017问 价值300元和价值3万元的埋点方案有什么区别？

小坏有话说

埋点技术并不难，简单来说就是在一些关键环节埋上统计代码，所有的数据都需要通过代码统计实现采集。埋点是一把锄头，能种出什么样的庄稼还得看用锄头的人。做埋点方案时要以什么为目标？要怎么配置埋点方式？

这篇文章，通过1个故事，来告诉你增长黑客在埋点上的需求有哪些不一样的地方。

问题解析

“老大，他们增长组又欺负人了！”

昨天的晨会上，我刚刚坐进会议室，头上的汗还没干呢，就听技术组主管在跟老板抱怨，眼神那叫一个犀利，手里的笔指着我，就像端着一把M249轻机枪。

至于原因嘛，开会的前一天我跟老板提了一个重新统计运营数据维度的需求，老板让我跟技术沟通，我就连夜做了一份数据统计需求扔到了技术组主管的微信里，所以就有了这一幕。

图1-7是对这次需求的简要罗列，一共分了3大类、9小类以及132个事件设计，也并不多嘛。

面对技术老大的抱怨，老板云淡风轻地做了一次和事佬：“人家提了需求要尽量满足嘛，根据你现在项目的排期，尽快给实现了，需求多可以分几个版本迭代呀。”

哎哟，这是要拖？这可不行。“老大，这些需求的优先级可得排在最前面呀，没有数据分析平台，我们增长就很难实现了，再说了，我这些需求都是基本的统计，没有太难呀。”

“这还是基本？基本统计我们已经做了，PV、UV、留存、活跃……这些现在的平台上都有，你们看这些不就行了么？增长就去做活动啊，做裂变啊，做社群啊！”技术主管又一次咆哮。

这就遇到了增长运营的第一个误区，事实上，增长绝不等于裂变，也不等于社群。增长是利用数据驱动的用户增长行为，需要通过数据建立产品、用户和市场3个维度的认知。

一、增长埋点方案与常规埋点方案的区别。

我向技术主管解释，目前大多数互联网团队在做统计分析时会统计PV、UV、下载量、注册量、App启动次数以及次日、3日、7日、15日、30日的留存率。付费产品还会统计付费用户数量以及销售额，做到对产品运营情况的明确认知。运营指标也大多围绕这些考核数据展开。但对于增长黑客的运营来说，数据统计的维度需要更加细化，在做数据统计维度时常常引入“漏斗分析”“用户画像”等主要概念。

“等等，你给我解释下用户画像需要这些数据统计的理由，这叫什么用户画像啊？”还没等我讲完，技术老大又一次咆哮。

于是我拿出了图1-8所示的用户画像数据统计理由。

二、增长运营要通过数据建立3种认知。

“很好，这个需求一定要实现。”老板看着技术主管，技术主管抽了一下嘴角，“继续讲，整体说下思路吧。”

得到老板的认可，我感觉受到鼓舞，打算回去再做一个数据统计2.0版本的迭代。扫了一眼表情凝固的技术主管，压抑住内心的狂欢，我继续享受属于一名增长黑客的孤单。

增长黑客通过数据统计分析可建立对运营工作的产品认知、市场认知和用户认知。

1.产品认知——利用数据反馈产品和内容的用户体验。

以资讯类App产品为例，用户使用产品主要是为了阅读资讯，那么用户数据就包括用户使用时长、阶段时间内阅读文章数量、文章阅读进度、阅读速度以及单篇文章阅读时长。

在这里需要说明的是，建立产品认知要统计产品的主要功能点，比如用户转发、评论属于用户行为，并不是资讯产品的主要功能点，而属于用户认知的范畴。产品认知的数据统计经常会引入一个“用户故事”的概念，这是来自于敏捷工作法的一种思维方式，在增长黑客运营中被更多地称为“用户使用路径分析”。此外，通过还原用户使用产品的步骤，可以统计每一步用户的停留和流失，这就是常说的“用户漏斗分析”。

通过数据反馈可以明确产品出现的问题。如果某一页面的跳转率过低，可以从优化体验、查找代码错误等产品方向思考；如果某一篇文章的用户平均浏览时间过短或此处退出App的用户过多，那么可能是文章质量出现了严重的问题。

产品认知是收集用户反馈的一种有效方式。2014年左右的运营团队，常常扮演客服角色潜入用户群，收集用户的反馈意见。但产品经理中有一句话叫“用户告诉你的往往不是他的真实需求”，因为用户只知道不爽，却不知道该怎么做才爽。而数据是真实的，产品认知是建立产品、运营团队与用户3者之间有效沟通的方式。

2.市场认知——利用数据优化推广策略和预算。

市场认知主要针对产品推广进行数据统计，用于优化推广渠道和推广成本。现在很多推广平台都有自己的数据统计后台，但一方面可能数据不够准确，另一方面采用多渠道推广后数据无法统一整合。

相较于基础的推广数据统计，增长运营的市场认知更偏重于全流程监控与优化，分为触达渠道、用户转化、角色分析、落地体验、关键引导等5个环节。在推广环节，除了分析渠道推广效果，还要对推广全流程负责。

基础推广数据大多统计不同渠道的获客数量与转化效果，但往往忽略来源渠道的用户属性，也就是增长运营中的第三个环节：角色分析。

角色分析需要与用户画像筛选相结合来使用，以来源渠道为第一维度。统计不同渠道的用户角色特征，比如注册后不访问、使用次数低等特征，来分析出推广常见的“僵尸粉”“羊毛党”等低质量用户。

而落地体验这个环节是用来优化产品以减少用户的流失率，主要统计推广落地页的用户体验数据，分析用户在落地页环节中的体验感受。落地页大多用于引导用户下载、注册或购买商品，更多目的在于留下销售线索，那么通过“漏斗分析”和“行为分析”，可以查看用户流失环节，有针对性地进行优化。

3.用户认知——精细化运营用户的分层依据。

其实，无论是增长黑客还是流量池，2018年爆火的运营思维都提出了精细化运营的思路，就像推广渠道中提供的用户筛选功能、今日头条等资讯平台的智能化分发，都是对用户精细化运营的实践和诠释。

移动互联网运营都在抓用户的碎片时间，然而碎片时间就那么多，用户更加关注有用、有关、有趣、时效和新奇类的内容或产品，也就是营销行业中常说的“你刚好需要，我刚好专业”。

用户认知更多是对存量用户活跃和黏性的提升，也就是说要满足现有用户的痛点需求。常规运营模式往往一个推送会传达给所有用户，造成用户打扰和资源浪费。现在越来越多的大厂，比如腾讯、阿里、魅族等品牌都在做用户分层，进行精准推送。

增长运营的数据统计分为整体数据统计、行为特征统计、用户画像统计等几个方向。其中，整体数据统计是对用户行为平均值的分析，以作为用户分层的参考指标，而行为特征统计要根据产品特点来设计。

比如资讯类产品关注用户黏性，可以分析用户的停留时间、访问深度（浏览文章数量）和互动指数（收藏、分享、评论、用户原创内容等）等数据。电商产品以用户的付费行为为关键指标，就可以根据用户浏览产品特征、交易产品数量、单笔平均交易价格、优惠吸引度等数据进行分层。

通过数据筛选对用户进行分层后，需要有有效的触达方式，对用户进行鼓励、唤醒、刺激转化、引爆成单等关键行为的引导。

总结

做埋点方案往往被认为是很难的事情，而埋点的效果对后续的数据分析将产生直接影响。好的埋点方案是不断迭代的，埋点的初衷也并不是对所有可以统计的地方都做埋点，而是考虑换一个角度，从产品倒推分析层面的需求，从分析层面的需求倒推埋点统计的需求。