编辑导语：在数据采集过程中，埋点或无埋点都可以走向获得数据的路径，只是具体情况应具体分析。本篇文章里，作者就对埋点和无埋点的适用场景以及后续方案提出了他的思考。让我们一起来看一下吧。

数据采集是实现产品分析、用户增长等关键要素。数据采集常见问题包括业务数据缺漏、导致缺少数据支撑识别业务问题；技术人员和业务人员无法对齐埋点口径，缺少统一管理。

本文将带大家了解埋点和无埋点的适用场景、步骤和对应的解决方案，希望对大家有所帮助。

一、埋点和无埋点的优劣势和适用场景

1. 埋点，即采用capture模式，通过写代码进行数据采集

其优势在于采集的数据准确性高，稳定性强，适合对数据进行监控和分析。

当然其劣势也较明显。埋点需要跨团队合作，无法回溯历史数据，当产品经理疏漏某些埋点时，也就意味着丢失了一部分用户行为数据。

基于以上对埋点的分析，埋点一般适用于对数据稳定和准确的需求较高、并且需要长期监控和需要设置数据权限的场景。

比如某电商平台需要分析注册平台的用户的职业、年龄，这些业务属性就需要通过埋点实现。

2. 无埋点采用record模式，前端自动上报所有数据

从业务角度出发，上报的数据包括谁（who）在什么时候（when）哪个位置（where）用什么方式（how）做了什么（what）。

其优势在于减少了跨团队合作，避免了人为对埋点的缺漏，但是无法采集业务数据。比如识别到用户点击了下单，但是没办法识别到用户下单的商品内容。

基于以上对无埋点的分析，无埋点一般适用于业务属性较弱、不需要长期监控、一般采集非核心数据的场景。

比如对于用户注册登录App，到进入首页的流程转化，可以通过无埋点轻松实现。

二、埋点和无埋点采集的步骤

1. 埋点的步骤

由以上分析得知，埋点的一大劣势在于需要跨团队合作，其步骤如下图：

1）确定场景和目标

确定场景和目标的角色可能是业务方提出，产品经理或数据分析师确认。

比如，数据显示查看商品详情页的人非常多，但是最后下单的人却非常少，想要了解是这些下单用户的职业。

2）数据采集规划

需要数据分析师输出方案后和业务、技术同事确认。以下图为埋点方案框架示例：

3）埋点采集数据

开发基于方案采集数据。

4）数据评估和数据分析

数据分析师对收集的数据进行分析，评估数据的完整，判断是否满足目标。

5)输出优化方案

数据分析师基于一轮收集的数据所发现的问题输出优化方案。当然，技术上可能对发现的bug进行检测修复。

6）实施优化方案

若是方案问题，则数据分析师需要再次输出方案，技术进行实施。

7）持续监测评估

在往后的日子，数据分析师需要定时检测数据，技术检测技术实现问题。所有的更新均需要有更新记录存档。

2. 无埋点的步骤

对比与埋点的步骤，无埋点的步骤中需要参与的角色基本需要技术一方，较好避免了跨团队合作的成本，所有角色均可以在可视化工具中查到对应的数据，可见下图：

三、“埋点”+“无埋点”的一站式解决方案

1. 为什么要“埋点”+“无埋点”？

基于以上我们对埋点和无埋点的优劣势和步骤分析，可以得出：

• 无埋点效率很高，避免多团队沟通，快速且可涉及范围广，不会受系统升级改版和复杂的交互影响。
• 埋点能够收集更多深入的业务属性，对业务影响较大。

因此，采用“埋点+无埋点”的方式，一方面能提高效率，快速满足埋点的广度，另一方面能够深入采集，挖掘埋点的深度。

2. 怎么采用“埋点”+“无埋点”解决方案？

解决方案的关键在于：找到和场景相匹配的埋点方式。

以一个用户在外卖平台点奶茶到最后下单支付的流程为例：

在整个过程中，用户所触发的行为事件包括过程型事件（不具备深入的业务属性），也包括结果型数据（具备一定业务属性），采用“埋点+无埋点”的方式，能够将效率发挥到极致，并且也收集到符合广度和深度的数据。

参考文献：

1）《数据采集与指标分析》

2）《首席增长官》

本文由@DWz 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议