数据中台实战（一）：以B2B电商亿订为例，谈谈产品经理视角下的数据埋点

本文以B2B电商产品“亿订”为实例，与大家一同谈谈数据中台的数据埋点。

笔者所在公司为富力环球商品贸易港，是富力集团旗下汇聚原创设计师品牌及时尚买手/采购商两大社群，通过亿订B2B电商、RFSHOWROOM、环贸快版、环贸映像、富运通、富贸通等子品牌为时尚行业提供一站式产业＋渠道服务的平台。

笔者所在部门为数据中台，职责就是为公司搭建数据中台，支撑各产品线数据化运营，通过数据中台打通各条产品线的数据，更精准的为产业的上下游客户服务。本文以B2B电商产品亿订为实战，谈数据中台的数据埋点。

图片来源：富力环球商品贸易港公众号

刚入公司时，公司的数据埋点这块是和百度合作，用的百度移动统计。

运营反馈百度的流量分析做的很强大，但是最大的问题是不能结合电商的业务数据，比如：只有坑位的流量数据却拿不到坑位的交易额、转化率（交易额/PV）这些数据，另外电商的主路径访问>商品详情>商品列表>加购>下单>支付整个流程的转化率是取不到的。

此时，就拉上我们的开发，叫上了亿订产品经理和运营负责人，一起沟通目前的问题。

图片来源：百度移动统计，百度的移动分析看不到任何业务数据。

沟通后确定主要确定解决以下问题：

问题一：要知道亿订B2B电商产品每天的主路径访问用户数>商品列表页>商品详情页>加购>下单>支付主路径每天的人数及每个步骤之间的转化率。目的是长期监测每步的转化率如果有明显异常，运营同事会进一步分析转化率低的原因。

图片来源：亿订电商，从左到右以此为：首页、商品列表、商品详情、加购、结算页

问题二：因为问题一只能解决总体转化率，要想定位到底是那里的转化率低导致整体转化率低的原因，还得看用户每个入口路径各环节的转化率。

问题三：要解决坑位的转化率问题，因为评价坑位好坏的因素不止有PV/UV百度统计的两个指标，运营同事定义了坑位的转化率为（pv/坑位交易额）来综合判定坑位的性价比，如果坑位的放在很明显的位置，那他的转化率还是很低，那就要分析原因，改变运营策略。比如图片的调整、商品的调整、位置的调整等。

问题四：要打通用户的行为数据和用户的交易数据，用户运营的同事需要更加了解他们的用户比如什么时候访问，访问了那些商品、什么时候加购，加购了那些商品，什么时候买了那些商品。这些百度是做不到的。通过用户的访问行为，运营同事会进行针对性的运营型。

问题五：要看到用户的留存情况，留存的定义分为两种，第一种是访问留存率，新用户第一次访问看他接下来7天后、14天后、一个月后是否再次访问。第二种是购买留存率，用户第一次支付后看接下来的7天后、14天后、一个月后是否再次支付。这样就能直接看出平台的用户粘性。

基于以上问题，我们数据中台内部开始设计产品方案和技术方案。

关于技术方案

埋点技术选型

要解决以上问题，就要对亿订的H5端、APP端（IOS/安卓）进行全面的埋点，如果采用手工埋点的方式，工作量是比较大的，而且依赖各个产品线的前端开发（JS/安卓/IOS）。

我们的技术负责人研究了市面上各个数据公司的埋点方式，从是否开源，SDK是否支持H5、安卓、IOS。部署方式是私有化，还是saas化（采集到的用户数据是公司比较重要的数据，出于安全考虑，需要本地化部署）这几个方面入手决定用神策开源埋点SDK。

这样节省了大部分的工作量，SDK一旦部署基础信息比如（时间、地点、浏览器、硬件设备）都会自动化的采集。

基础信息采集

接下来，就要进行埋点接口的定义。

首先，是公共字段的定义，这些都封装在SDK中，只要前端工程师基于SDK的开发文档进行工程部署，程序就是自动收集用户的这些基础信息。这样用户在那里，用户使用的什么设备，用户什么时间访问了我们的产品，就解决了。

浏览页面事件采集

接下来，是用户浏览页面数据埋点，这个协调了亿订的产品经理梳理了亿订的所有网页地址和按钮名称（为了后文的触点埋点）包括上文提到的入口页面推广页、首页、商品列表页、商品详情页、加购页、下单页、支付页等关键页面进行了全方位的埋点。

拿电商最关键的商品详情页举个例子：他有可能是从坑位来的，有可能是从搜索来的、有可能是从推荐来的，要记录他的来源信息，才能对以后的分析有作用。

比如：上文问题三提到的转化率是涉及到坑位产生的交易额和PV两个指标，那每次进入商品详情页，要记录坑位的信息才能进一步计算出坑位的总的销售额和转化率。数据中台是数据贪婪的应用，埋点收集到的信息当然是越详细越好，不过过多的埋点也会影响前端的性能，所以所有的埋点都是基于问题指向的。

触点事件采集

基于亿订业务线提供的按钮列表，让亿订的前端开发工程师对关键按钮点击进行了埋点开发。

有两方面的作用：一方面如电商主路径中的加购是按钮点击，而不是页面点击。这时就要通过触点事件的方式，先收集数据，后期格式化为页面浏览事件来处理；另一方面，如要看关键按钮的点击次数，关键页面的转化率（如登录、注册页转化率等）都需要统计按钮的点击。

关于产品方案

问题一

关于问题一的电商产品的主路径：访问用户数>商品列表页>商品详情页>加购>下单>支付，只用取这些页面的UV就可以了，不过有几个个问题需要注意。

访问到到商品列表页的转化率：访问用户数最好是访问了首页+访问了商品列表页+访问商品详情页的人数去重后的UV，因为也有人直接从商品列表页或商品详情页进入产品。这样算才能更精准。
加购>下单的转化率可能大于100%，比如：今天加购的用户可能在后天下单。
加购是一个按钮不是页面要格式化为页面处理。

基于这些问题设计出了电商主路径的页面，主要可以看出每天的访问用户数、浏览商品列表页用户数、浏览商品详情页用户数、加购用户数、下单用户数、收藏用户数、分享用户数和他们之间的转化率。每天的转化率我们以漏斗的形式展现，这样更能直观的看出转化率的变化情况。点击数字后可以查看用户明细信息，可以直接导出这些结果，做针对性运营，这样主路径的问题就解决了。

问题二

运营用了一段时间就提出另外一个问题，天天看这些结果，但是就算发现了转化率比较低，也很难找出转化率低的原因。

为了解决这个问题，我们基于百度的历史数据发现：亿订的访问入口（用户第一次进入的页面）只有这几个推广页、首页、活动页、还有用户直接从商品列表页、商品详情页进入（大部分是朋友圈的推广）。

如果能知道这些入口主路径的转化率，那问题范围就缩小了。于是，就有了入口分析功能，和其他数据产品的路径分析不太同，我们不但把入口主路径的转化率清晰显示出来，还可以看每个路径每天的变化趋势。

这样就可以更加直观的观察出路转化率低那条路径，计算的方法要在这里讲下：

第一步把所有的用户访问分为N个会话（我们会话的间隔时间定义为20分钟，也就是访问一个页面后如果超过20分钟才访问下一个页面，那下一个页面就算另外一个会话）。
第二步找出用户首次访问包含这些入口的会话。
第三步把用户的访问路径打横，遍历用户的访问路径如果满足我们定义的路径，这条路径就会算一个UV。计算时商品列表页它是从搜索来的，还是从分类来的，还是直接从首页来的已经提前打好标识。

问题三

坑位转化率涉及坑位交易额，但是埋点数据有5%左右的丢失率，比如：用户操作时的网络不好，此时用户的埋点数据就无法正常上传到埋点服务器。

我们需要做到100%的精准，另外就是电商的加购是有一个断层的，比如：用户今天加购，没有购买，过了2天直接进入购物车买商品。

此时，如果通过普通的数据埋点是很难得到购物车商品的来源的。和亿订的前端开发工程师商量后，就决定采用后端埋点的方式。用户加购时将坑位的ID信息传至数据库，每次从购物车取出商品支付时再从数据空中取出商品的所属坑位ID，下单时将坑位ID保存至订单中，这样从订单中就能直接分析出这个商品来源于那个坑位。

问题四

采、存、通、用是对数据中台价值最好的解释。

采就是采集要采集用户行为数据和业务数据；存就是通过三层建模的方式对数据进行更科学的存储；通是打通，第一要打通用户用户行为数据和用户业务数据，比如能综合看到埋点采集到的数据像时间、地理位置、硬件设备和用户的购买行为像浏览、访问、加购、购买、收藏、分享等。

打通的第二层含义就是要打通公司内各个产品线的数据，比如：笔者公司要做产业的上下游，就要打通生产数据、销售数据、供应链数据，形成更加立体的用户画像。产品线之前的数据打通会在《数据中台实战-基于多条产品线的标签平台》中介绍。

问题五

留存率的概念每种产品都不同，一般来说就是锁定一批发生了某种行为的用户，看接下来的7天或者14天等等是不是又发生了这种行为。

电商产品的留存率是电商产品的北极星指标，是这样定义的：一个新用户在第一次来到产品后的一周内，如果一周内能让他购买1-2次，那接下来他的复购率会非常高。

但是，不同电商产品的消费频次是不同的所以基于我们产品的特性。我们做了7日留存率、14日留存率、30日留存率这几个数据指标来监控平台的用户粘性。另外就是电商产品初期用户量和交易量是比较小的，所以我们还特别定义了一个访问留存率的指标，看新用户访问后，7日后的留存情况、14日后的留存情况来综合监测用户的黏性。

以上就是本次分享有关数据中台-数据埋点的所有内容，接下来会持续更新有关数据中台的产品设计、标签平台的搭建、推荐系统的搭建等更多干货。全部基于实战，欢迎持续关注。