数据化产品设计：数据采集基础

一个典型的数据平台，对于数据的处理是由5个步骤组成的：

 

 

第一个步骤，也即数据采集是最核心的问题。数据采集是否丰富，采集的数据是否准确，采集是否及时，都直接影响整个数据平台的应用效果。

 

关于数据采集（也就是所谓的埋点），有很多中形式，或者说方法。所有的数据采集都围绕核心思维的三个主要内容做区别处理。

 

数据采集核心思维三个点：

 

1、对象；要采集谁

一个页面、一个按钮，页面或者按钮，就是我们要采集数据的对象，对象是个结果，数据采集代码/埋点，首先就是要完成定位的功能

 

2、动作/条件；用户触发什么动作、发生什么事件，完成什么条件

也就是触发做数据采集的引线；

 

3、数据；在特定的对象上，触发了需要监控的动作，需要记录那些数据表示用户这个行为的东西/字段，统称为数据。

 

---

                                          产品数据来源

 

产品收集、存储、分析数据，目的是为了解决业务需求，优化业务运营流程，提高其经营效率并降低成本。

 

产品数据分为3类：

 

↘       企业内部的交易数据

↘       企业同用户之间的交互数据

↘       第三方数据，或称为外部数据

 

产品的数据资产大多建立在交易数据之上，利用用户属性、销售数据、物流数据、内部流程等数据建立数据资产，开展商业应用。

 

在“用户时代”，拥有规模化的用户数据来预测市场需求，进行智能化决策分析，能够制定更加有效的产品战略，此外，以用户数据和业务数据为核心优化运营，通过用户画像、市场和渠道分析、销售数据的分析提升产品性能、优化运营效率、进行精准营销。

 

产品数据数据采集基本上采用SDK方式，采集用户在页面的点击行为，同时也可进行参数回传。SDK就是几行轻量级代码，采集数据的类型取决于埋点。

 

SDK在数据采集上没有技术壁垒，行为数据应用的主要技术壁垒在于海量行为数据的处理和分析。

 

很多企业认为SDK采集数据会涉及个人隐私，了解SDK数据采集的技术原理就知道并非如此。 SDK，是用N行软件代码采集数据。SDK采集的任何数据都来自用户的主观行为，企业在正常商业活动中获取的个人隐私数据并不违反法规，在没有得到用户授权的情况下，个人隐私数据被企业和第三方使用才是违法行为。

 

但SDK采集到的数据，需求存在一大难道，即SDK会采集到大量的“脏数据”，包含一些空白区域和特殊符号，甚至根本没有见过的数据类型。

 

这些脏数据的处理和分析具有较大的技术挑战，特别是数据的实时采集和处理。通常技术人员只有经历了海量数据采集和处理，填平了大量“技术坑”之后，才能形成成熟的技术架构。

 

数据的采集和处理是个脏活累活，需要在真实数据环境进行实战，具有较高的技术壁垒和门槛。

 

采集产品数据，通常有3个数据维度：时间、频次、结果。

 

1、时间

 

行为数据时间维度主要关注行为发生的时间段和持续时间，其中时间段数据用于目标设备时间范围选择，用于营销活动分析和营销推广计划设定。

 

时间段也可以用于风控和反欺诈的场景，特殊群体的App使用行为在时间段具有较高的相似性。持续时间关注行为发生的过程，记录了行为起始和结束时间。

 

持续时间对于分析用户行为具有重要意义，不同时间长短代表用户不同特征，根据用户所处的生命周期，可洞察到用户与产品的交互状态。在一些数据模型分析中具有较高的商业价值，既可以用于购买人群分析、产品体验分析，甚至用于反欺诈分析。

 

2、频次

 

行为数据的频次主要关注某些特定行为发生的次数和趋势，其中次数同用户的兴趣具有较大的正相关度，在一定时间段内，点击浏览次数同用户购买需求成正比。次数经过标签化之后可以用于营销，识别潜在用户。

 

此外，通过页面的点击分析，了解产品体验和用户需求，从而优化产品布局，进行关联产品的销售。次数同产品成交和用户购买需求是弱相关关系，但是结合点击浏览次数等趋势数据，这些数据即可反应出产品转化和用户购买行为。

 

例如：用户在某段时间内突然频繁登录汽车类产品，从趋势分析上可以预测用户的购买需求，在某些场景下，趋势数据比频次数据的商业价值更高，可以直接预测客户的购买需求。

 

3、结果

 

行为数据的结果主要关注是否完成交易，用于判断用户点击浏览的结果。结果数据分为成交和不成交，基于业务需要也可采集填充的数值实现进一步的应用。

 

成交数据，可用于产品体验分析，用户体验分析，渠道ROI分析；

 

不成交数据，可用于二次营销，对潜在用户进行再次营销，结合时间段、持续时间、频次数据进行综合分析，筛选出目标客群。此外，结合成交数据和时间数据，在锁定产品问题后，更精准的优化产品体验，分析转化漏斗。

 

结果数据可用于直接营销，可加入到数据模型中，作为一个重要维度的参考数据。