作为埋点家族里的“轻食主义者”,可视化埋点的操作思路是这样的......

2018 年 8 月 13 日 Analysys易观

导读

上一期,易观的技术男们,用超过五千字的内容,详细讲解了埋点。今天这篇文章,则主要围绕埋点方式之一的可视化埋点展开,从其技术原理,优点缺点,实际案例等方面,向大家立体展示这一埋点方式。此篇为埋点系列文章第二篇。

 

可视化埋点,通常是指用户通过设备连接用户行为分析工具的数据接入管理界面,对可交互且交互后有效果的页面元素(如:图片、按钮、链接等),直接在界面上进行操作实现数据埋点,下发采集代码生效回数的埋点方式。这种方式所见即所得,跳过代码部署、测试验证和发版过程,极大提升生产力。


易观方舟的可视化埋点页面

 

可视化埋点的出现,是为更好的解决代码埋点流程复杂、成本高等问题

 

以精细化运营分析工具——易观方舟为例,使用者只需在其可视化埋点页面上,点击想要监测的元素,然后起个名字、给个编号,埋点就完成了。同时,还可以根据时间、地理位置、操作系统、useragent、渠道等几十个维度,细分查看该埋点的数据,而不仅仅是这个元素的点击。

 

可视化埋点的技术原理是什么呢?其实,可视化埋点与好多年前比较流行的面向业务人员的网页制作工具Dreamweaver 类似,即所见即所得,通过点击交互替代手写代码。可视化埋点参考Visual Studio 等一系列IDE做法,用可视化的页面交互手段来代替代码编写,从而大幅缩减工作量和沟通成本,同时降低出错几率。

 

另外,从流程上讲,每次埋点后,业务人员都还要等待APP/网页/小程序的更新发版or上线,才能看到数据,这种时间滞后性,大大伤害了业务人员的数据使用需求。所以,参考很多手游的做法,把核心代码、配置、资源分开,通过网络更新配置和资源从而实现采集代码下发。达到所见即所得的效果。

 

代码埋点VS可视化埋点

 

代码埋点与可视化埋点对比图

 

通过对比两者所需步骤和人力配比,不难发现,可视化埋点的流程,从5步减少至3步,时间也相对缩短,降低了人力成本,提高了生产效率。

 

当然,可视化埋点也并不是无所不能,也存在一些局限性

 

1.  业务属性数据,例如,订单号、金额、商品数据量等,通常要调用后台的接口,可视化埋点在这方面的支持有限;尤其国内的安卓基本上不是“原装”的,开发没有统一的规范,除非每个厂商一套策略,否则靠可视化埋点很难获取这部分数据;并且每个厂商一套策略,搞不好监测的SDK比应用都大,就太不友好了;


2.  国内山寨机的数量很大,个别山寨机甚至一批机器一个IMEI,这种灰色地带的数据监测,目前并没有具备可行性的可视化埋点方案;


3.  网页、app和小程序的开发“流派”很多,各有特色;但对于可视化埋点而言,就是开发没有统一规范,导致某些场景下监测不到或监测准确性不足;例如,一些前端架构不完善的公司的新手前端程序员,经常忘记给元素加id或class等起标识作用的属性,导致自己维护麻烦,监测也麻烦。

 

总之,这些不如人意的地方,最终会导致可视化埋点获取不到一些数据,或监测数据的准确性降低。

 

就目前技术来讲,可视化埋点并不能使数据采集达到最完美的状态;虽然它可以提升效率,但满足不了所有场景的数据采集。从使用角度来说,如果是急于需要使用数据,人力资源又紧张的情况下,可视化埋点就是最后的选择。如果紧急度不高,且人手充足的情况下,则可考虑代码埋点。


2018易观A10峰会早鸟票

 ★199元限时特惠★


点击文末“阅读原文”  即刻了解易观方舟!


 


运营小伙伴们,快来加入易观「数据工会」吧


与群主一起深度交流,碰撞思想的火花~


请添加微信好友:ygxm222 拉你进群哦~



Focus专题·热门推荐


为了讲明白“埋点”的演变史,这帮技术男献出年度最温柔一讲


 “阅读原文”,即刻了解易观方舟!

登录查看更多
0

相关内容

计算机视觉中运动行为分析就是在不需要人为干预的情况下,综合利用计算机视觉、模式识别、图像处理、人工智能等诸多方面的知识和技术对摄像机拍录的图像序列进行自动分析,实现动态场景中的人体定位、跟踪和识别,并在此基础上分析和判断人的行为,其最终目标是通过对行为特征数据的分析来获取行为的语义描述与理解。运动人体行为分析在智能视频监控、高级人机交互、视频会议、基于行为的视频检索以及医疗诊断等方面有着广泛的应用前景和潜在的商业价值,是近年来计算机视觉领域最活跃的研究方向之一。 它包含视频中运动人体的自动检测、行为特征提取以及行为理解和描述等,属于图像分析和理解的范畴。从技术角度讲,人体行为分析和识别的研究内容相当丰富,涉及到图像处理、计算机视觉、模式识别、人工智能、形态学等学科知识。
【2020新书】使用高级C# 提升你的编程技能,412页pdf
专知会员服务
56+阅读 · 2020年6月26日
【实用书】Python技术手册,第三版767页pdf
专知会员服务
234+阅读 · 2020年5月21日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
161+阅读 · 2020年5月14日
【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
116+阅读 · 2020年5月10日
【实用书】流数据处理,Streaming Data,219页pdf
专知会员服务
76+阅读 · 2020年4月24日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
192+阅读 · 2020年3月12日
【2020新书】Kafka实战:Kafka in Action,209页pdf
专知会员服务
67+阅读 · 2020年3月9日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
Python数据分析案例实战
炼数成金订阅号
5+阅读 · 2019年5月9日
亿级订单数据的访问与储存,怎么实现与优化
ImportNew
11+阅读 · 2019年4月22日
逆向 | C++ 加壳程序的编写思路
计算机与网络安全
9+阅读 · 2019年1月1日
五步帮你实现用户画像的数据加工
云栖社区
6+阅读 · 2018年2月4日
思路+步骤+方法,三步教你如何快速构建用户画像
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
VrR-VG: Refocusing Visually-Relevant Relationships
Arxiv
6+阅读 · 2019年8月26日
Neural Response Generation with Meta-Words
Arxiv
6+阅读 · 2019年6月14日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
5+阅读 · 2018年1月23日
VIP会员
相关VIP内容
【2020新书】使用高级C# 提升你的编程技能,412页pdf
专知会员服务
56+阅读 · 2020年6月26日
【实用书】Python技术手册,第三版767页pdf
专知会员服务
234+阅读 · 2020年5月21日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
161+阅读 · 2020年5月14日
【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
116+阅读 · 2020年5月10日
【实用书】流数据处理,Streaming Data,219页pdf
专知会员服务
76+阅读 · 2020年4月24日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
192+阅读 · 2020年3月12日
【2020新书】Kafka实战:Kafka in Action,209页pdf
专知会员服务
67+阅读 · 2020年3月9日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
相关资讯
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
Python数据分析案例实战
炼数成金订阅号
5+阅读 · 2019年5月9日
亿级订单数据的访问与储存,怎么实现与优化
ImportNew
11+阅读 · 2019年4月22日
逆向 | C++ 加壳程序的编写思路
计算机与网络安全
9+阅读 · 2019年1月1日
五步帮你实现用户画像的数据加工
云栖社区
6+阅读 · 2018年2月4日
思路+步骤+方法,三步教你如何快速构建用户画像
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
相关论文
Top
微信扫码咨询专知VIP会员