如何高效进行数据采集，这里有一套完整方案

假设一个场景：我们想要采集一个广告投放页的数据。

首先，我们与技术同学描述用户进入 App 开屏页所面临的场景：浏览—点击—跳转到广告页；接着，我们提出埋点需求。

点击数据分为有效点击和无效点击两类，但是由于技术侧同学并不会纠结此问题。他便随便从网上下载了一个闪屏页框架，集成到项目中。

在该框架下，点击动作被拆解为：按下，抬起。而我们平时认为的点击动作应该是：短时间内按下和抬起两个动作同时出发。

由于框架的目标是增加点击率，即让看到广告详情页的人变多。所以，当用户按下的时候，就已经触发了跳转到详情页的操作。

大部分非目标客户都会很急躁的退出广告详情页，而真正看到广告并感兴趣的人员则会主动进入广告详情页。

由此带来的洞察结果是：点击率高，转化效果差。市场侧的同学误认为是广告设计的失败，这会影响下次广告投放的视觉效果或投放策略。

通过上述例子，我们得出结论：数据采集的时机和技术侧的实现方式会大大影响业务侧的决策。

“九层之台，起于累土。”在形成一套可被洞察的数据之前，数据采集是最基础也是最关键的步骤。只有数据采得准，这个洞察结果才能在你做商业决策时提供帮助。否则将适得其反，再漂亮的数据分析也带不来实际的效果。

但是在埋点方案的实际实施过程中，我们可能会遇到以下困惑：

• 如何和技术端沟通你的埋点需求?
• 技术同学是否很快理解并落地?
• 最终数据生产结果是否符合你的预期?

GrowingIO 在与上百家客户落地埋点方案的经验中，发现“数据采集带来的数据质量问题”也许已经成为了企业的共性问题，而导致这一问题发生的原因主要有以下 4 点：

• 前期沟通业务不明确。例如程序员不清楚有效点击和无效点击的区别，只是单纯地从技术层面完成埋点；
• 采集时机口径对不齐。你希望采集数据的那个时机，技术同学并不明确；
• 采集点没有统一管理。如果没有统一的渠道去管理点击、浏览等数据，你的埋点方案将因繁琐的程序而无法落地；
• 版本更新。比如你在新旧版本之间进行比对时，无法发现数据的变化。

数据采集关乎数据质量，它需要产品及业务侧同事做出让技术同学“看得懂、埋的对、实施快”的技术落地方案。

2. GrowingIO 为数据高效采集保驾护航

针对这些棘手问题，GrowingIO 的无埋点技术可以快捷定义页面、按钮、文本框等常见用户行为操作，从而减少在某些重复性高的用户共性行为的埋点代码操作量，为数据快速可视化提供便利。

1.无埋点的定义

什么是无埋点？我们先来看看你是否遇到过以下这些场景：

• 做了一场运营活动，需要在用户的每一次点击行为上都埋点，却缺乏产研资源；
• 想衡量交互细节以推测用户行为之间的关联，却苦恼于繁琐的工序；
• 想查看用户在访问时的一切行为轨迹，探索用户使用产品场景；
• 想要快速地对比新旧版本，衡量发版效果；
• 想要分析的事件，没有事先埋点；
• 新功能上线时，发现有一个重要的元素没有埋点。

针对以上问题，无埋点都可以很好的解决。其实无埋点就是人物、时间、地点、内容、方式的数据采集方式，通过 GrowingIO 的圈选（可视化定义工具）功能，我们可以所见即所得地定义指标。

无埋点（圈选）的核心思想基于以下 5 个元数据：

• 人物：人的属性，包括 ID、性别、所在区域等；
• 时间：触发行为的时间；
• 地点：行为发生的城市、地区浏览器等；
• 内容：行为的对象，如按钮等；
• 行为：行为的操作方式，如浏览、点击、输入等。

无埋点能够定义常见事件类型，尽可能地减少代码的使用，减少开发工作量。通过 GrowingIO 的圈选功能，我们能快速采集数据、定义指标、查看实时数据。

2.埋点和无埋点如何选择？

新的无埋点虽然简单便捷，但也有它自身的局限性。同时，我们离不开业务数据维度，所以传统埋点也不能放弃。

埋点和无埋点各有优势，面对不同的场景，我们需要明确目的、结合具体情况综合判断，选择数据采集的最优方式。

（1）埋点

• 优势
• 数据定义清晰，稳定性高，用户一旦触发事件，数据就能上报；
• 可以多次添加业务属性，以支持维度拆解和下钻分析。
• 劣势
• 需要提前规划，和开发团队沟通业务需求，跨团队协作确定埋点方案；
• 历史数据无法回溯，在下一个版本中才能看到。
• 适用于「监控与分析式」数据场景：
• 核心 KPI 数据
• 需要长期监控和存储
• 业务属性丰富

（2）无埋点

• 优势
• 自主性高，可实时查看数据，便于灵活采集；
• 无需等到发版便可回溯过去 7 天数据。
• 劣势
• 受制于产品开发框架和开发规范，任何一个路径发生改变都会产生影响；
• 维度预定义，无法拆分事件级维度，且无法采集滑动等行为。
• 适用于「探索式」数据场景：
• 交互属性强
• ************************************************************************************************************************************************************************************************************************************************************************************************************************************************************************************************************************