关于数据分析:业务场景下数据采集机制和策略

一、场景形容

做面向C端用户的产品，非常依赖用户数据的收集，上面都见过这样一张数据分析图，通过链路上各个环节的数据采集，剖析比照出曝光产品的交易量：

通过对商品的浏览-点击-交易页面-领取购买等，剖析产品的交易场景，这里是从大的业务方面察看数据的链路，实际上在剖析的时候要思考很多细节问题。

二、数据起源

用户数据来掂量用户或者产品的各方面纬度是最具备说服力的，所以在互联网的产品前期开发和优化过程中，对数据的采集和治理始终都是十分重要操作。

当初产品常见的客户端有PC端、H5端、APP端、小程序等各个场景的入口，更有一些物联网设施或者专门做的数据采集机制，不同的场景下的数据类型都是要辨别的。通过不同端口下各类数据埋点，获取各个场景下的不同事件的数据来剖析产品的优缺点，获取具备建设性的剖析后果。

例如模块一中的案例：通过对端口的剖析如果在APP端商品A的举荐和交易率最高，在小程序端举荐成果不好，那就能够思考针对APP和小程序端采纳不同的举荐机制。

三、事件类型划分

数据须要采集，并且要辨别不同端口的数据只是根本的意识层面，思考采集数据的事件类型是最根底的操作。这里要从产品的特点去思考，不同一概而论。上面提供一些根底采集数据和一些常见案例，对于外围业务数据绝对都是精密和残缺的，根本具备读库间接剖析的条件。

根底信息

这些信息是存在任何采点数据中的，通过这些根底信息采集，用来剖析不同端口下用户的特点，以此能够进行差异化的治理和经营。

登录信息

通过对登录和在线工夫，以及一些应用信息，判断该类用户活跃度，是否须要重点经营或者营销激活。

业务根底

以此作为业务数据采集的根底信息，用来对业务数据做整体的划分和剖析，具体的细节数据须要依据具体场景设计。

商品案例

这里是依照用户浏览行为做的一个简略的数据采集信息，这种机制在理论的电商APP中很常见，产生点击或者搜寻的商品会被重点举荐，如果没有这类动作，则依据日常浏览信息做举荐机制。在理论的开发中，采集的数据远比这里简单，须要依据理论业务须要去考量。

营销案例

通过经营流动进行产品营销，流动完结后对数据进行复盘统计，而后依据流动轨迹数据的剖析，均衡营销产生的价值和老本，一直调整流动策略，优化经营思路。

四、实现形式

1、业务层面

从业务角度来看，除了一些用户无感知的采集操作之外，还能够基于问卷调查形式，例如很多APP在应用一段时间后都会弹出用户评估相似的评分零碎，或者意见留言的入口，更加间接的收集用户反馈信息。

2、技术层面

最常见的就是SDK埋点技术，针对特定用户行为或事件进行捕捉、解决和发送给服务器的相干技术及其施行过程。这种形式用来解决一些非核心业务非常常见。如果是一些外围业务，可能须要自定义的形式采集数据，防止造成数据泄露的问题。

3、数据积攒

当业务一直倒退，须要剖析的场景会越来越简单，而且采集的数据量达到肯定规模之后，数据管理的和剖析的难度就会变大，就会须要专业化的流程和智能工具，例如BI工具，可视化组件，数据大屏，多场景联结剖析等。

五、源代码地址

GitHub·地址https://github.com/cicadasmileGitEE·地址https://gitee.com/cicadasmile

举荐浏览：编程体系整顿