埋点事件的结构化设计方法

3 评论 2603 浏览 14 收藏 18 分钟

编辑导语:对于产品来说,用户在你的产品里怎么使用、使用了什么板块、路径等等都是需要从埋点中进行监控;一个科学有效的埋点方式,可以一定程度上提高渠道转化,并且改善产品;本文作者分享了关于埋点事件的结构化设计方法,我们一起来看一下。

一、埋点的坑

近期负责了一款APP的数据相关工作。该APP是一个自制游戏内容产品,上架了很多个独立主题的小游戏,并按游戏的类型,分为5个类型。

为了解整体数据情况,我向数据开发提出了一个数据提取需求:以周为单位,统计最近一年每个类型的游戏累计被打开的次数。

本以为几分钟就可以拿到数据,但开发1个小时后才给我结果;经过详细了解,发现是因为数据埋点存在极大的坑,导致的数据统计效率低下。

埋点需求见下图:

通过这套方案采集到的数据,要实现按类型统计的需求,有2个问题:

  1. 每一个游戏,都单独定义了一个打开游戏事件。也就是说,打开不同的游戏时,触发的是不同的事件;要想统计每个类型的游戏累计打开次数,必须先按事件名逐个统计每个游戏的打开次数。
  2. 只采集了打开某个游戏,但游戏所属分类是没有采集的;要统计每个类型游戏累计被打开的次数,就需要对照游戏信息表,查到每个游戏的所属类型,再按游戏的所属类型,对打开次数做一次累加。

整个数据提取过程如下图所示:

每一个步骤都无法省略,因此,数据提取才耗费了很长的时间。

二、带来的问题

在这个埋点方案中,主要有两个问题:相似行为未做聚类抽象、事件信息采集不完整。

1. 相似行为未做聚类抽象

相似行为是指用户操作过程和目标高度相似的行为,如用户分享一篇文章,有分享给微信好友、分享到朋友圈、分享到微博。

将相似行为都定义为一个个独立的事件,会导致以下2个问题:

  1. 埋点事件数量很多,开发和维护成本高。APP中有1000个游戏,就对应了有1000个打开游戏事件;只要增加新的游戏,对应的埋点代码都需要单独开发,并在表格中进行维护,一旦没有及时维护,或因员工离职时交接不到位,可能导致事件管理出现混乱,如重复事件、无效事件等。
  2. 数据统计和分析效率低下。当需要统计全部游戏的打开次数时,必须要先分别找到每个游戏点击对应的事件,然后逐个统计每个事件的触发次数,再做一次汇总。

聚类抽象是指用一个抽象的主题来概括多个相似信息。如分享给微信好友、分享到朋友圈、分享到微博3个行为,都是在描述用户分享文章的行为,可以聚类抽象为“分享文章”。

将相似行为聚类抽象后,原本1000个游戏的打开事件减少为1个,事件数量大幅度降低;统计全部游戏的打开次数也能一步完成,数据统计和分析效率提升一倍。

2. 事件信息采集不完整

一个用户行为,往往可以从多个维度来描述,每一个描述维度,都是一个信息,这些信息,有些是有分析价值的,有些没有;埋点采集到所有具备分析价值的信息,才是完整采集事件信息。

如果我们在梳理埋点需求时,没有完整采集信息的意识,或考虑不全面,就很容易遗漏,导致相应的分析无法进行。

打开游戏时,所在页面是事件相关的信息,统计用户打开游戏时所在的页面,可以分析不同页面对游戏的引流效果,指导运营工作方向。

若没有采集该信息,就无法统计在某个页面打开游戏的次数。

三、解决方案

很明显,为每个独立的、最小颗粒度的用户行为单独定义一个事件,不是一个好方法。那么,我们应该怎么设计埋点事件呢?

答案是采用“事件-属性-属性值”的结构,对事件进行多维度描述。

结构化是指一个完整的埋点事件,分为事件、属性、属性值三层,包含一个事件定义(用户行为)和若干个属性定义(描述用户行为的属性)。

下图是打开游戏事件的结构化设计案例:

点击游戏图标打开游戏的行为,定义为“打开游戏”事件;该事件有2个属性,分别为“游戏分类、游戏ID”;游戏分类指游戏所属的类型,其属性值为“A、B、C、D、E”;游戏ID是唯一识别游戏的编号,其属性值为“001、002、003···999”。实际使用时,还可以增加更多属性。

游戏ID属性,将相似行为聚类抽象为一个事件,即使有新的游戏上线,也只需要增加一个属性值,事件数量从1000个减少到1个,开发和管理成本大幅度降低。

增加的属性,使采集到的行为信息更完整。通过“游戏分类”属性的值,即可统计每个类型的游戏累计被打开的次数,满足更多数据分析需求。

1. 属性的定义

一个用户行为,通常可以从多个维度进行描述,描述事件的维度,称之为“事件属性”,简称“属性”;每个属性,都有若干个值,为属性值。

用户打开游戏,如果从玩家性别维度描述,分为男、女;从玩家年龄维度描述,有15、16、17、18等,从游戏分类维度描述,分为A类、B类···

“玩家性别、玩家年龄、游戏分类”就是用来描述“打开游戏”事件的属性。

“男、女”是属性“玩家性别”的属性值,“15、16、17”是属性“玩家年龄”的属性值,“A类、B类”是属性“游戏分类”的属性值。

从上一篇文章中,我们已经知道,数据埋点能采集4w1h多个维度的信息。

从不同的维度对事件进行数据分析,要么能指导产品的迭代,获得更高的用户价值;要么能更好地达成业务目标,获得更高的商业价值。

因此,在数据采集时,不仅要采集事件本身,还要采集事件的属性信息。

游戏被打开次数的性别分布,体现了不同性别的用户对该游戏的兴趣高低;如游戏灰度发布的3天内,选取了男女用户各1000人推送内测邀请,其中900个男性用户打开了游戏,而女性用户仅10人,说明该男性用户对该游戏更感兴趣。

为了在尽可能少消耗推送次数的条件下,让该游戏获得更高的打开率,游戏上线时,运营只给男性用户全量推送了游戏。

2. 设计方法

结构化事件设计的关键,是定义好事件、触发机制、属性、属性值类型、属性值5个要点。

1)定义事件

数据埋点是要采集对数据分析有价值的过程数据,因此,需要先根据数据分析需求,找出对应的用户行为,再抽象出事件名。

数据分析需求是目标,确定了目标,才能找到能达成该目标的用户行为;事件名是对该事件的概括,帮助相关同事统一沟通话术和名词定义,提高沟通效率。

需要分析用户打开某个游戏或某类次数、人数,对应的用户行为是用户点击并打开游戏,可以将该行为抽象为“打开游戏”事件,作为内部沟通统一名称。

2)定义触发机制

埋点代码被触发执行的条件,即为触发机制,通常取决于事件的定义和目的。如点击了某个元素、打开了某个页面、展示了某个内容等。

“打开游戏”事件中,打开游戏的定义,是点击游戏图标,并进入游戏界面,事件的目的是要准确记录打开游戏的行为。

因此,当用户通过各种方式(点击游戏图标、点击推送消息、点击进入游戏按钮等)进入游戏界面时,才触发事件。

只有在正确的时机触发埋点事件,才能准确采集用户行为。触发时机错误,必然导致数据不可信,失去分析价值。

若以“点击游戏图标”为“打开游戏”事件的触发机制,就遗漏了其他两种打开游戏的方式带来的行为记录;同时,游戏被点击时,可能未完成下载,此时点击游戏图标,并没有打开游戏,但也被采集为一次打开游戏。

最终无法分析几种打开游戏方式的次数分布,也不能准确评估游戏真实的消费情况。

3)定义属性

梳理事件的属性,主要有两种方法:梳理事件的分析需求、寻找事件内部的分类维度。

梳理事件的分析需求:

不同的事件,分析需求不同,需要采集的事件属性也不同。因此,需要先梳理事件的分析需求,再针对性地寻找能满足该需求的属性。

“打开游戏”事件中,需要分析不同游戏被打开的次数,以验证游戏的受欢迎程度。如果在触发“打开游戏”事件时,采集被打开的游戏ID,在分析该事件时,即可通过“游戏ID”统计不同游戏的打开次数。

寻找事件的分类维度:

事件是对用户行为的抽象,本身还可以从不同的维度来分类,这些分类维度,也可以作为属性来描述事件。

从游戏的获取方式维度,可以将游戏分为付费游戏和免费游戏;为了统计付费游戏和免费游戏的打开次数差异,可以将“是否付费游戏”作为一个属性。

4)明确属性值类型

找到需要的属性后,还需要明确属性的值类型,如枚举型、字符串型、布尔型、数值型。

游戏ID是一串数字,如008,是数值型;游戏分类是可以穷举的选项,是枚举型;是否付费游戏是只有2个选项,是布尔型···

不同类型的属性值,取值来源和储存形式都不同。定义属性值类型,可以帮助相关同事理解埋点需求,并合理使用。

枚举型的属性值,通常是事先穷举的若干个值,存储时通常用数字替代,使用时再转化成真实的内容。

布尔型的属性值,只有2个值,存储内容为0和1。

5)给出属性值

定义好属性值类型后,再根据不同的属性值类型,给出对应的属性值或示例:

  • 枚举型:穷举所有值;
  • 字符串型:给出示例,并约定最大字符长度;
  • 布尔型:给出值名称;
  • 数值型:给出示例,并约定最大字符长度。

属性值或示例是研发编写埋点代码和测试的标准,帮助开发理解埋点需求。

研发不理解业务的前提下,可能都不知道游戏分类是什么,也不清楚有哪些分类。但当他看到穷举出来的属性值时,就能立刻理解。

通过以上五个步骤,即可完成事件的结构化设计。整理成表格后,如下所示:

3. 建议:整理公共属性

在梳理事件属性时,我们会发现有一些属性是大部分事件都需要采集的。如每一个事件都要采集发生时间、用户ID、设备类型、APP版本···

如果每一个事件都需要将这些属性在数据需求文档中列出来,就会带来大量的重复工作;因此,可以将这些属性定义为公共属性,即每个事件都默认需要采集的属性,单独整理在一个表格中。

常见的公共属性见下表:

四、结构化事件设计的价值

1. 减少事件数量,降低成本

采用“事件-属性-属性值”的结构化设计,可以将相似度更高、但有细微差异的多个行为聚类抽象为一个事件,而不同行为之间的差异,通过属性值来区分,从而减少事件数量。

在APP中购买商品时,有5种支付方式;若为每一种支付方式单独定义事件,就需要5个订单支付事件。

而使用结构化设计,只需要一个事件,就能满足需求;原方案中,5个支付订单事件的差异,通过“支付方式”属性来区分。

独立事件的数量越多,开发的工作量越大。通过属性值对多个事件进行合并后,只需要新增属性值,就可以完成埋点,开发和维护的成本就大幅度越低。

2. 提高数据分析效率

在做数据分析时,经常需要对同类型的多种用户行为进行汇总,以了解整体情况。

若为每一个独立用户行为单独定义事件,再需要进行汇总统计时,就会出现前文所述的效率问题;而结构化的事件设计,能指数级降低数据分析效率。

当需要统计最近一年所有游戏的打开次数时,只需要统计“打开游戏”事件一年内累计被触发的次数,而不是先统计每个游戏打开事件被触发的次数,再进行二次汇总。

五、总结

在设计埋点事件时,不应该为每一个独立的、最小颗粒度的用户行为单独定义事件;而应该将同类型的用户行为抽象为一个事件,并从数据分析需求和事件本身的分类方法出发,梳理事件的属性,最后再形成数据埋点需求文档。

结构化的事件设计方法,能有效降低开发和维护成本,提高数据分析效率,是一种更好的事件设计方法。

#专栏作家#

誓博,微信公众号:产品慎思录。人人都是产品经理专栏作家。5年产品经验,电商售后平台后端产品负责人。

本文原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 不错

    回复
  2. 学习了!!!!

    回复
  3. 逻辑清晰,简明易懂,写的很好,受教了

    回复