本文详细介绍了用户行为埋点的设计方案，包括事件ID、时间戳、用户ID、推荐结果、点击事件、标签列表、版本类型、事件类型等关键属性，用于跟踪用户交互和反馈。此外，还探讨了埋点在推荐系统、用户行为分析和产品优化中的应用场景。
用户埋点设计：
| 类型 | 说明 | 属性名称 |
| 事件id | 前端根据每次事件生成一个全局唯一id | event_id |
| 事件时间 | 时间发生时的时间 | event_time |
| 用户id | user_id | |
| 推荐结果 | 推荐对应的结果，仅当为推荐时间时使用 | rec_result |
| 点击新闻id | 用户点击新闻id | click_news_id |
| 标签列表 | 1、对于新闻点击，对应为被点击新闻的标签 2、对于拉黑新闻源，对应的为被拉黑新闻源id 3、对于屏蔽标签，对应的为被屏蔽的标签名 4、对于不感兴趣，对应的为当前新闻的标签 5、其他为空 | tag_list |
| 版本类型 | A/Btest时使用，标注当前对应的为正式版本还是预发布版本 | version_message |
| 事件类型 | 1：推荐 2：新闻点击（查看详情） 8：屏蔽标签 9：拉黑新闻源 10：不感兴趣（减少此类内容） | event_type |
| 前置事件类型 | 当前被触发事件的前一个关联事件id | pre_event_type |
| 点击位置 | 出现的结果中的第几个位置展示的信息 | click_position |
| 前置事件id | 当前的事件关联的前一个事件（事件链追踪） | pre_event_id |
埋点可能的应用场景：
如果对此有什么改进意见，欢迎留言讨论
扫一扫
1024
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
