产品经理整理埋点需求的6个步骤

CrazyPM产品经理社区  阅读数  38  2021-09-13 01:00:07

编辑导语:数据分析在一定程度上可以帮助梳理需求,进而推动业务迭代优化,因而对于产品经理而言,了解与数据分析相关的内容便尤为重要。其中,数据埋点需求应当如何梳理?本篇文章里,作者总结了产品经理整理埋点需求的几大步骤,不妨来看一下。

产品经理整理埋点需求的6个步骤

互联网发展到现在这个阶段,数据驱动已经被很多人认同甚至奉为圭臬,因为有效所以扩散,观察和分析数据是产品岗位的标配了,所以对于一个产品经理来说这是必备技能之一。

从市面上各种数据分析课程和python课程以数据爬取和分析为卖点,数据热潮可见一斑。人重要的是顺势而为,既然市场有需求当然要会。

对数据的使用是分为采集、清洗、存储、提取、挖掘、分析这些部分的,采集、清洗、存储、提取是技术在处理,挖掘和分析一般是数据分析师和产品、运营等在看,各有分工。

但是源头还是需要产品或者运营来梳理,因为技术通常并不知道要采集哪些数据,所以就需要产品提供数据采集说明,也就是埋点需求的说明文档。

那么埋点需求怎么梳理?

第一步,确定公共数据点,主要是用户属性和设备属性。

用户属性和设备属性的样例见下图

产品经理整理埋点需求的6个步骤

公共数据点其实一般来说都是不变的,一旦确定之后很少修改,所以复制粘贴即可。

因为一般不会变化所以在第一次提的时候需要尽可能的提全面,因为如果是后续补充的话历史数据是无法追溯补充的,分析的时候可能就会有维度缺失。

第二步,确定一下产品需求的范围,也就是这次需求优化了哪些地方,把需求涉及到的app端页面全部梳理出来-不分原生或者H5,单列一个表格,每个页面列成一条。

第三步,把页面上涉及到的所有按钮补充到对应页面的下方,也单列一条。譬如一个注册页面,一般会有获取验证码按钮、注册登录按钮,每一个按钮都需要单列一条。如果是二级页面,左上角的返回按钮可列可不列,一般也不重要。

第四步,把数据埋点需求表填充完整。这就是一个填充的过程,不遗漏就行,比较需要关注的是埋点由前端埋点还是后端埋点,这个需要根据情况定一下,一般来说如果仅仅是时间譬如访问和点击这种就做前端埋点,但是需要有结果的,譬如帖子发布成功这种的就做后端埋点。如果不确定可以和技术讨论一下。

埋点需求的样表是这样的,大家可以做个参考。

产品经理整理埋点需求的6个步骤

产品经理整理埋点需求的6个步骤

第五步,埋点需求表理完之后最后需要做一下核对,看一下是不是完整了。怎么核对呢?根据数据统计需求去核对,看一下配套要做的数据统计报表能不能根据这些页面埋点统计到,如果可以的话一般问题不大。如果有遗漏的补充一下。

敲黑板:这是最重要的一步。

校验内容你可以按照以下步骤去做:

1)看一下中英文的命名是不是正确,有没有重复。正确一般不是问题,但是重复这个可能时间长了会有出现,尤其是英文名,毕竟大家英文一般都不6,所以在命名的时候尤其是尤其要注意,取个巧的方法是拿着中文去百度翻译成英文,如果重复换一个或者加001这种以示区分。

2)看事件定义完不完整,够不够清晰,如果是刚开始写的可以拿公司的历史文档去比对,照着改就行。

3)事件触发的时机对不对,如果是按钮的话其实问题不大,就是个点击事件,如果是页面访问一定要写清楚是页面100%加载完成。

4)埋点的前后端区分对不对,这个之前也有讲,如果只是事件本身其实一般做前端埋点,如果还要统计结果,譬如提交内容成功这种的就需要做后端埋点。

5)属性定义完不完整,属性会包含很多东西,譬如类型、渠道之类的,会有多个,在这个时候一定要看一下是不是全部包含了,漏掉的话在统计的时候就会有问题,虽然技术后面可能还会来确认,但是少让技术问比较好,人设靠谱。

第六步,给技术看一下,看看是不是有哪些地方需要进一步细化说明,针对性地做补充说明。这个步骤一般就是细节没讲清楚,譬如页面访问,那么什么情况下定义为一次访问,需要说明这个页面100%加载成功了才算一次访问。

埋点需求交付以后技术会排期开发,开发完之后的验收也是一个比较重要的环节,根据我们的经验埋点通常会有遗漏或者采集不完整、采集不准确的情况。

那么埋点数据怎么验收呢?

如果你有技术背景,那么就去看操作之后相应的数据字段有没有入库;如果没有技术背景那么就去看统计报表上会不会反应出来。譬如你打开一个页面,就去看一下统计报表上这个页面的访问人数和访问次数有没有+1。

埋点验收是需要一个一个页面、一个一个操作看过去的,所以可以结合页面验收一起做。

那么验收了之后就没有问题了吗?

不是的,实际上我认为即便是做了验收,也无法彻底解决数据不准确的问题,因为会有数据污染的问题,单次验收仅仅只是个例,而数据污染可能是个普遍性的问题。

从实践经验来看也是这样,大部分小厂都无法解决数据的准确性问题,数据污染问题比较严重,如果是大厂那么就会相对好很多。

数据污染产生的原因比较复杂,可能的原因是采集的时候就不对,或者提需求的时候不够准确。大概率会需要一个逐渐修复的过程,而且是一个相对长期的过程。所以如果发现数据不准确的话不要慌,一点点修复就行。说实话其实急也没用,这种就是需要花时间做的东西,表面看不到的才更花功夫。

另外,如果说技术部门愿意做全埋点的话就不需要产品额外提数据需求,如果是这样,那么必须感谢他们,因为他们为你保留了更多的头发,不至于秃的那么快,头发就是生命啊。

最后说一下并不是所有的公司都需要自己做数据这块的,如果公司的业务还处在比较早期的阶段,那么使用神策、Growing IO这些三方数据公司的产品也是一个比较好的选择。毕竟这东西做起来耗时耗力,如果不准的话头会很痛。

以上是对数据埋点方面的分享,下回分享一下数据统计报表方面的内容,算是做个衔接。

 

本文由 @代号道长 原创发布于CRAZYPM产品经理社区。未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

 

赞助商推荐:GeekData是新一代用户行为分析与数据智能平台,支持用户数据分析运营数据分析留存分析路径分析漏斗分析用户画像SEM数据分析等16种分析模型的数据分析产品,支持网站统计网站分析APP统计APP分析等分析工具,以及会员营销系统A/B测试工具等数据智能应用,支持SAAS和私有化部署,提升用户留存和转化率,实现数据驱动增长!

 

【独家稿件及免责声明】本站原创文章如需转载请联系我们,未经书面许可禁止转载,本站转载文章著作权归原作者所有,如有侵权请通过邮箱editor@kaifou.com联系我们。

增长工具