数据产品（1）埋点设计、指标体系

1 数据产品

包含五大模块：数据采集、数据加工、数据看板搭建、数据分析、数据应用

1.1 数据采集

业务数据、日志数据 ==》 导到数仓中
C端（app\小程序）：业务数据、业务行为数据采集（埋点）
B端（sass）：业务本身业务数据
企业分析数据：爬虫爬取
第三方API接口数据

1.2 数据加工

数据处理：数据存储、数据整合、数据清洗、数据安全（脱敏、加解密）==》数仓体系知识

数据产品应该具备能力：
1、能够根据业务梳理好的指标体系，形成指标字典，交给数据开发落地数仓，适用于大厂，有成熟的数据团队(数仓方向)
2、无成熟的数据团队或刚成立补救的团队，需要懂SQL，会简单的数据分析（中小厂）
3、熟悉数仓产品架构
4、指标搭建

1.3 数据看板搭建与数据分析

搭建数据看板能力：数据可视化能力，字不如表， 表不如图，成功的数据可视化可以帮助业务更好的做决策，需要掌握至少一款BI工具，如自研报表工具、fineBI等
运营策略能力就是数据分析能力 ，有了数据后可进行精细化运营，如用户画像进行精细化运营，企业画像进行企业风控、

1.4 数据采集

用户行为数据常用数据埋点来采集数据，业务数据可从业务数据库导数据

常见埋点方式：
前端埋点
客户端采集（代码埋点、可视化埋点、无埋点也称全埋点）：收集前端数据，如用户事件行为，界面变化等。功能相对简单，无与后端交互等复杂逻辑
优缺点：
代码埋点： 简单方便人力成本高，埋点更新依赖下次发版修复，更新及时性差不支持瀑布流交互；
可视化埋点: 新增埋点在所有版本生效，不存在迭代问题，但上报信息有限，不支持瀑布流交互；
无埋点(也称全埋点): 通过SDK，自动上报全部事件并上报埋点数据，当用户触发任何事件时，会自动上报数据，人工成本低；
代码埋点复杂功能最完善，覆盖了埋点中的 不同业务需求，可视化埋点跟无埋点使用于频繁上线或更新的 H5活动。

后端埋点
服务端采集：收集数据在服务端进行（http request发生时的数据请求），如业务逻辑数据交互、接口调用等，数据实时性更高更准确，对数据安全要求比较高。如在线播放、游戏安装等数据
如何设计埋点

2 埋点设计

埋点（或称为埋点技术）是一种常用的数据采集方法，通常用于网站或应用程序中，以跟踪用户行为事件和活动（例如某页面上的曝光点击），用户一旦触发该事件，就会上报埋点代码中定义的、需要上报的该事件相关的数据。

作用：

用户行为分析：通过埋点，可以收集用户在应用中的行为数据，如点击、浏览、转化等，为分析用户习惯和偏好提供依据。进一步可进行用户分群，以便更好地进行个性化推荐和服务
产品优化：通过产品数据表现、用户量、产品所处生命周期，产品团队可以发现使用中的问题和用户痛点，从而进行针对性的改进，提升用户体验。
市场营销效果评估：埋点可以帮助评估不同营销活动的效果，如广告点击率、转化率等，以更好地优化营销策略和资源配置。
决策支持：数据分析结果可以为企业的决策提供依据，帮助企业在新产品上线、功能优化或市场推广等方面做出更明智的选择。
故障诊断定位：通过数据上报情况，进行问题定位及优化。监控常见异常情况，卡顿等情况。

目标： 确保数据收集的有效性、准确性、及时性、完整性和一致性是至关重要的。这些目标帮助团队获得有价值的数据

有效性：埋点收集的数据必须与业务目标或用户行为相关，能够为后续分析提供有意义的洞察。
eg：如果目标是提高转化率，埋点应关注用户在购买流程中的每一步，而不仅仅是整体访问量。
准确性：确保收集到的数据反映用户真实的操作和行为，埋点上报与定义一致、避免误报和漏报。
举例：如果某个按钮的点击事件被埋点记录，系统必须确保这确实是用户的有效点击。
及时性：数据需要在用户行为发生后尽快被收集和传输，以便进行实时分析和响应。
eg：例如，在电商平台上，当用户添加商品到购物车时，该事件应立即记录，以便于实时监控和优化促销策略。
完整性：确保收集的数据涵盖所有相关的用户行为和事件，避免遗漏重要信息。
eg：在用户注册和交易过程中，应该记录每一个关键步骤（如提交信息、确认订单），以便综合分析用户行为。
一致性：保障数据在不同时间、不同场景下的记录方式和格式的一致性，方便后续分析和比较。
eg：如果某一个事件的名称和属性在一个版本中定义为“button_click”，在另一个版本中却叫做“click_button”，这会导致分析时的混淆。

如何设计前端代码埋点

设计埋点事件的原则：
同种属性的多个事件要命名成一个埋点事件ID,并以Key-Value的形式区分，如点击icon、banner、button
不同属性的多个事件应该命名成多个事件ID，此时也尽量不用Key-Value的形式埋点，如点击事件、拖拽事件、曝光事件
Key-Value的形式的埋点设计规划：
Key一般表示某个事件，Value代表相对应的值，一个Key可以对应一个或者多个Value。如页面page有多个页面值

点击事件四要素：点击事件、哪个页面点击、点击对象（）、点击名称

埋点设计的误区：
1、埋点没那么重要，简单设计即可，由数据分析及数据应用体现数据价值，无正确的埋点数据上报，就不能好好进行数据分析了
2、业务中都使用无埋点方式
3、所有业务都使用同一套埋点采集方案，应根据业务场景选择合适的埋点

3 指标字典

指标字典：对业务指标成体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取导指标的相关信息

指标字典的作用：

业务数据标准化的基础
对指标进行统一关联
方便统一修改、共享和维护

什么是指标：指标是衡量目标的方法，由维度、汇总方式和量度组成

维度：需要根据什么角度去衡量指标
汇总方式： 常用的汇总如求和、求均值
量度：量度是对一个物理量的测定，常以数字+计量单位表示，量度是数据的重要组成部分，用来明确事件的计量单位

如收入数据： 维度统计时间、汇总方式求和、度量人民币单位元

指标的类别：
基础指标：原子指标，如计算的分子分母
复合指标：也称衍生指标，分子/分母后的结果值，如平均订单金额
派生指标：基础指标或复合指标与维度成员、统计属性、管理属性等相结合产生的质保，在金融中，基本的收益率可以派生出投资的波动率、夏普比率等指标。在市场研究中，客户满意度评分可以派生出客户忠诚度指数

3.1 指标字段要达到的要求

指标命名规范、定义清晰、覆盖范围广、可扩展性强

3.2 如何设计指标字典

确定分析指标：运用GSM模型确定分析指标

GSM模型通常指的是“目标-策略-措施”（Goal-Strategy-Measure）模型。这种模型帮助组织或团队在制定和实施指标体系时，能够明确各层级的目标、相关的策略以及实施这些策略所需的具体措施。具体来说：
目标（Goal）：设定清晰的、可衡量的长期和短期目标。这些目标通常与组织的愿景和使命紧密相连。
策略（Strategy）：为实现这些目标制定的具体策略。这些策略需要详细说明如何可行地达成目标，可能涉及资源配置、重点领域等。
措施（Measure）：针对每个目标和策略，设定具体的指标和度量标准，以便评估其实现的进展和效果。这可以是定量指标（如销售增长、客户满意度等）或定性指标（如品牌认知度）。

明确指标的维度和口径：先从单维度、粗维度分析，再细拆维度，自内而外地看问题
指标评审：纠正描述不明确，或者有分析的指标达成一致
运营指标字典：指标字典培训，指标字典推广

3.3 设计指标字典常见误区

指标并非越多越好，应简洁易懂，核心质保3-5个即可
指标上线后不等于完成了任务，需要一致维护
指标字典产品化不限于具体的产品形态，不一定要开发系统功能，指标不多也可以直接维护再文档中，中大型企业由指标管理频台。

4 构建指标体系

4.1 构建指标体系-北极星指标

北极星指标（North Star Metric，NSM）是指在企业或组织中用来衡量长期成功和增长的关键性能指标。这一概念源于创业公司和产品管理中的应用，尤其是在追求产品市场契合度和用户增长时。北极星指标的核心思想是，选择一个能够真正反映用户价值和企业目标的单一指标，以引导整个团队的工作。

选择北极星指标的步骤：

明确业务目标：理解企业的长期目标和战略方向。
识别用户价值：分析用户在产品或服务中所获得的核心价值，找出最能反映这种价值的指标。
测试和验证：在团队中验证选定的北极星指标是否有效，是否能够驱动业务增长。
不断迭代：根据市场反馈和数据分析，定期回顾和调整北极星指标，以确保其相关性和有效性。

1、选定北极星指标
2、北极星指标拆解
GMV(销售总额)
= 外卖GMV+电商GMV
=（外卖付费用户数客单价）+（电商付费用户数客单价）
3、依据增长模型构建指标体系
基础活跃、用户体验、用户运营、商品营收

4.2 设计策略增长优化

核心：指标设计、策略、 增长优化
Lift模型：通常用于衡量和分析某一策略或行动对商业成果的影响。Lift（提升）模型常常应用于营销和客户管理，特别是在广告投放、促销活动、用户留存和转化率优化等场景中，是目前工人的AB Test方案中最科学的模型，也是应用最广泛的模型。

提出的策略迭代的六大原则:

目标明确：策略应以清晰的组织目标为导向，确保每个行动都与整体战略目标保持一致。
持续学习：在策略实施过程中，鼓励反思和学习，及时汇总经验教训，以便不断优化和调整策略。
数据驱动：利用数据分析和指标监测来评估策略的有效性，确保决策基于客观事实而非猜测。
灵活应变：面对外部环境和市场变化，策略应有灵活性，允许快速调整和迭代，以适应新情况。
协同合作：鼓励跨部门的沟通与协调，确保不同团队和个人在实施策略时能形成合力，实现最佳效果。
可执行性强：任何策略都应可行，确保团队能够实际执行，并提供必要的资源和支持。

Lift模型的关键要素：

基线指标：在采取任何策略之前，首先定义一个基线指标（例如，销售额、用户点击率等），以便比较策略实施后的变化。
测试组与对照组：将受众分为测试组（实施新策略的部分）和对照组（未实施新策略的部分），以便对影响进行更准确的评估。对照组的表现为基线。
提升度量：通过比较测试组和对照组的结果，可以计算出“Lift”。
Lift可以表示为：Lift=(测试组指标−对照组指标)/对照组指标×100%
这表示在实施策略后，测试组相比于对照组的提升百分比。
持续监控与调整：在实施策略后，要持续监控其效果，并根据数据反馈进行实时调整。

应用示例：

广告效果评估：通过分析广告投放前后的销售数据，来判断广告对销售额的提升。
促销活动：在进行促销活动时，比较参与促销的用户组与未参与的用户组之间的购买行为差异。
页面改版、首页改版、算法改版：利用AB测试结果不同实验组跟对照姐实验结果来确定最终页面改版

复盘增长流程：构建指标增长体系>找到瓶颈>设计增长策略>迭代方案>A/B实验>找到最佳效果

1、组建小型增长团队统一增长黑客认知
2、北极星指标确定增长模型的讨论
3、通过数据看板比对确定要聚焦的领域
4、上线A/B测试并运行继续讨论可行性方案
5、收集分析实验数据，上线更多实验
6、增长复盘会议，持续优化方案，选定更多焦点增长黑客循环