01
场景引入
在早期浏览网站的时候，通常会有一个数据统计显示”您是本站的第x位访问者，网站访问人数累计x万人，当前在线x人。”其实这也是最早关于数据统计的一个例子，后面也经历了很多的演进、发展。
（1）1998年左右，网站通常采用最原始的方式，写个网站的脚本来跑服务器日志，记录每天有多少人访问；
（2）2005年出现了一个标准性的工具，CNZZ/GA（谷歌分析的简称），将其代码带入网站就可以统计人数以及一些其他指标；
（3）2010年，出现友盟，开始移动端埋点；
（4）2015年，基于大数据开始对用户行为进行分析。
可以看到，这整个演进最终回归到用户的角度，而进行产品设计的时候最终落脚点其实也是用户，通过对用户的分析能更好地指明后续迭代的方向。
02
埋点介绍
我们先回到最初的概念，如果想知道访问人数、访问时间，开发人员就需要埋点，那埋点是什么呢？
数据埋点是手机端、网页端比较常见的数据采集技术，中文把他取名为埋点，可以理解为在APP、或者网页上埋了一个又一个的点，把这些点想象成摄像头，用来记录你想要的数据。然后利用采集到的数据进行后面的数据分析。
埋点里采集到的用户行为数据，可以跟踪用户的使用情况，通常会从4W的维度来跟踪用户的行为：
Who（你的ID、某唯一标识）、when（用户什么时间访问的、停留时间）、where（用户关注哪个页面/功能，IP属地是哪）、what（用户的行为，点赞、评论、电商里经常有的加入购物车、购买）
数据埋点在开发环节一般来说有两种方式：
（1）自己研发，注入代码：这个适合有技术研发能力的公司，可以不受限制，采集需要的数据，开发成本高；
（2）直接使用第三方统计工具：优点是不需要自己研发，节约成本，但采集的数据有限，很难自由发挥。
03
埋点类型
一、前端埋点
前端埋点主要指可视化页面上的埋点，只要是有可视化操作页面我们都可以看作是可以进行前端埋点。以携程APP为例，它提供了买票、订酒店等等一系列功能，开发者需要了解哪一个功能的点击量最高，就会对它的数据进行一个采集，这就是可视化的界面。
二、后端埋点
后端埋点就是在用户看不见也摸不着的后端服务里进行埋点，后端埋点更看重的是业务与逻辑，比如订单的生成、额的计算、条件的触发等等。
04
数据分析名词
在进行埋点之后，我们会得到一些数据，一起来看看最常用的分析名词。
● 浏览次数 (PV)
用户每打开1个网站页面，记录1个PV。用户多次打开同一页面PV累计多次
● 独立访客(UV)
1天(00:00-24:00)之内，访问网站的不重复用户数(以浏览器cookie为依据)一天内同一访客多次访问网站只被计算1次。
● IP
1天 (00:00-24:00)之内，访问网站的不重复IP数。一天内相同IP地址多次访问网站只被计算1次。
● 新独立访客
当日的独立访客中，历史上首次访问网站的访客为新独立访客。
● 访问时长
访问(会话)中最后1个页面的打开时间与访问开始时间之差。体现网站对访客的吸引程度。
除了上述名词外还会有其他的数据，比如人均浏览页数、平均访问深度、平均访问时长、浏览次数占比，都可以通过一些数据进行采集或者计算得到。
05
案例分享
一、某企业网站案例
下图是对于某企业的官方网站的访问信息统计图，网站除了新闻和企业简介之外，还重点介绍产品、行业解决方案。客户的诉求是需要了解用户更加关注哪些部分，然后采取对应的营销措施。
● 第一个板块是中文站访问分布，可以清楚了解访问者的IP属地，除了湖北之外哪些地区的访问量更高，通过这个占比可以指导其是否要成立华南、华北销售部等等；
● 第二个板块是热门访问排行，比如其产品的TOP5分别是哪些，新产品投放后有没有效果，其搜索度是否上升等等；
● 第三个板块是用户流量分析，可以查看用户的访问渠道，以及新老用户的占比等等；
● 第四个板块是详细的PV、UV、IP3个指标的趋势，以月或者日为维度；
● 第五个板块是内容运营，包括内容更新频率，是否在维护网站等等。之所以放一个内容运营的维度在此，主要是因为百度的关键词搜索机制中有相关排名的推荐，只有不断更新网站内容，保持活跃度，百度才会给予较高的排名，这对于这类销售公司来说至关重要。
这是一整个数据采集之后展现出来的一个图表分析，将实际业务与行为数据分析相结合，便于管理人员可以查看不同访客的业务需求。
二、内容社区案例
以内容社区为例，大家经常使用的知乎、人人都是产品经理，这些社区对于用户的分类通常都是以下几种：
● 潜水型：只浏览不做任何操作，看看一些内容
● 点赞收藏：遇到感兴趣的内容会点赞收藏
● 评论者：对于部分文章愿意发表自身的评论观点
● 内容贡献者：主动输出文章，分享内容，好的文章甚至能为社区引流
对于用户来说，从潜水到内容贡献，需要付出的成本越来越高，但是对于内容社区，肯定是希望贡献者占比越高越好，不断输出优质的内容，才能聚集优质的用户，有了用户之后就可以考虑流量变现。因此这类社区会通过埋点将用户分为不同类型，为他们打上标签。
三、教育行业案例
教育行业也会使用标签来对学生进行分类和评估，从而更好地满足学生的个性化需求和提供个性化教学。比如对学生的学习习惯进行标记，如好奇心强、积极上进、学习态度认真、独立思考等。对学生的学习方式进行标记，如视觉型、听觉型、动手型等。还可以综合以上标签对学生进行综合评价，如优秀学生、普通学生、需重点关注学生等。
06
标签及用户画像
一、用户画像
以上几个案例都是给用户贴标签，最终形成了用户画像：由某一特定群体或对象的多项特征构成，输出结果通常是对特征的具体描述。系统中输入一个或多个标签能够精准找出具体的人员列表。
系统标签库
二、标签类别
标签可以简单的分为两种：
● 基础标签
不需要经过深入的转换和分析就能直接得到的属性特征，如年龄、性别、居住地；
● 知识标签
存在主观的变化性，是基于基础标签的业务规则提炼等方法形成，如购买力、访问频率。
三、标签及用户画像的应用
标签和用户画像的应用除了生成《XX画像报告》之外，一般还有以下三种应用形式：
● 标签取数
建立标签库，业务部门筛选一个/多个标签，精确查找用户，或者分析占比。
● 营销推荐
通过不同的标签组合，可以圈定一批目标用户进行精准营销，数据可推送至短信平台、促销平台等进行短信、邮件、赠品的下发
● 多维分析
标签可以更好的连接数据和业务人员，降低数据获取和操作的难度赋能业务人员参与到数据分析之中
本期关于埋点与用户画像的分享就到这了，下期再见~
参考资料：B站【一分钟了解数据埋点】
（https://www.bilibili.com/video/BV1qG4y1b7wk/?share_source=copy_web&vd_source=ae5c93bcbbd60c9f31f1bcb6e661849b）
“
Hello~
这里是神州数码云基地
编程大法，技术前沿，尽在其中
Odoo、数据库、云原生、DevOps等
超多原创技术干货持续输出ing~
想要第一时间获取
超硬技术干货
快快点击关注+设为星标★
拜托拜托啦
这对“我们”都很重要哦~
- END -
往期精选
了解云基地，就现在！
