產品經理整理埋點需求的6個步驟

0 評論 1萬 瀏覽 46 收藏 10 分鐘

編輯導語:數據分析在一定程度上可以幫助梳理需求,進而推動業務迭代優化,因而對于產品經理而言,了解與數據分析相關的內容便尤為重要。其中,數據埋點需求應當如何梳理?本篇文章里,作者總結了產品經理整理埋點需求的幾大步驟,不妨來看一下。

互聯網發展到現在這個階段,數據驅動已經被很多人認同甚至奉為圭臬,因為有效所以擴散,觀察和分析數據是產品崗位的標配了,所以對于一個產品經理來說這是必備技能之一。

從市面上各種數據分析課程和python課程以數據爬取和分析為賣點,數據熱潮可見一斑。人重要的是順勢而為,既然市場有需求當然要會。

對數據的使用是分為采集、清洗、存儲、提取、挖掘、分析這些部分的,采集、清洗、存儲、提取是技術在處理,挖掘和分析一般是數據分析師和產品、運營等在看,各有分工。

但是源頭還是需要產品或者運營來梳理,因為技術通常并不知道要采集哪些數據,所以就需要產品提供數據采集說明,也就是埋點需求的說明文檔。

那么埋點需求怎么梳理?

第一步,確定公共數據點,主要是用戶屬性和設備屬性。

用戶屬性和設備屬性的樣例見下圖

公共數據點其實一般來說都是不變的,一旦確定之后很少修改,所以復制粘貼即可。

因為一般不會變化所以在第一次提的時候需要盡可能的提全面,因為如果是后續補充的話歷史數據是無法追溯補充的,分析的時候可能就會有維度缺失。

第二步,確定一下產品需求的范圍,也就是這次需求優化了哪些地方,把需求涉及到的app端頁面全部梳理出來-不分原生或者H5,單列一個表格,每個頁面列成一條。

第三步,把頁面上涉及到的所有按鈕補充到對應頁面的下方,也單列一條。譬如一個注冊頁面,一般會有獲取驗證碼按鈕、注冊登錄按鈕,每一個按鈕都需要單列一條。如果是二級頁面,左上角的返回按鈕可列可不列,一般也不重要。

第四步,把數據埋點需求表填充完整。這就是一個填充的過程,不遺漏就行,比較需要關注的是埋點由前端埋點還是后端埋點,這個需要根據情況定一下,一般來說如果僅僅是時間譬如訪問和點擊這種就做前端埋點,但是需要有結果的,譬如帖子發布成功這種的就做后端埋點。如果不確定可以和技術討論一下。

埋點需求的樣表是這樣的,大家可以做個參考。

第五步,埋點需求表理完之后最后需要做一下核對,看一下是不是完整了。怎么核對呢?根據數據統計需求去核對,看一下配套要做的數據統計報表能不能根據這些頁面埋點統計到,如果可以的話一般問題不大。如果有遺漏的補充一下。

敲黑板:這是最重要的一步。

校驗內容你可以按照以下步驟去做:

1)看一下中英文的命名是不是正確,有沒有重復。正確一般不是問題,但是重復這個可能時間長了會有出現,尤其是英文名,畢竟大家英文一般都不6,所以在命名的時候尤其是尤其要注意,取個巧的方法是拿著中文去百度翻譯成英文,如果重復換一個或者加001這種以示區分。

2)看事件定義完不完整,夠不夠清晰,如果是剛開始寫的可以拿公司的歷史文檔去比對,照著改就行。

3)事件觸發的時機對不對,如果是按鈕的話其實問題不大,就是個點擊事件,如果是頁面訪問一定要寫清楚是頁面100%加載完成。

4)埋點的前后端區分對不對,這個之前也有講,如果只是事件本身其實一般做前端埋點,如果還要統計結果,譬如提交內容成功這種的就需要做后端埋點。

5)屬性定義完不完整,屬性會包含很多東西,譬如類型、渠道之類的,會有多個,在這個時候一定要看一下是不是全部包含了,漏掉的話在統計的時候就會有問題,雖然技術后面可能還會來確認,但是少讓技術問比較好,人設靠譜。

第六步,給技術看一下,看看是不是有哪些地方需要進一步細化說明,針對性地做補充說明。這個步驟一般就是細節沒講清楚,譬如頁面訪問,那么什么情況下定義為一次訪問,需要說明這個頁面100%加載成功了才算一次訪問。

埋點需求交付以后技術會排期開發,開發完之后的驗收也是一個比較重要的環節,根據我們的經驗埋點通常會有遺漏或者采集不完整、采集不準確的情況。

那么埋點數據怎么驗收呢?

如果你有技術背景,那么就去看操作之后相應的數據字段有沒有入庫;如果沒有技術背景那么就去看統計報表上會不會反應出來。譬如你打開一個頁面,就去看一下統計報表上這個頁面的訪問人數和訪問次數有沒有+1。

埋點驗收是需要一個一個頁面、一個一個操作看過去的,所以可以結合頁面驗收一起做。

那么驗收了之后就沒有問題了嗎?

不是的,實際上我認為即便是做了驗收,也無法徹底解決數據不準確的問題,因為會有數據污染的問題,單次驗收僅僅只是個例,而數據污染可能是個普遍性的問題。

從實踐經驗來看也是這樣,大部分小廠都無法解決數據的準確性問題,數據污染問題比較嚴重,如果是大廠那么就會相對好很多。

數據污染產生的原因比較復雜,可能的原因是采集的時候就不對,或者提需求的時候不夠準確。大概率會需要一個逐漸修復的過程,而且是一個相對長期的過程。所以如果發現數據不準確的話不要慌,一點點修復就行。說實話其實急也沒用,這種就是需要花時間做的東西,表面看不到的才更花功夫。

另外,如果說技術部門愿意做全埋點的話就不需要產品額外提數據需求,如果是這樣,那么必須感謝他們,因為他們為你保留了更多的頭發,不至于禿的那么快,頭發就是生命啊。

最后說一下并不是所有的公司都需要自己做數據這塊的,如果公司的業務還處在比較早期的階段,那么使用神策、Growing IO這些三方數據公司的產品也是一個比較好的選擇。畢竟這東西做起來耗時耗力,如果不準的話頭會很痛。

以上是對數據埋點方面的分享,下回分享一下數據統計報表方面的內容,算是做個銜接。

 

本文由 @代號道長 原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自?Unsplash,基于 CC0 協議

給作者打賞,鼓勵TA抓緊創作!
2人打賞
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!