Event tracking

无埋点

无埋点 = 可视化监测部署 = 所见即所得的监测部署

无论是监测网站，还是监测App，都必须加上监测代码或SDK，不加就搜集不到数据。

无论是埋点方法还是不埋点方法，要搜集数据都要加监测代码或SDK，称之为基础代码。要搜集到所有用户行为的数据，光有基础代码是不够的。无论是网站还是App(尤其是App)，总有一些特殊的用户操作行为时不能靠基础代码捕获的。

不能被基础代码捕获的用户操作行为，称为event(事件)。

每一个需要监测的event互动，都被称为一个“监测点”。Web上需要的监测点较少，App上则布满了监测点。为了搜集这些监测点上的用户数据，必须部署上专用点事件监测代码(event tracking code)。

事件监测(埋点)只有在基础代码工作的情况下才能发挥作用。

机构为App配置无埋点监测点两种方法：

全埋点：本质上和无埋点并无不同。因为无埋点就是直接对页面中所有的交互元素的用户行为进行监听。即使App或网页的开发者不需要监测点部分，无埋点也会将用户行为数据和对应的发生地信息照单全收。

无埋点和埋点点优劣对比

用户的交互行为，如果没有具体的“地点”，无埋点方法不适用。如：用户上滑屏幕时，新内容瀑布流式的底部载入。这种交互没有一个明确的监测点位置，是不可见点。在可视化事件监测设置点界面上找不到这类交互。
可视化的无埋点部署，能够为交互行为设置的属性非常有限。一般无埋点部署，只能给交互行为起一个名字，然后机械的记录这个交互行为发生的次数。而埋点方法可以非常好的添加event背后的属性。
埋点方法因为带有多个属性，用户可以轻松的通过这些属性进行分类数据报告的读取。

企业数据分为三类：

App行为数据特指用户在网站货App中浏览与点击等行为数据，主要用于统计分析App运营情况。用户在社交论坛互动也称为交互数据，此类交互数据在业务场景中更偏向客户关系管理与产品迭代货舆情监控。

App行为数据分为三个维度：

时间

某金融App中，正常交易行为数据流程时间在15秒左右，但部分设备的时间段却集中在2-3秒，明显属于非正常用户行为，通过特征分析针对流程时间段进行标签设置，有助于判断用户是否为欺诈行为。
频次

结合热力图了解产品体验和客户需求，同时也可以用来优化App内部的布局和销售关联产品。
频次数据经过进一步分析后可转化为趋势数据，这些数据痛产品转化和客户购买行为具有强相关关系。
结果标签

主要关注是否完成交易，用于判断客户点击浏览的结果。结果数据分为成交和不成交。成交数据可以用于产品体验分析，客户体验分析，渠道ROI分析；不成交数据可以用于二次营销。

用户对于某界面：停留时间 = 进入时间 - 离开时间

在App端，同一时间只能展示一个界面，故根据这些时间可以推算出用户的界面访问路径。

App用户使用手机App，产生用户行为，App中行为采集功能根据用户行为的类型采用不同的函数对用户行为进行采集，然后将采集到的数据以二进制文本形式暂存到手机中；
App读取暂存数据文件，对数据进行合并去冗余处理后，采用一定策略集中发送到后端行为采集服务器；
采集服务器对行为数据进行拆解，根据数据的类型和时间，将数据保存到不同的日志服务器中；
日志分析服务器定期抓取数据进行分析，产生分析结果；
Web服务器读取分析结果，生成图表以供展示；