那么有些童鞋可能会问，那直接看下一个页面的UV，也就是（7）的展示量不就行了吗？
其实也不然，如果网络不佳会导致用户没有推进到下一个页面（特别是在双十一的时候，网络挤爆了），所以从上个页面提交（6）→下个页面加载（7），当中还可能漏掉一部分用户。
因此在这种情况下，提交的事件类型就很有必要了。当然，这种情况相对复杂，大部分时候我们记录页面的展示、模块的展示和点击，是够用的。
最后，除了事件名称、事件类型，我们要记录一些事件相关的附加信息。
比如刚刚说的的第几帧，如果每一帧都作为一个独立事件重新命名，那就非常麻烦了（比如,……万一有10个呢）。
这时候我们再加上一个字段index，在展示和点击的时候都记录下一个额外的数字，比如1、2、3等，用来记录第X帧（当然程序员小哥哥/小姐姐可能会和你说从0标起）。
如果在某段时间里面是不固定的，或者千人千面的，比如小明在第一帧看到了减脂餐的，小刚在第一帧看到了连衣裙的，那我们可以再记录一个字段title，把的活动名称记录下来，那么小明点击就会产生事件名称“”，事件类型“click”（点击），index“1”，title“减脂餐”这四个字段了。
3. 归因信息
只记录基本信息和事件信息，还是没有办法统计出在文章上半部分提到的——根据路径（比如首页不同的模块）去拆解访购率（下单UV/模块访问UV），因为我们知道用户下单的前一个页面是商品详情页，再前一个页面可能是商品列表页，但并不知道用户到底是不是从首页的哪个入口进来的。
当然，你可以去近似，比如点击过的用户在X分钟内访问了商品详情页，但是这个时间是很难把控的，导致不够精准。
这时候我们需要加上一个归因信息的字段，也就是标识出用户的关键行为到底是通过哪个路径产生的。
比如我们可以把某橘色电商App的模块简单分为搜索框、icon位、运营位、轮播、猜你喜欢等，那么我们需要一个字段来记录本次购买到底是哪个模块带来的。
原理其实也很简单，就是在用户从每个模块点击到下一个路径的时候带上这个字段就行了，比如用户在点击了之后可能会进到各种类似的页面，不管是活动页、商品详情页还是店铺页，只要用户产生任何交互（只在关键的页面记录也可以），我们就把用户“”这个信息记录在归因的字段上，直至最后下单。
如果用户在下单前，又回退到了其他首页的模块，比如点击了搜索框，那么同理，我们只需要在这个时候把“搜索框”之后的任何用户行为（直至下单）都在归因字段记录下“搜索框”就行了。
这样，我们就可以分析出，首页各个模块的访购率到底是什么水平了。
前端的打点介绍得差不多了，后端打点一般是在服务器的一些技术打点，比如用来统计95线、98线、端到端响应速度等性能，一般策略产品会接触得多一点（比如搜索产品），原理也是类似的，在用户和服务端发生交互的时候做记录。
如果前端打点的数据取出来非常难以置信，但是研发小哥哥/小姐姐又觉得“我这里是好的”，那么除了请喝TA奶茶之外，也可以前后交叉对比下，比如我们把支付提交成功的前端打点和服务器收到支付成功请求的打点做个对比，误差如果稳定在百分之几的话，那么基本上没有问题啦。
讲了这么多，学姐再举一个栗子加深印象吧，看一个列表页功能打点的文档，为了阅读方便，打点就都用中文写了。
*除了基本信息不需要赘述外（包括用户手机型号、平台、页面id等等），在每次用户提交的时候我们还会记录一个，用这个id可以去服务端的日志中查看本次搜索的详细情况（相当于后端打点），包括各种用户本次搜索的各种输入信息和我们输出给用户的信息（比如到底展示了哪些商品等等），用于后续搜索策略的优化。
总之，打点要有详有略，既能保证用户的每一个步骤的重要信息都要能有效提取到，又要善于巧用单独的字段来减轻后续数据分析的工作量。
另外，打点设计完之后，别忘了和相关同事（运营、BI等）确认是否能满足所有想看的指标，不同岗位关心的指标会有侧重点不同，大家要确保万无一失哦～
二、 科学设计实验
有了打点之后，我们可以统计到一些功能的详细数据，用来验证这个功能/项目对关键指标是否真的有帮助，或者是否还有提升的空间。
影响关键指标的因素是很多的，比如节假日、淡旺季、广告投放等等各种情况，所以我们还需要对想要分析的项目设计“实验”来获取更精准的数据，常见的有以下几种方式：
1. A/B测试
这类测试比较适合数据随时间波动较大的垂直类目，比如快消、服装品牌等。
A组就是空白组——原方案，B组是实验组——优化后的方案，这样做为了要排除季节、突发事件、新的商品、宣传活动等等各种情况对产品数据造成的波动。需要注意两点：
如果试验结果看上去比较异常，我们可以做AA实验来确定下数据的准确性，即A组和B组都用原方案，来看下数据是否相同。
2. 灰度测试
灰度发布和A/B测试的原理相同的，但是流量不会均匀分配，一般是切某个比例的流量给到B组，比如5%，10%等。比较适合量级大、有影响力的核心页面，比如淘宝首页改版就会小范围先切一部分流量做灰度测试，这也很适合淘宝这样强运营的App。
运营可以通过灰度测试的结果对策略进行调整，避免直接全量上线影响整个App的指标。这种方案适合有一定研发能力的平台，因为对流量的切分提出了更高的要求，所以大厂用得更多一些。
3. 直接发版
直接进行发布新功能/新版本，分别看老版本和新版本的数据，计算某个固定时间段内平均值的提升。直接发版适合数据比较稳定的平台，且对发布的产品功能很有信心。
比如产品之神张小龙就很少搞什么A/B测试、灰度测试啥的，很多改版就是直接上（比如微信7.0神马的），当然我们都不是产品之神，如果不能确保这段时间数据比较稳定的话，还是乖乖做AB或者灰度先～
如果是通过更新客户端来进行版本发布（服务端发布、小程序等不用考虑），要注意等新版本覆盖大部分用户了之后再看数据会比较准，因为先更新的用户往往是对平台比较忠诚的用户，只看这部分用户，数据会偏高。
比如我们发现新版本发布后两周，80%的用户都更新完了，那么就可以对比新版本发布前老版本1个月数据的均值，和新版本发布之后第3周到第7周数据的均值（也是1个月），来进行对比。
其实像微信出的“炸shi”之类的小彩蛋，其实很多时候是为了去催促用户更新到新版本～
三、分析数据结果
经历了设计打点和实验，又等待了一下版本更新覆盖率之后，我们终于取到了数据，然而结果往往充满了惊喜（吓）。就算数据非常符合预期，在汇报的时候有数据和图表的那几页往往需要费劲去解释。下面就教大家比较实用的几招，从此汇报数据无烦恼。
1. 排除干扰项
说到汇报数据，往往是数据跌了惨兮兮，数据涨了又要赶紧解释原因，不然等到下周环比跌的时候又要解释了。
记得之前学姐遇到过几个月DAU疯涨，当时分析了半天没找到原因（当然现在知道啦），当时老板打趣说唯一的变化就是前任老板离职了，可以说是甜蜜的负担了。
数据总是有这么多干扰项，像玩剧本杀一样，我们会发现很多看上去可疑的线索，其中大部分都是干扰项，要排除这些才能找到真正的“凶手”。
比如学姐的一个童鞋小超因为好玩做了一个扔手机的App（不建议大家下载，很费手机），这个月突然发现App中广告的曝光量跌了三分之一，收入也随之跌了。
仔细一看，发现不是这个月跌了，而是上个月有几天数据猛涨。
再进一步拆解，发现是某个安卓商店的下载量在那几天激增，于是发现自己的App在那几天被这个安卓商店推荐了一下下。排除这几天后，数据看上去就这么夸张了。
大家在分析数据时，最直接的就是先按照时间画出数据曲线，看看有没有异常的点，把异常点排除之后再去看数据。
定位了时间段（点）之后，就像锁定了“杀人凶器”，接下来只要找到是谁使用的就行了。
我们可以进一步拆解（不知道怎么拆解的可以看文章的上半部分），看是否有天气、城市、渠道、广告、销售、其他产品功能、运营活动等等各因素的影响，当然这些因素和业务有关，如果你完全没有头绪，可能需要更进一步去了解业务了（比如问问相关部门的同事）。
技术原因也会影响到产品数据，比如某个服务器在某天的超时的访问特别多，那自然会影响产品的转化率了。
如果这些因素都没有变化，我们可以更跳脱去考虑，比如是否有政策、人口、经济是否对整个行业的大盘产生了影响，从而进一步影响到了自己的业务。
2. 选择最直观的图表
自己好不容易推理出了“真凶”，但是一起玩剧本杀的小伙伴竟然没听懂你的推理，还反手投了你？
这就和分析完数据之后，复盘汇报时同事不能理解这些数据一样苦恼。到底选择什么样的图表来表达数据才能做到清晰、高效？
打开Excel我们会发现有N种图表（截图有点丑大家不要介意），咱就讲几种常用的：
（1）柱形图&条形图
柱形图的一般用于表达某个指标随着时间（或者某个变量）的变化，比如每个季度的销售额、MAU均值等。
如果变量的文案比较长，我们也可以用横过来的条形图去呈现（柱子之间文字太多挤不下），比如首页每个模块的点击率。
总之，柱状图更强调趋势变化，条形图更强调比较（左图的单位是万，忘记标注了，下同）。
左图为柱形图，右图为条形图
（2）柱形图+折线图
折线图和柱形图类似，也强调趋势变化。
一般用于更细的数据，比如分天、分小时的数据，MAU按照每个季度平均一下还能用柱形图，但是如果过去一个季度DAU的数据，那用柱状图肯定就画不下了，这时一般就用折线图了（比如上面一章提到的分天曝光图）。
既可以表达绝对数值，又可以表达出趋势，学姐个人还蛮喜欢的。
比如两年内每个季度的MAU均值（柱状）和其年同比（曲线），这样我们不仅可以看出每个季度数值和变化趋势，也可以看出年度的变化趋势。
（3）饼图
强调占比。比如我们要统计不同路径下单量的占比，这时候就可以用饼图了。很多童鞋在这个时候还是用普通的柱形图/条形图，这样不如饼图直观。
(4）漏斗图
顾名思义在表达漏斗的时候比较好用。比如对比新用户和老用户（或者不同渠道、平台等）在打开App→商品详情页→下单成功每个漏斗的UV，不过转化率需要自己标注下，学姐觉得这图和直接用表格的直观程度其实也差不多。
如果是表达两类用户转化漏斗的对比，倒还不如用两个条形图拼一起（左边这个需要选中两个坐标轴然后对刻度线选择逆向类别）。
稍微复杂一些的图表其实也就是一些基本图表的组合，比如百分比柱形图，有邻居的柱状图等（官方名字是簇状柱形图？好拗口），大家可以根据需求去选取。
比如我们要表达每个季度的运营成本，和各项成本占营收的比例时（比如市场营销成本、研发成本、行政管理成本），就可以用前者，强调趋势+占比；表达兄弟部门每个季度销售额PK的时候，就可以用后者，强调趋势+对比。
评论（0）