6大步骤：快速学会如何进行数据埋点( 三 )

无需埋点，方便快捷。

缺点：

缺点与可视化埋点相同，未解决个性化自定义获取数据的问题，缺乏数据获取的灵活性；
无埋点采集全量数据，给数据传输和服务器增加压力；
无法采集自定义属性、事件。

本文插图
图3：GrowingIO无埋点部分操作
四、埋点步骤
那么，埋点操作过程又是怎样的呢？一般可以分成以下六个步骤：确定目标/指标、数据采集规划、埋点采集数据、数据评估和数据分析、确定优化方案、如何评估解决方案的效果。
1. 确定目标/指标
为什么要有埋点指标呢，因为产品需要量化，量化了之后才知道产品做得好不好。所以在真正设计埋点之前，就要想好怎么分析这些埋点，只有确定好了分析思路，你才知道需要哪些埋点。
比如，我们发现App每天的日活很高，但是最终完成付款却很少。那么我们的目标就是提高支付转化率，了解为什么用户没有有效支付，是哪一个环节让用户犹豫了。
我们一起看看常见的指标有哪些：

PV（page view）：即页面浏览量，用户每次对页面访问均被记录计数；
UV（unique visitor）：即独立访客，访问您网站的一台电脑客户端为一个访客， 00:00-24:00内相同的客户端只被计算一次；
转化率：只在一个统计周期内，完成转化行为的次数占总数的比率；
活跃度：主要衡量产品的粘性，用户的稳定性以及核心用户的规模，观察产品在线的周期性变化，如日活、月活；
留存率：在统计周期（周/月）内，每日活跃用户数在第N日仍启动该App的用户数占比的平均值。其中N通常取2、3、7、14、30 ，分别对应次日留存率、三日留存率、周留存率、半月留存率和月留存率。

2. 数据采集规划
只有对产品的结构和逻辑足够了解，才知道哪些是需要关注的数据和指标，以及怎样通过对这些指标的监控实现最终的目标，因此这时我们需要将产品功能抽象化、逻辑化和结构化，拆分成具体的逻辑层次。
比如之前图1：支付率漏斗分析的目标，我们需要拆解用户从进入App页面到完成支付的每一个步骤的数据，每一次输入的数据。比如：进入商品详情页（PV/UV）→点击购买（次数） →提交订单（次数） →支付操作（结果返回）等步骤。
在这环节我们可能要输出一份埋点文档，这是埋点需求分析结果的落地方案。不同平台、不同渠道，对于业务需求的不同，所产出的埋点文档结构和埋点方案都不同，接下来以神策平台埋点文档进行大致讲解。