一、场景描述
做面向C端用户的产品，十分依赖用户数据的收集，下面都见过这样一张数据分析图，通过链路上各个环节的数据采集，分析对比出曝光产品的交易量：
通过对商品的浏览-点击-交易页面-支付购买等，分析产品的交易场景，这里是从大的业务方面观察数据的链路，实际上在分析的时候要考虑很多细节问题。
二、数据来源
用户数据来衡量用户或者产品的各方面纬度是最具有说服力的，所以在互联网的产品后期开发和优化过程中，对数据的采集和管理一直都是非常重要操作。
现在产品常见的客户端有PC端、H5端、APP端、小程序等各个场景的入口，更有一些物联网设备或者专门做的数据采集机制，不同的场景下的数据类型都是要区分的。通过不同端口下各类数据埋点，获取各个场景下的不同事件的数据来分析产品的优缺点，获取具有建设性的分析结果。
例如模块一中的案例：通过对端口的分析如果在APP端商品A的推荐和交易率最高，在小程序端推荐效果不好，那就可以考虑针对APP和小程序端采用不同的推荐机制。
三、事件类型划分
数据需要采集，并且要区分不同端口的数据只是基本的意识层面，思考采集数据的事件类型是最基础的操作。这里要从产品的特点去考虑，不同一概而论。下面提供一些基础采集数据和一些常见案例，关于核心业务数据相对都是精细和完整的，基本具备读库直接分析的条件。
基础信息
| 属性 | 字段 | 类型 | 描述 |
|---|---|---|---|
| 操作终端 | app_client | String | Android/IOS/小程序/H5等 |
| 终端版本 | app_version | String | 版本号标识 |
| 用户标识 | user_id | Integer | 用户ID |
| 网络地址 | ip_address | String | 用户IP信息 |
这些信息是存在任何采点数据中的，通过这些基础信息采集，用来分析不同端口下用户的特点，以此可以进行差异化的管理和运营。
登录信息
| 属性 | 字段 | 类型 | 描述 |
|---|---|---|---|
| 登录时间 | login_time | Date | 用户登录时间 |
| 在线时长 | online_time | Long | 在线使用系统的时间 |
通过对登录和在线时间，以及一些使用信息，判断该类用户活跃度，是否需要重点运营或者营销激活。
业务基础
| 属性 | 字段 | 类型 | 描述 |
|---|---|---|---|
| 服务类型 | service_id | Integer | 不同的业务服务 |
| 模块划分 | model_type | Integer | 例如订单/支付/物流等 |
以此作为业务数据采集的基础信息，用来对业务数据做整体的划分和分析，具体的细节数据需要根据具体场景设计。
商品案例
| 属性 | 字段 | 类型 | 描述 |
|---|---|---|---|
| 商品信息 | product_id | Integer | 商品信息 |
| 展现位置 | position_id | Integer | 例如：列表/推荐位/广告位 |
| 店铺信息 | shop_id | Integer | 所属店铺信息 |
| 搜索信息 | key_word | String | 搜索关键字 |
| 当前单价 | unit_price | Double | 商品当前单价 |
| 当前销量 | sales_num | Long | 商品当前销量 |
这里是按照用户浏览行为做的一个简单的数据采集信息，这种机制在实际的电商APP中很常见，产生点击或者搜索的商品会被重点推荐，如果没有这类动作，则根据日常浏览信息做推荐机制。在实际的开发中，采集的数据远比这里复杂，需要根据实际业务需要去考量。
营销案例
| 属性 | 字段 | 类型 | 描述 |
|---|---|---|---|
| 活动位置 | location_id | Integer | 入口位/引导页/推荐位/分享链接等 |
| 营销产品 | product_id | Long | 营销活动主打产品类型 |
| 产品详情流量 | detail_num | Long | 活动产品浏览量统计 |
| 订单确认页 | detail_num | Long | 活动产品浏览量统计 |
| 活动交易统计 | trade_num | Long | 活动最终转化统计 |
通过运营活动进行产品营销，活动结束后对数据进行复盘统计，然后根据活动轨迹数据的分析，平衡营销产生的价值和成本，不断调整活动策略，优化运营思路。
四、实现方式
1、业务层面
从业务角度来看，除了一些用户无感知的采集操作之外，还可以基于问卷调查方式，例如很多APP在使用一段时间后都会弹出用户评价类似的评分系统，或者意见留言的入口，更加直接的搜集用户反馈信息。
2、技术层面
最常见的就是SDK埋点技术，针对特定用户行为或事件进行捕获、处理和发送给服务器的相关技术及其实施过程。这种方式用来处理一些非核心业务十分常见。如果是一些核心业务，可能需要自定义的方式采集数据，避免造成数据泄露的问题。
3、数据积累
当业务不断发展，需要分析的场景会越来越复杂，而且采集的数据量达到一定规模之后，数据管理的和分析的难度就会变大，就会需要专业化的流程和智能工具，例如BI工具，可视化组件，数据大屏，多场景联合分析等。
五、源代码地址
GitHub·地址
https://github.com/cicadasmile
GitEE·地址
https://gitee.com/cicadasmile