數據埋點：前端頁面PV/UV的觸發(fā)和交互

數據埋點是數據分析的基礎，依據埋點數據中我們可以開展數據清洗、數據歸因、分析模型、AB測試等工作。

如今數據分析可以說是當前最熱門的技能了，不管是產品、運營還是設計都可以明顯感知到各大平臺、公眾號都在使勁的推送。各種9.9秒殺課程、1元限時體驗。

這說明了數據分析確實是一個大家都需要掌握的趨勢，但是我們不能忽視數據的生命周期（數據的誕生和沉寂），這次聊下數據的誕生：前端埋點。

一、什么是埋點？

埋點我們可以理解成一個收費站，用戶的行為就像開著車在高速路上跑。在沒有做埋點的時候，我們只能知道有人在高速路上跑，但是用戶跑的那條高速路，經過了哪些地方，在高速路上遇見了什么問題我們都不知道。

而做了埋點之后，就像我們在高速路上修建收費站。用戶只要途徑收費站，那么我們都會知曉，這就是埋點。而埋點數據則是用戶在經過收費站時，我們要想知道的關于用戶的信息。

除此之外我們也常說埋點我們要分代碼埋點、可視化埋點和全量埋點，那么他們有什么區(qū)別？

1. 代碼埋點

我們請了一個施工隊，這個施工隊聽你的指揮，并根據你在高速路上指定的位置建造收費站，這種都是一磚一瓦的施工：

• 優(yōu)點：可控性高，滿足所有的需求；
• 缺點：研發(fā)成本、設計成本高。

2. 可視化埋點

我們將需要建造的收費站進行模具化，只需要到指定位置放置模具，對模具直接澆灌水泥，收費站就直接成型。

• 優(yōu)點：操作方面，布置快捷；
• 缺點：適應性差，緯度匹配度因“路”而異。

3. 全量埋點

直接組裝衛(wèi)星發(fā)射到天上，實時監(jiān)控高速路上的用戶行為。

• 優(yōu)點：用戶的一舉一動我們都知曉；
• 缺點：數據傳輸量大，數據需要二次清洗，占用大量實時資源進行數據傳輸。

二、埋點類型

埋點我喜歡分為前端埋點和后端埋點。前端埋點指的是可視化頁面上的埋點，只要是有可視化操作頁面我們都可以看作是可以進行前端埋點。

后端埋點，指的是在用戶看不見也摸不到的后端服務里進行埋點，比如訂單的生成、額的計算、條件的觸發(fā)等。

在前端埋點中，我們主要關注用戶行為。用戶在頁面上瀏覽了什么、點擊了什么。這樣我們可以很好的了解頁面內容對于用戶感官的影響。

而后端埋點更加看重業(yè)務和邏輯，在用戶發(fā)起行為交互后，對交互數據進行記錄。例如：搜索的內容是什么,搜索到的結果怎么樣等，由此得到數據后，我們可以更好優(yōu)化“策略”。

三、前端埋點：自動觸發(fā)式

1. PV

前端埋點我們常用的就是PV/UV（Page View / User View；頁面瀏覽量 / 用戶瀏覽量）。他們兩個區(qū)別在于，PV（頁面瀏覽量）關注的是頁面被瀏覽的次數，打開一次計算一次。

UV（用戶瀏覽量）關注的是瀏覽用戶的數量，記錄打開瀏覽的用戶數量。了解上面PV/UV的最基本認知之后，我們來討論如何做好PV/UV的記錄？

我們常識中PV/UV就只是給技術提埋點數據需求（文檔、口頭）就完了，其實我們在提PV埋點的時候有很多細節(jié)。

一般頁面會存在生命周期，這種生命周期常見有4個階段，以VUE（國內用的比較多的前端研發(fā)框架）為例分別是：創(chuàng)建、加載、更新、銷毀，這4個階段分別代表著用戶在點擊打開瀏覽網頁到點擊關閉退出網頁。

正常情況下用戶進入頁面，先渲染一些簡單的樣式（html和css），隨后便進行數據的加載更新，最后用戶點擊關閉退出頁面，如果我們再細分可以分為創(chuàng)建前、創(chuàng)建后、載入前、載入后、更新前、更新后、銷毀前、銷毀后。

在我們進行PV/UV埋點的時候，就算相同的一個緯度（PV/UV）選擇不同的階段進行埋點，得到的結果也會不一樣。正常情況下，技術喜歡把埋點做在加載，更新這2個階段。這樣需要用戶基本完整的看見也看才進行埋點數據的存儲（才會觸發(fā)埋點）。

但是在特殊情況下，有些用戶網絡情況不佳，半天都加載不出頁面，遇見我們常說的白屏，這樣PV的觸發(fā)將會有不可控性。

因為我們很難知道因為網絡的問題，他到底觸沒觸發(fā)我們的埋點。所以在這樣的情況下，我們可以將PV的觸發(fā)放在“創(chuàng)建”這個位置，當頁面創(chuàng)建成功機會進行埋點數據的觸發(fā)。

下面是pv埋在不同階段會有不同的特點，但是常態(tài)下我們都還是選擇放在更新這個階段：這只是依據頁面的生命周期的鉤子（頁面運行時，前端代碼加載的先后順序）進行說明?？赡艽嬖谡`差，有需要的可以自行去百度vue生命周期。

2. UV

UV和PV埋點的方式相同，唯一不同的地方就是UV需要在PV的基礎上通過唯一標示進行篩選。統計有多少個唯一標示而得UV的數量，一般我們常見的唯一標示如下：

1. 手機號：用戶登錄頁面后依據他綁定的手機號來進行統計，但是如果用戶未登錄將無法統計；

2. cookie：通過用戶瀏覽器上的cookie作為唯一標示，但因為cookie是存在用戶瀏覽器中容易被修改；

3. localStorage：通過在瀏覽器在本地存儲一個長期唯一標示，但是可以手動清理；

4. IP:通過訪問頁面ip地址進行區(qū)分，如果ip變更將另行計算；

5. seesionStorae：通過存在服務器的信息進行表示，有實效性。

這5個就是我們常用作為UV唯一標示的，他們推薦使用的優(yōu)先級手機>ip>local>cookie>seesion。

推薦使用手機號是因為，當我們擁有自己的賬戶體系的時候，使用手機號作為標示這樣可以更好的和我們自身數據進行關聯。但這樣面臨的問題將是需要用戶進行登錄，在一些宣傳h5頁面上，使用登錄將顯得格外繁瑣，因此衍生出使用ip作為唯一標示。

ip我們大家都知道，會跟著你的網絡變化而變化，那么按道理也是不準的，為什么反而在local前面了（local：網站在瀏覽器本地存的一個信息，具有唯一性，能手動清理，清理后生成的將不再是原來的）？

因為local雖好，但因為大部分手機瀏覽器不支持，或者是部分支持這樣數據采集又會不全，所以退而求次使用ip。

四、擴展

在大多數情況下，大部分公司都沒健全的數據埋點體系，有個pv和uv就不錯了。面對這樣情況我們就去深挖他們的價值，通過對他們的簡單應用，實現對我們大膽猜測的依據。

1. 轉化率

通過代碼埋點或是全量埋點，將關鍵業(yè)務涉及頁面進行埋點覆蓋，使用下個頁面pv/uv量除上個頁面pv/uv量我們就可以得出頁面之間的轉化率。

比如：有ab兩個頁面，點擊a頁面才會進入b頁面?，F有100個pv/uv被a頁面進行統計，當在b頁面時統計時候，出現了120個pv/uv，將這120個pv/uv與a頁面的進行對比，出現有90個pv/uv相互重復（交集），最后用b頁面相互重復的90個pv/uv除以a頁面這100pv/uv，得出他們之間的轉化率為90%（90/100=0.9）。

2. 停留時間

如果只是pv/uv其實應用面會很少，那么我們就需要在頁面的四個階段中做其他的類似pv/uv的埋點，只不過是用戶記錄時間。

當頁面創(chuàng)建（用戶訪問網站或頁面）時，我們可以將出發(fā)pv/uv的時間進行存儲。而當用戶正常離開頁面時，我們再次記錄時間，后者減去前者我們就得到了停留時間。

但是需要我們注意的是，用戶很少按照我們設計的流程執(zhí)行。在app中會出現用戶直接退出整個應用，這樣會讓數據存在差異。也有用戶使用app將頁面常掛手機后臺，這樣數據也會出現差異。

同時在小程序（微信小程序）上使用停留時間的埋點，會因為微信小程序的特性無法關閉，后臺執(zhí)行出現差異。所以我們要警惕那些差異性很大的數據，將他們剔除，放置在其他數據中將是一個好方法。

五、前端埋點：互動式

除了依據用戶瀏覽行為進行自動式觸發(fā)的埋點（不絕對）pv/uv外，我們還有一種埋點方式需要用戶參與互動。

常見的是用戶進行按鈕的點擊和頁面的滑動。我們通過對按鈕計數（pv）和去重（uv），這樣我們可以了解這個功能按鈕的使用情況，這樣也就能夠支撐我們進行一些小功能簡單的ab測試。

又或者我們與用戶的滑動行為結合起來埋點。技術可以通過監(jiān)聽用戶滑動位置，來決定是否觸發(fā)埋點，這也是我們常說的曝光埋點。

曝光埋點：這種埋點一般常用戶商品、內容的推薦上。當我們設置推薦的商品或內容在首屏上時，同時用戶首次進入頁面，那我們可以根據自身業(yè)務選擇使用pv或uv做作他們的曝光量，但是這僅限固定商品和內容。

這樣對于多個商品進行輪播曝光時，會因為商品的輪播機制難以確認單個商品的曝光量，所以一般我們在對于多個商品進行輪播曝光時，暫時都只統計這個輪播模塊的曝光量。

而對于模塊中的商品我們常用曝光轉化率來看。計算方式有點像輪播圖的計算方式，單個商品點擊量（按鈕pv/uv）/整體模塊曝光量（pv/uv）= 單個商品的轉化率。

這種使用頁面的pv/uv來作為計算模塊和商品曝光量的方式，僅限在首屏上固定曝光的模塊。如果計算曝光量的模塊或商品不在首屏上，那么我們使用這樣的方式是不科學、不可取的。

我們就需要結合用戶的滑動屏幕來觸發(fā)曝光埋點，當用戶滑動到什么位置，就可以看見這個模塊時，我們才在看見模塊的同時觸發(fā)埋點。

這個時候，我們可以考慮是使用觸發(fā)次數（pv）還是觸發(fā)人次（uv）來進行計算。

六、前端埋點：自動觸發(fā)式+互動式

埋點的觸發(fā)和互動，數據的次數和人次（pv/uv）基本上算前端埋點的兩個核心，將他們兩個結合起來，我們可以擴展很多的分析維度，比如我們常用的購買路徑分析、跳出率等。

這里我只是簡單的講了我們單純埋個點，每次觸發(fā)只是記錄用戶信息和次數。其實我們還可以記錄商品信息，這樣我們可以觀察什么商品更受喜歡。記錄金額，可以了解什么價位更符合用戶預期等。

文章到這里就暫時結束，后面有機會我再和大家談一談后端埋點，喜歡的小伙伴可持續(xù)關注我們的公眾號。

最后也歡迎有問題的小伙伴加微信：chanpin628?溝通交流。

此外我們的官方網站也上線了，每日分享高質量的文章、原型素材和行業(yè)報告，小伙伴可自行前往索取，支持搜索，需要的小伙伴可點擊底部的閱讀原文直接查看，或者復制網址：www.dadaghp.com?打開。

更多干貨可關注微信公眾號：產品劉

想學習更多關于產品、職場、心理、認知等干貨，可長按右邊二維碼，關注我們。

··················END··················

RECOMMEND

推薦閱讀

分享一個關于跨境電商的競品分析報告

B端產品經理如何更好的了解需求？

線下實戰(zhàn)2.0

學歷重要嘛？

點擊“閱讀原文”

查看更多干貨