
數(shù)據(jù)分析產(chǎn)品的下一個進化:基于無埋點的有埋點
一直以來,人們把大數(shù)據(jù)和埋點技術(shù)緊緊捆綁在一起,大數(shù)據(jù)時代也被稱為埋點時代。技術(shù)發(fā)展,更新更快的無埋點技術(shù)橫空出世。那么埋點技術(shù)是不是就此被判了死刑,無埋點就是萬能的了?非也,二者只會進化的更為高級。
為什么這樣說呢?其實從埋點技術(shù)的誕生和發(fā)展不難看出,一切都是源于大數(shù)據(jù)的發(fā)展,對數(shù)據(jù)的需求更加全面和精準(zhǔn),為適應(yīng)這種發(fā)展,埋點技術(shù)不斷更新迭代。這也是大數(shù)據(jù)發(fā)展的根源。
埋點的進化發(fā)展史
互聯(lián)網(wǎng)發(fā)展起始階段,用戶不關(guān)心流量,沒有意識到需要檢測網(wǎng)站信息,一切都處在野蠻生長的階段,隨著時代的進步,業(yè)務(wù)也在增長,網(wǎng)站的流量開始增多,這時大家意識到這些數(shù)據(jù)中蘊含著大量的用戶信息,加之用戶需求越來越復(fù)雜,這時運營人員就需要一些關(guān)鍵的數(shù)據(jù)作為參考。
比如一些互聯(lián)網(wǎng)公司,發(fā)展到一定程度,都會有專門的數(shù)據(jù)團隊或者兼職數(shù)據(jù)人員,對公司的一些業(yè)務(wù)指標(biāo)負(fù)責(zé)。同時產(chǎn)品的迭代升級同樣需要大量的數(shù)據(jù)來支撐,如果沒有數(shù)據(jù)指標(biāo)的支撐,又怎么衡量這個功能升級是不是合理的呢?互聯(lián)網(wǎng)產(chǎn)品并不是功能越多就越好,產(chǎn)品是否經(jīng)得起用戶考驗,還是要基于數(shù)據(jù)說話的,然后學(xué)習(xí)新知識,用于下一輪的迭代。于是,埋點就此誕生了!
從埋點發(fā)展到今天的無埋點經(jīng)歷三個階段的升級,第一階段是代碼埋點,最初的埋點是在代碼的關(guān)鍵部位植入N行代碼,追蹤用戶的行為,得到想要的數(shù)據(jù)。挖開產(chǎn)品本身,找到收集點.進行源源不斷的傳遞數(shù)據(jù)。簡單的說,找節(jié)點,布代碼,收數(shù)據(jù)。
但隨著業(yè)務(wù)規(guī)模擴大,數(shù)據(jù)需求增多,埋點效率低下,采集成本過高等問題開始暴露,這時候新的埋點技術(shù)出現(xiàn)了,即第二階段框架式埋點。
框架式埋點也稱“可視化埋點”。用框架式交互手段來代替純手工寫代碼,固化相應(yīng)代碼的做為SDK,方便直接調(diào)用.這是一個非常大的進步??蚣苁铰顸c很好地解決了代碼埋點的埋點代價大和更新代價大兩個問題。但框架式埋點能夠覆蓋的功能有限,關(guān)鍵在于不是所有的控件操作都可以通過這種方案進行定制,而且數(shù)據(jù)收集難度加大,因此無埋點技術(shù)走入了大眾的視線。
“無埋點”則是先盡可能收集所有的控件的操作數(shù)據(jù),然后再通過界面配置哪些數(shù)據(jù)需要在系統(tǒng)里面進行分析?!盁o埋點”相比框架式埋點的優(yōu)點,一方面是解決了數(shù)據(jù)“回溯”的問題,另一方面,“無埋點”方案也可以自動獲取很多啟發(fā)性的信息。無埋點大大減少了開發(fā)人員的開發(fā)成本及技術(shù)和業(yè)務(wù)人員的溝通成本??梢哉f無埋點技術(shù)的出現(xiàn),最大化的提升了數(shù)據(jù)收集的速度,大幅縮短了數(shù)據(jù)收集周期,使得原來不敢想的事情現(xiàn)在敢做了,原來礙于必須有時效性不敢收集的數(shù)據(jù)也可以迅速進行分析了,在這點上,無埋點技術(shù)對傳統(tǒng)埋點技術(shù)的優(yōu)勢巨大。那么發(fā)展到無埋點是否就此為止了呢?答案是否定的。
下一個階段---無埋點基礎(chǔ)上的有埋點
從埋點到無埋點,每個階段的演變都是順應(yīng)時代發(fā)展的需求,二者不是簡單的被淘汰,而是在原來的基礎(chǔ)上更新迭代,回到根源上來說,對數(shù)據(jù)的全面和精準(zhǔn),也是技術(shù)進化的一個催化加。因此我們有理由大膽猜測,數(shù)據(jù)分析技術(shù)只會繼續(xù)下一個階段的進化,基于無埋點上的有埋點,支持我們的理由是什么?
首先我們了解一下它的概念,所謂無埋點技術(shù),并不是說完全不用在App中植入代碼,而是需要調(diào)用SDK代碼,在應(yīng)用頁面的加載過程中、點擊事件傳播過程中、在其中間的某個點自動嵌入監(jiān)測代碼來采集數(shù)據(jù)。簡單來說,就是通過簡單的引入一段代碼來實現(xiàn)監(jiān)測。目前主流的APP監(jiān)測,引入監(jiān)測方的SDK;網(wǎng)站端監(jiān)測,則引入監(jiān)測方的JS文件,通過引入的SDK或者JS文件來實現(xiàn)對APP或者網(wǎng)站的流量、頁面熱點、用戶數(shù)等等這類基礎(chǔ)數(shù)據(jù)的統(tǒng)計分析。因此無埋點,并非完全不埋點,只是少埋點,不是大家理解的不埋任何代碼就能實現(xiàn)監(jiān)測,無埋點不能脫離有埋點獨立存在的。
其次,雖然無埋點看似十分先進,但也同樣存在一些弊端,不能靈活地自定義屬性,傳輸時效性和數(shù)據(jù)可靠性欠佳,由于所有的控件事件都全部搜集,給服務(wù)器和網(wǎng)絡(luò)傳輸帶來更大的負(fù)載;現(xiàn)有的無埋點技術(shù)并非官方標(biāo)準(zhǔn)方案,有可能在未來無法使用;監(jiān)測需求相對比較基礎(chǔ),更多的是依據(jù)流量、用戶、熱點的一些分析統(tǒng)計,不涉及到一些自定義、或者更細(xì)化的統(tǒng)計分析,比如每個訂單、會員的監(jiān)測;或者頁面存在jQuery時對頁面熱點的監(jiān)測。
比如我們以APP來說,APP所有新聞頁、產(chǎn)品詳情頁的類名都是一個,那么無埋點就無法區(qū)分不同新聞頁或者產(chǎn)品詳情頁的數(shù)據(jù),這就影響到了數(shù)據(jù)的精準(zhǔn),這種情況下就需要添加代碼來實現(xiàn)。
就比如城市要鋪設(shè)新的業(yè)務(wù)管道,那必須開挖路面,光看是不行的,同時要計量或控制管道的流量大小,知道管道里的流動情況,就必須在相應(yīng)的節(jié)點上裝相應(yīng)的閥門,這就好像埋點一樣。
有時一些特殊需求或者特殊格式,也需要額外手動發(fā)送請求代碼來實現(xiàn),比如滾動條高度、及其它稍復(fù)雜的監(jiān)控都無法做到,如果需要采集全方位的數(shù)據(jù)進行更專業(yè)的分析,仍需要靠開發(fā)人員來埋點配置。
可見,無埋點在數(shù)據(jù)監(jiān)測中并不能做到全面。這就注定埋點技術(shù)不會安安靜靜的選擇“狗帶”,無埋點技術(shù)又不是吹噓的十分萬能。實現(xiàn)全面監(jiān)測,將二者有效的結(jié)合在一起才是發(fā)展的正理。
因此在基于無埋點的基礎(chǔ)上,通過一些手動發(fā)送請求方式(也就是所謂的埋點),來實現(xiàn)全面監(jiān)測,這是目前行業(yè)需求和技術(shù)發(fā)展的主流方向,這種技術(shù)既解決了數(shù)據(jù)分析中的弊端,又確保了數(shù)據(jù)的精準(zhǔn)性,同時也具備很強的擴展性。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11