數據埋點原理
數據埋點，對於產品迭代而言，有很重要的指向意義。
數據分析是我們獲得需求的來源之一，通過對數據的比對，對數據趨勢的分析，能讓我們發現哪些環節存在問題，哪些環節有提高空間。同時，數據分析也是檢驗功能是否有效，是否受歡迎的重要佐證。
非常的直觀，以一種數據的形式呈現出來，而這些數據有大部分都來自於對數據的埋點。學習數據埋點，首先認識一下他的實現原理。
以APP舉例，我們可以簡單的分爲四個層級，表層是UI層，底層是數據表和日誌。（必要時，我們可以將層級分的更加清晰。）
數據埋點的發生場景便是在表層-UI層裏，其作用是監控用戶在UI層產生的行爲。也就是用戶對界面的操作。
數據埋點其實無法統計有多少用戶發佈了朋友圈，但可以統計有多少用戶點擊了朋友圈的發佈按鈕，以及有多少用戶在朋友圈發佈頁點擊了確認發佈的按鈕。
基礎認識
數據埋點我們可以分成兩類，其一是頁面統計，其二是行爲統計。
頁面統計
頁面統計可以幫我們知曉某個頁面被多少人訪問了多少次。
其本質是監控頁面加載的行爲，儘管此時用戶並沒有對UI產生行爲，但卻是由上一個點擊行爲觸發的一個結果。除了訪問的人數與次數，也可以監控到用戶在某個頁面停留的時長，部分產品希望用戶在某個頁面停留的時間越長越好。
追求停留時間的產品，典型的便是信息流產品。這表示用戶正在持續的進行閱讀，停留的時間越長，表示內容對用戶的吸引力越高，這樣才能產生持續的閱讀行爲。
（諸如微博，朋友圈等以短信息爲主要內容的信息流，長信息會更加側重跳轉詳情頁的數值）
行爲統計
行爲統計是指用戶在界面上的操作行爲，應用最爲廣泛的便是按鈕的點擊次數。
其實，通過數據埋點捕捉到的數據，有三層，第一層是基礎層，比較通用的數據，像是日活，新增，第二層是頁面訪問，第三層就是行爲統計，名詞上來講通常被稱爲“事件統計”
通過對UI界面響應事件的捕捉，我們能夠得知某個按鈕的點擊數及對應的點擊率。
基礎應用知識
數據分析是很一門很複雜的學科，對於PM而言，是一個重要的需求源，而我們用來分析數據採用的方法，也非常的多，並且複雜的分析方法，可以複雜到讓我們懷疑人生~~這裏結合文章提到的內容，給大家做個應用分享，屬於簡單的分析方法。
頁面統計–頁面訪問率
APP裏，有的頁面是存在唯一的主次關係，意思是B頁面僅能從A頁面進入。
此時，我們結合兩個頁面的訪問數值，就能得到A頁面到B頁面的轉化率。並以此判斷兩個頁面是否存在可優化空間。
數據裏所隱藏的優化空間，往往是存在多種可能性的。
實例
A頁面與B頁面具備唯一主次關係， B頁面僅能從A頁面跳轉進入，（如：微信的，某人的相冊，僅能從個人資料進入）
若 A頁面訪問人數爲100人，B頁面訪問人數只有10人。
分析結果就有兩種可能性：
（1）A頁面轉化部分設計有問題，就像文章的閱讀數和標題息息相關，我們可能需要優化入口的設計。
（2）B頁面留存有問題，無法讓用戶產生二次訪問行爲，以及無法讓用戶形成更高頻率的訪問。
此概念類似於“復購率”和“復購頻次”
對於 有多個入口的頁面，頁面路徑的分析方法就沒有作用了，此時，我們就需要藉助行爲統計。
“行爲統計–頁面訪問率”
一些基礎的功能，往往被多個頁面應用，也能通過兩個以上的頁面進入，也就是我們所熟知的“多個入口”的概念。
此時，我們可以藉助 指定入口頁的訪問人數，入口按鈕的點擊人數，來判斷該頁面的轉化率。頁面可以通過ACD三個頁面點擊對應按鈕進入，我們想要知道A頁面到B頁面的轉化率是多少。若A頁面訪問人數是100，按鈕點擊人數是30，B頁面訪問人數是40，問題就變成了，在A頁面點擊按鈕的點擊率，其分析價值與頁面訪問率相同。
第二種分析方法，更多的是側重對入口所在頁的分析，通常提到的轉化率，也是指類似的分析方法。
對於第二種方法，比較典型的是廣告轉化率提升的設計方法。
此類型產品，幾乎不考慮“復購”問題，其追求的目標是最大限度，在不影響原有用戶體驗的基礎之上，提高用戶點擊廣告的機率。
與之對應的產品設計方法，更多的在於視覺的設計，類似加粗，圖片，特殊形狀，誘惑性的文案等。
建議
數據相關的知識非常龐大，足以支撐一個獨立的職位（數據分析師，數據型產品經理）。文中所提到的都是基礎的分析方法，並且還不全面。數據是產品經理的一個重要的需求源，在我們成長的過程中，如何利用數據，如何挖掘數據，如何分析數據都是必須經歷的階段。
其作用，遠不止第三方平臺直接呈現的部分，諸如各個數據每日對比，可以得到趨勢，藉助趨勢，也能進行預判。可以說第三方所呈現出來的結果性數據，只是冰山一角。嘗試去分析數據吧，然後駕馭數據，做一位理性的產品經理。