数据基础建设·埋点

一、从0到1数据驱动四步进阶法

从业务的角度来讲，数据分析从理念到落地主要分为四个阶段，分别为：有数据、看数据、分析数据、应用数数据。

1、有数据。企业数据的多少、类型等与它可实现的价值存在巨大的弹性发挥空间，需要结合业务实际情况综合考量。

2、看数据。看数据主要是看数据与业务的关联，并为释放价值铺路。

3、分析数据。企业通过分析数据来定位问题和机会点，并在该过程中找到解决方案的启示和方向。

4、应用数据。该阶段的数据分析与业务紧密结合，如个性化推荐、精准营销、产品迭代等。

二、要什么数据？怎么采集数据？

数据基础建设不可忽视。数据基础时数据应用的地基，如果地基不稳，其上面的建筑根本无比搭建。

采集的数据类型及优先级，不同量级以及类型的数据所蕴含的价值释放空间有很大差别，企业需要结合实际业务需求评估数据采集的优先级与内在逻辑。

结合用户行为分析的逻辑。第一步会聚焦ID-Mapping的打通；第二步进行端内的通用数据和主流程数据采集，收集核心关联的用户数据；第三步采集细颗粒度及更丰富维度的业务数据，最终是行为数据、业务数据、用户数据形成一个可运转的机制，扩大数据本身的协同效应，为不同类型数据的价值划分。

三、埋点是什么？

为了满足快捷、高效、丰富的数据应用而做的行为过程及结果的数据上报。采集逻辑，基本上可以通过“4W+1H”模型概括，如下图：

四、不同埋点方式特点总结

常见的埋点方式有全埋点、代码埋点（前端/后端）、可视化全埋点，下面从实现平台、优劣势、使用建议、最佳案例等维度对比分析不同的埋点类型，如下图：

五、埋点需求设计的整体框架

埋点需求设计是一个复杂的系统过程。不同量级和行业的企业的埋点需求设计差异较大，但整体可以抽象为三个层面的埋点需求设计：

1、通用基础事件：能通用解决则不单独埋点；

2、重要点击事件：单独梳理，统一上报，确保采集的可用性；

3、各业务主流程：剩余核心业务流程等具备丰富的特定属性独立事件；

六、数据生产到应用全流程

数据从生产到应用的全流程，包含需求产生与评估、埋点开发测试、数据应用等，可简单概括为下图：

在这个过程中，企业需求制定顶层业务规范并持续迭代，促进业务线规范及流程的培训、推广及经验共享同事，数据产品/UE/分析师集技术对接人，需确保业务线/项目数据接入符合规范，保证数据质量。

整体上，从核心岗位的资源投入而言，平均单条业务线需要1.5个人力。同时，企业要做好数据规范，数据产品/UE/分析师并不仅要完成数据分析的工作，还要站在业务线数据体系和数据应用负责人的角度，从买点实施与迭代、文档规整维护、系统更新维护、应用交付和支持四大方面整体贯穿并掌握数据应用规范。如下图：

七、数据基础建设在实际项目中的运用

在电商网站里进行商品推荐，可以提高整个网站商品销售的有效转化率，增加商品销量。 通过用户已经浏览、收藏、购买的记录，更精准的理解用户需求，对用户进行聚类、打标签，推荐用户感兴趣的网店，帮助用户快速找到需要的网店，适时放大需求，售卖更多的网店。 甚至在站外推广时，能够做个性化营销。常规推荐是指平台选择一些固定网店放在推荐位，个性化推荐指基于用户购物习惯，根据网店特性及用户行为偏好来进行推荐。

为了方便后期做商品的智能推荐，因此需要先搭建用户标签，及涉及到的相关数据进行埋点收集。下面是最近制作的关于我司网站搭建用户标签体系的数据梳理，如下：（下图实际项目已做脱敏处理）

八、总结

有效的数据分析不是一朝一夕的事情，企业要从有数据到看数据到数据分析再到应用数据逐步进阶的体系中，此采用小步快跑的方式，在有限的数据中将业务价值释放出来，然后再逐步完善数据系统，构建一个完善的螺旋式上升机制。

数据基础建设参考资料：

《Tracking（埋点）》https://blog.csdn.net/c_air_c/article/details/100095970

《浅谈智能推荐思路》https://wenku.baidu.com/view/59468b3056270722192e453610661ed9ad51553b.html

《机器学习】欧几里德距离和皮尔逊相关系数》https://blog.csdn.net/g616265424/article/details/78584066