一、場景描述
做面向C端用戶的產品，十分依賴用戶數據的收集，下面都見過這樣一張數據分析圖，通過鏈路上各個環節的數據采集，分析對比出曝光產品的交易量：
通過對商品的瀏覽-點擊-交易頁面-支付購買等，分析產品的交易場景，這里是從大的業務方面觀察數據的鏈路，實際上在分析的時候要考慮很多細節問題。
二、數據來源
用戶數據來衡量用戶或者產品的各方面緯度是最具有說服力的，所以在互聯網的產品后期開發和優化過程中，對數據的采集和管理一直都是非常重要操作。
現在產品常見的客戶端有PC端、H5端、APP端、小程序等各個場景的入口，更有一些物聯網設備或者專門做的數據采集機制，不同的場景下的數據類型都是要區分的。通過不同端口下各類數據埋點，獲取各個場景下的不同事件的數據來分析產品的優缺點，獲取具有建設性的分析結果。
例如模塊一中的案例：通過對端口的分析如果在APP端商品A的推薦和交易率最高，在小程序端推薦效果不好，那就可以考慮針對APP和小程序端采用不同的推薦機制。
三、事件類型划分
數據需要采集，並且要區分不同端口的數據只是基本的意識層面，思考采集數據的事件類型是最基礎的操作。這里要從產品的特點去考慮，不同一概而論。下面提供一些基礎采集數據和一些常見案例，關於核心業務數據相對都是精細和完整的，基本具備讀庫直接分析的條件。
基礎信息
| 屬性 | 字段 | 類型 | 描述 |
|---|---|---|---|
| 操作終端 | app_client | String | Android/IOS/小程序/H5等 |
| 終端版本 | app_version | String | 版本號標識 |
| 用戶標識 | user_id | Integer | 用戶ID |
| 網絡地址 | ip_address | String | 用戶IP信息 |
這些信息是存在任何采點數據中的，通過這些基礎信息采集，用來分析不同端口下用戶的特點，以此可以進行差異化的管理和運營。
登錄信息
| 屬性 | 字段 | 類型 | 描述 |
|---|---|---|---|
| 登錄時間 | login_time | Date | 用戶登錄時間 |
| 在線時長 | online_time | Long | 在線使用系統的時間 |
通過對登錄和在線時間，以及一些使用信息，判斷該類用戶活躍度，是否需要重點運營或者營銷激活。
業務基礎
| 屬性 | 字段 | 類型 | 描述 |
|---|---|---|---|
| 服務類型 | service_id | Integer | 不同的業務服務 |
| 模塊划分 | model_type | Integer | 例如訂單/支付/物流等 |
以此作為業務數據采集的基礎信息，用來對業務數據做整體的划分和分析，具體的細節數據需要根據具體場景設計。
商品案例
| 屬性 | 字段 | 類型 | 描述 |
|---|---|---|---|
| 商品信息 | product_id | Integer | 商品信息 |
| 展現位置 | position_id | Integer | 例如：列表/推薦位/廣告位 |
| 店鋪信息 | shop_id | Integer | 所屬店鋪信息 |
| 搜索信息 | key_word | String | 搜索關鍵字 |
| 當前單價 | unit_price | Double | 商品當前單價 |
| 當前銷量 | sales_num | Long | 商品當前銷量 |
這里是按照用戶瀏覽行為做的一個簡單的數據采集信息，這種機制在實際的電商APP中很常見，產生點擊或者搜索的商品會被重點推薦，如果沒有這類動作，則根據日常瀏覽信息做推薦機制。在實際的開發中，采集的數據遠比這里復雜，需要根據實際業務需要去考量。
營銷案例
| 屬性 | 字段 | 類型 | 描述 |
|---|---|---|---|
| 活動位置 | location_id | Integer | 入口位/引導頁/推薦位/分享鏈接等 |
| 營銷產品 | product_id | Long | 營銷活動主打產品類型 |
| 產品詳情流量 | detail_num | Long | 活動產品瀏覽量統計 |
| 訂單確認頁 | detail_num | Long | 活動產品瀏覽量統計 |
| 活動交易統計 | trade_num | Long | 活動最終轉化統計 |
通過運營活動進行產品營銷，活動結束后對數據進行復盤統計，然后根據活動軌跡數據的分析，平衡營銷產生的價值和成本，不斷調整活動策略，優化運營思路。
四、實現方式
1、業務層面
從業務角度來看，除了一些用戶無感知的采集操作之外，還可以基於問卷調查方式，例如很多APP在使用一段時間后都會彈出用戶評價類似的評分系統，或者意見留言的入口，更加直接的搜集用戶反饋信息。
2、技術層面
最常見的就是SDK埋點技術，針對特定用戶行為或事件進行捕獲、處理和發送給服務器的相關技術及其實施過程。這種方式用來處理一些非核心業務十分常見。如果是一些核心業務，可能需要自定義的方式采集數據，避免造成數據泄露的問題。
3、數據積累
當業務不斷發展，需要分析的場景會越來越復雜，而且采集的數據量達到一定規模之后，數據管理的和分析的難度就會變大，就會需要專業化的流程和智能工具，例如BI工具，可視化組件，數據大屏，多場景聯合分析等。
五、源代碼地址
GitHub·地址
https://github.com/cicadasmile
GitEE·地址
https://gitee.com/cicadasmile
推薦閱讀：編程體系整理
| 序號 | 項目名稱 | GitHub地址 | GitEE地址 | 推薦指數 |
|---|---|---|---|---|
| 01 | Java描述設計模式,算法,數據結構 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 02 | Java基礎、並發、面向對象、Web開發 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆ |
| 03 | SpringCloud微服務基礎組件案例詳解 | GitHub·點這里 | GitEE·點這里 | ☆☆☆ |
| 04 | SpringCloud微服務架構實戰綜合案例 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 05 | SpringBoot框架基礎應用入門到進階 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆ |
| 06 | SpringBoot框架整合開發常用中間件 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 07 | 數據管理、分布式、架構設計基礎案例 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 08 | 大數據系列、存儲、組件、計算等框架 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |