前端埋点统计方案思考

埋点即监控用户在应用表现层的行为，于产品迭代而言至关重要。埋点数据分析是产品需求的 来源，检验功能是否达预期的 佐证。前端较服务端更接近用户，本小白将在此对前端埋点统计方案述说一二。
采集埋点数据可做如下分析（以百度统计为例）：

将 用户属性、用户行为 转化各类可视化图表：

不同产品对数据的关注角度不同，可按需采集。如信息流产品对停留时长的关注度更高（统计页面访问 & 跳出时间），商城类较注重“复购率”（统计新老用户），广告类更追求最大限度。
埋点统计通常分两类：

页面访问量统计
功能点击量统计

页面访问量统计
页面访问量统计通常分两类：

PV：页面访问人次

UV：页面访问人数

页面访问量，并非仅仅取决于其内容吸引力，影响因素包含入口 外观、位置、深度 等等（在此不考虑刚需）。入口外观属 UI 设计范畴，入口位置可通过分析用户点击热力图调整，入口深度可通过分析用户访问路径调整。
用户点击 热力图 形如：

将核心页面入口置于热力图红色区域？
采集页面加载 from、to 以获知用户访问路径：

分析可知用户普遍 访问深度、每一深度 & 每一页面的 流失率 等，依照结果调整核心页面入口源、入口深度？
页面访问量，也并非仅仅取决于产品设计。假若 PV 稳定的页面访问量 爆跌，便需考虑其加载成功率了（或许是枚技术 bug）。

前端如何实现全局 PV 统计，以 Vue 应用为例。
方案一
通过在入口文件 index.js 全局定义 Router.beforeEach：
import App from ‘./app’
import Router from ‘./router’

Router.beforeEach((to, from, next) => {
App.logEvent({
type: ‘visit’,
name: to.name,
time: new Date().valueOf(),
params: {
from: {
name: from.name,
path: from.path,
query: from.query
},
to: {
name: to.name,
path: to.path,
query: to.query
}
}
})
next()
})
停留时长可通过（跳转页 time – 当前页 time）获知，但关闭应用时如何统计？监听应用关闭 onbeforeunload + onunload？
其中 App.logEvent 为自定义 Vue 插件 App 中的 method，用于向服务器发起 埋点上报请求：
import Request from ‘./utils/request’

const App = {
// …
logEvent (opts) {
Request({
url: ‘/log/event’,
method: ‘POST’,
data: {
type: opts.type,
name: opts.name,
time: opts.time,
params: opts.params || {}
}
})
}
}
App.install = (Vue, options) => {
Vue.prototype.$app = {
// …
logEvent: App.logEvent
}
}

export default App
方案二
通过在入口文件 index.js 全局注册混入 beforeRouteEnter、beforeRouteLeave 对象：
import Vue from ‘vue’

Vue.mixin({
beforeRouteEnter (to, from, next) {
next(vm => {
vm.$app.logEvent({
type: ‘visit’,
name: to.name,
time: new Date().valueOf(),
params: {
from: {
name: from.name,
path: from.path,
query: from.query
},
to: {
name: to.name,
path: to.path,
query: to.query
}
}
})
})
},
beforeRouteLeave (to, from, next) {
this.$app.logEvent({
type: ‘visit’,
name: to.name,
time: new Date().valueOf(),
params: {
from: {
name: from.name,
path: from.path,
query: from.query
},
to: {
name: to.name,
path: to.path,
query: to.query
}
}
})
next()
}
})
关闭应用时 beforeRouteLeave 是否触发？
上述方案存在明显缺陷：

官方曰慎用全局混入对象！！！
对于页面同名钩子函数 beforeRouteEnter、beforeRouteLeave，如何 merge？如何 next？
含子路由的页面将调用 2 次 beforeRouteEnter、beforeRouteLeave，PV 无形翻倍 …

我猜此刻有打全局混入 created、destroyed 并通过 this.$route 获知访问对象主意的人了，试试看？

令人不知所措的输出，打印次数与 路由表 长度一致嗷~
其中 this.\$app.logEvent（vm.\$app.logEvent）等同方案一中 App.logEvent，不再赘述。

如何恰当选取全局 PV 统计方案？

SPA 应用：仅单入口，在入口文件全局定义 Router.beforeEach 方便可行。

MPA 应用：多入口，在每个入口文件定义 Router.beforeEach？可封装公用逻辑（伪装单入口），免去重复构造 entry 的成本。

SPA + MPA 混合应用：emmmmmm… 采用 MPA 应用的统计方案。

SSR 应用：为追求更好的 SEO 而采用服务端渲染（SSR）。以 Jinja（Python 模板）为例，调用 TemplateView 则为渲染页面（不同于前后端分离项目，服务端无法获知接口调用与页面渲染的对应关系），统计其调用次数及 TemplateName 可知页面 PV。

至于 UV，统计 PV 时采集 userId 去重即可。若应用无用户管理体系，采集 IP、deviceId 也可粗略得知 UV（不精准）。

功能点击量统计
不同功能的点击量不同，同一功能不同区域的点击量也不同：

按钮点击量，影响因素包含按钮 外观、位置、入口 等等（在此不考虑刚需）。按钮外观属 UI 设计范畴，按钮位置可通过分析用户点击热力图调整，按钮入口可通过分析触发源分布调整。
举一实例：

运营同学会将一张图片裁切成 n 个区域，点击每一区域所推荐商品不同。统计区域点击坐标，据热力图调整商品排序以求 利益最大化。

前端如何实现功能点击量统计？
本人将功能点击分两类：

带业务接口请求
无业务接口请求

方案一
将埋点上报混入业务接口请求，无接口请求的点击采用自定义上报：

其中 param keys 指代需上报的业务请求参数 key list（并非全部参数均需随埋点上报）。
上述方案大大节约请求数，但存在明显缺陷：

将埋点上报混入业务接口，上报 crash 不仅丢失统计数据，还将影响主功能。
统计与业务 高耦合，两者尽量不混于同一服务。

方案二
将所有点击事件视为同一类，走统一上报接口：
logEvent (opts) {
Request({
url: ‘/log/event’,
method: ‘POST’,
data: {
type: opts.type,
name: opts.name,
time: opts.time,
params: opts.params || {}
}
})
}
上述方案也存在明显缺陷：

请求量翻倍：但统计与业务服务拆分后，请求并非同一组服务器承担。
待上报的点击事件函数均需调用 logEvent：封装一枚附带埋点上报的 组件，以 Vue 为例。

<template>
<div class=”vc-trace” @click=”triggerClick”>
<slot></slot>
</div>
</template>

<script>
import Request from ‘./utils/request’

export default {
name: ‘Trace’,
props: {
type: {
type: String,
default: ”
},
name: {
type: String,
default: ”
},
from: {
type: String,
default: ”
},
params: {
type: Object,
default: () => ({})
}
},
methods: {
triggerClick () {
Request({
url: ‘XXX/log/event’,
method: ‘POST’,
data: {
type: this.type,
name: this.name,
from: this.from,
time: new Date().valueOf(),
params: this.params
}
})
}
}
}
</script>

方案本无优劣，适合才更重要，需综合考虑 产品设计、产品使用度、服务利用率 等等。例使用度较低应用可将统计与业务混于同一服务以节约成本，使用度较高应用可采取 本地缓存、批量上报 以降低服务压力，但批量上报是否加大统计 误差？
本文所述仅冰山一角，欢迎大家留言宝贵经验~

作者：呆恋小喵
我的后花园：https://sunmengyuan.github.io…
我的 github：https://github.com/sunmengyuan
原文链接：https://sunmengyuan.github.io…