excel成交转化率的计算公式（抖音成交转化率的计算公式）

01什么是埋点？

埋点是互联网产品一种常用的数据采集的方法，是针对特定用户行为或事件进行捕获，处理和发送的相关技术及其实施过程。比如想要了解一个用户在 APP 里面点击了哪些按钮，看了哪些页面，做了哪些事情等，就可以通过埋点来实现。

02埋点是干嘛的？

埋点作为常用的产品数据采集方式，应用场景是非常多样化的。下面分别从最常见的几类场景中，简单阐述埋点对产品的主要作用。

1）用户体系搭建：丰富用户标签维度，完善用户画像，用户精准分群及精细化运营

用户体系，本质上就是用户数据的整理归纳。我们将用户的基本属性（如性别、年龄、地区等）、用户行为数据（谁在什么时间什么场景干了什么事），进行数据的分成归纳，即可实现用户的精细化分层运营。针对不同用户群体提供更为精细化的产品与服务，提升用户满意度产品目标达成率。

2）产品优化指南：产品页面、功能等数据采集，分析使用情况

针对产品的每个功能、页面、元素等数据采集，串联用户行为路径。了解用户在产品中的真实使用状况。深度分析产品功能对用户需求的满足的反馈，分析需求效果，根据数据结果进一步进行产品或者策略的优化和迭代

3）业务策略优化：分析业务策略效果，分析用户行为业务侧的“前因”和“后果”

业务分析同样也是数据分析的典型应用场景。当我们在执行某个业务策略时，不能单纯的如产品数据一样只看业务的效果数据，还应该进一步去分析导致业务结果数据的归因数据。找到影响业务的“前因”数据，形成业务数据链，可以更好的帮助我们找到业务方向，优化业务策略，

03埋点该如何设计？

1）埋点的几个维度

一般来说，一个完整的埋点，需要同时具备以下几个维度，我们通常称为“4W1H”模型

• who：明确用户是谁（用户 ID、设备 ID）
• when：明确数据获取时的时间点
• where：数据获取（埋点）的具体位置
• what：触发数据获取的标准（什么事件完成既可记录数据）
• how：具体是什么记录什么数据

如果你的埋点数据，能够回答上面 5 个维度的问题，基本上你的埋点能够满足绝大多数数据分析的场景了

2）不同的埋点方式总结

常见的埋点方式有全埋点、前端代码埋点、后端代码埋点等，每一类埋点有自己的优势和劣势。

【全埋点】

可以理解为简单粗暴的收集用户所有的行为数据，然后再根据实际的数据分析场景及需求做数据提取。

• 优势：开发成本低，大部分常规行为都能覆盖。业务使用方便，通过可通过埋点系统自定义时间，无开发成本
• 劣势：依赖于代码规范性，只有预置事件与属性，数据量较大，存在数据丢失风险
• 建议：业务初期可使用，数据均为偏通用性，需要做好代码的规范化管理、
• 举例：启动、退出、页面浏览、点击事件

【前端代码埋点】

由前端开发进行埋点，针对用户在前端页面产生的行为进行数据采集

• 优势：用户侧数据属性基本完整，能够满足绝大多数场景下的用户行为数据获取，描述用户行为更直观
• 劣势：前端开发成本高，用户行为复杂且繁杂，存在漏埋或数据丢失风险；功能/页面迭代后需要重新埋
• 建议：埋点之前需要系统梳理用户行为及路径，埋点方案要求规范且全面，避免增加后续的维护成本。
• 举例：登录、注册、停留、点击、提交等与业务结合的行为事件

【后端代码埋点】

由后端开发进行埋点，针对用户在前端页面产生的行为且请求服务端数据时，进行数据采集

• 优势：数据准确度高，迭代不需要跟前端发版，调整快，业务属性采集较完整
• 劣势：需要服务端开发成本较高；一些前端属性获取成本高（用户不同行为可能实现同一请求），需要修改前后端传值接口
• 建议：数据准确性要求高的情况下采用，可适当牺牲前端属性的采集需求，以降低采集成本
• 举例：常见的行为结果数据，如提交成功、购买成功、跳转成功等

3）埋点设计的整体框架

埋点需求设计是一个复杂的系统过程。不同量级和行业的企业的埋点需求设计差异较大，但整体可以抽象为三个层面的埋点需求设计：

通用基础事件：能通用解决则不单独埋点。这类数据埋点一般可以使用我们上述提到的“全埋点”

比如：APP 启动、APP 退出、页面浏览、点击事件等

重要点击事件：单独梳理，统一上报，确保釆集的可用性。这类数据常见场景一一般是针对用户侧一些关键的用户行为进行数据采集，前端埋点使用的比较多

比如：Banner 位点击、Icon 位点击、各页面主要点击、各业务流程点击等

各业务主流程或业务结果数据：核心业务流程等具备丰富的特定属性独立事件。这类数据通常都会与服务器产生数据的交互。所以我们常用后端埋点的方式

比如：页面浏览、加入购物车、立即购买、收藏、提交订单、支付订单等

4）埋点设计的一般流程

a.基于数据目的，梳理用户行为链路

埋点设计绝不是凭空想象，而是需要有目的有逻辑的去梳理需求。对于新手来说，有一个比较简单的方法，就是先去明确数据的目的，然后根据目的去梳理用户行为的链路，进而再去梳理链路上的数据需求。

比如，我的目的是分析用户成交转化率，那么我就根据“用户成交”这个动作去梳理用户之前的一系列用户行为，组成完成的行为路径。

b.根据用户行为链路，罗列可能的数据需求

当梳理用户的完整行为路径之后，我们下一步就是将行为路径进行最小化分割。分割的标准就是找到用户在产品上的最小节点。每个节点的数据表现，基本上就是我们本次目的的数据需求点。

c.根据数据需求，转为为埋点需求（可能存在 1:N 情况）

需要特别说明的是：这里的数据需求，不等于埋点需求。

举个例子：我的数据需求是，希望知道在单位时间内，有多少用户进入了某个页面。

这里，有几类埋点其实都可以得到这个数据：

• 单位时间内的，页面用户访问量
• 单位时间内的，页面首屏某个元素的曝光量
• 单位时间内的，上个页面的下一步按钮（本页面的唯一入口）点击成功量

这几类在真实计数时，可能会有些差别，但是在条件有限的情况下， 都是可以作为“希望知道在单位时间内，有多少用户进入了某个页面”这个需求的埋点方式的。

所以，这里一定要明确，你的数据需求对应的埋点需求到底是什么。那么如何找更合适的埋点需求，在本文后面的埋点文档里，会提到。

d.梳理完所有埋点需求后，根据埋点属性进行分类

接下来就是对我们梳理出来的大量的埋点需求进行分类整理。分类的方案可以自己按照实际的业务情况进行归纳整理。或者参考上面我们提到的埋点设计的整理框架的三个分层来也是可以的。

e.撰写埋点需求文档

最后一步，整理好我们的埋点需求后，将它整理成完整的埋点文档，交付给数分或者开发就可以了。

04埋点需求文档怎么写

埋点文档的核心要素：埋点（事件）名称、事件 ID、计数规则、埋点目的、适用场景

1）埋点（事件）名称

顾名思义，就是数据埋点的名称，方便你后续对数据的查找和归纳

2）事件 ID

数据埋点的英文名称，与中文名称为一一对应关系，不可以与现有埋点重复

3）计数规则

既当发生什么事件的时候，针对此埋点进行一次计数。这一点需要特别注意。一定要保证描述精准且无其他异议。举例：“用户点击”与“用户点击成功”。这两者的含义是不一样的

4）埋点目的

一方面是进一步解释埋点的计数规则，拉齐认知；另一方面也是通过对埋点目的的描述来检查计数规则的准确性。

5）使用场景

明确一下这个埋点可能会用在哪些数据分析的场景，进而保证前后数据计数规则的一致性。

举例：如果我们某个埋点数据使用的场景是“用户行为的漏斗分析”，用户在上一个页面的数据统计为“页面访问量”，那么到漏斗的下一个页面时，我们依然使用“页面访问量”而不是上一个页面的“提交”按钮点击成功量。

明确以上几类重要的元素之后，就可以着手撰写埋点需求文档了。

作者：kiwi 分享产品，互联网