被称为“事件统计” Nnx dO0X 通过对UI界面响应事件的捕捉,我们能够得知某个按钮的点击数及对应的点击率。 n{$! ]^> 基础应用知识 C&HN#Q_ 数据分析是很一门很复杂的学科,对于PM而言,是一个重要的需求源,而我们用来分析数据采用的方法,也非常的多,并且复杂的分析方法,可以复杂到让我们怀疑人生~~这里结合文章提到的内容,给大家做个应用分享,属于简单的分析方法。 \r1nMw 3& UMUG~P&@ 页面统计–页面访问率 G,!{Q''w APP里,有的页面是存在唯一的主次关系,意思是B页面仅能从A页面进入。 I9Lt>* 此时,我们结合两个页面的访问数值,就能得到A页面到B页面的转化率。并以此判断两个页面是否存在可优化空间。 'pj*6t1~ 数据里所隐藏的优化空间,往往是存在多种可能性的。 MFeY}_d< 实例 otA'+4\ !mH
!W5& A页面与B页面具备唯一主次关系, B页面仅能从A页面跳转进入,(如:微信的,某人的相册,仅能从个人资料进入) w"{mDL}c 若 A页面访问人数为100人,B页面访问人数只有10人。 [>D5(O 分析结果就有两种可能性: :Z%-&)F (1)A页面转化部分设计有问题,就像文章的阅读数和标题息息相关,我们可能需要优化入口的设计。 Pj8W]SA_ (2)B页面留存有问题,无法让用户产生二次访问行为,以及无法让用户形成更高频率的访问。 }2h! 此概念类似于“复购率”和“复购频次” 对于 有多个入口的页面,页面路径的分析方法就没有作用了,此时,我们就需要借助行为统计。 s}q tM.^W Fe1XczB “行为统计–页面访问率” 一些基础的功能,往往被多个页面应用,也能通过两个以上的页面进入,也就是我们所熟知的“多个入口”的概念。 ZiW&*nN?M
此时,我们可以借助 指定入口页的访问人数,入口按钮的点击人数,来判断该页面的转化率。页面可以通过ACD三个页面点击对应按钮进入,我们想要知道A页面到B页面的转化率是多少。若A页面访问人数是100,按钮点击人数是30,B页面访问人数是40,问题就变成了,在A页面点击按钮的点击率,其分析价值与页面访问率相同。 n|fKwWB\ 第二种分析方法,更多的是侧重对入口所在页的分析,通常提到的转化率,也是指类似的分析方法。 6t=)1T 对于第二种方法,比较典型的是广告转化率提升的设计方法。 ^P|Zze
zwU 此类型产品,几乎不考虑“复购”问题,其追求的目标是最大限度,在不影响原有用户体验的基础之上,提高用户点击广告的几率。 !&},h= 与之对应的产品设计方法,更多的在于视觉的设计,类似加粗,图片,特殊形状,诱惑性的文案等。 5[LDG/{Tys 建议 os n ,kD* 数据相关的知识非常庞大,足以支撑一个独立的职位(数据分析师,数据型产品经理)。文中所提到的都是基础的分析方法,并且还不全面。数据是产品经理的一个重要的需求源,在我们成长的过程中,如何利用数据,如何挖掘数据,如何分析数据都是必须经历的阶段。 %mAwK<MY` 其作用,远不止第三方平台直接呈现的部分,诸如各个数据每日对比,可以得到趋势,借助趋势,也能进行预判。可以说第三方所呈现出来的结果性数据,只是冰山一角。尝试去分析数据吧,然后驾驭数据,做一位理性的产品经理。 cHC1l
|