埋点

• 实现分类

  前端埋点	优点	缺点
  代码埋点	强灵活性	需要开发 旧版本无数据
  可视化埋点	无需研发参与	只支持客户端 不能自定义数据
  全埋点	成本低	数据量大 不能自定义数据
  后端埋点	优点	缺点
  ---	---	---
  代码埋点	强灵活性	需要开发
  模块化埋点	方便布置	适应性差
  全埋点	全知	数据量大

  • 日志埋点

• 常见事件

  • 前端
    • 点击事件
    • 曝光事件
    • 页面停留时长
  • 后端
    • 请求前
    • 请求中
    • 请求后

• 数据分类

  • 业务分析
    • 建立漏斗转化模型
      • 业务转化
      • 访问路径
  • 功能分析
    • 功能受欢迎程度
  • 用户信息
    • 建立用户画像

• 埋点文档

  • 

• 架构

  • 数据采集
    • 客户端采集
    • 服务器采集
    • 业务系统
    • 第三方渠道
  • 数据治理
    • ETL
    • 实时ID mapping
    • 元数据管理
    • 数据质量管理: 数据校验, 实时导入监控，异常报警，debug数据查询，用户关联校验，数据质量看板
  • 数据仓库
    • 数据模型：Event, User, Item内容
    • 实时导入系统
    • 存储引擎、查询引擎
  • 数据智能
    • 特征工程
    • 特征选择
    • 模型训练: 深度学习, 自然语言处理，时序预测，GBDT/LR, AutoML
    • 模型可视化
    • 在线服务

• 工具

  • 采集: SDK(JS, Android, iOS, 小程序，服务端，全埋点), ID Mapping, 归因链路
  • 实施工具: 事件管理，变量管理，命名工具，埋点SLA配置, 预警配置，session管理，生命周期管理，tag管理，测试工具，ABTest工具
  • 分析工具: 事件分析，漏斗分析，分布分析，留存分析，数据看板，热图分析，归因分析，自定义SQL查询, API管理，广告和活动效果监测

• 实现方式

  • 代码埋点
  • 全埋点、可视化全埋点（圈选）

• 规范

  • 结构与命名清晰
  • 方便历史版本对比
  • 每个埋点数据质量负责到人（开发、测试、数据负责人）
  • 数据统一管理
  • 尽量用工具自动化

• 框架