所謂埋點就是在應用中特定的流程收集一些信息，用來跟蹤應用使用的狀況，後續用來進一步優化產品或是提供運營的數據支撐，包括訪問（visits），訪客（visitor），停留時間（time on site），頁面查看（page views，又稱為頁面瀏覽）和跳出率（bounce rate，又可稱為蹦失率）。這樣的信息收集可以大致分為兩種：頁面統計（track this virtual page view），統計操作行為（track this button by an event）。
1. 關鍵指標
我们先看看无论是 APP 还是 H5 都会关注的指标，了解这些指标的计算方法的细微差异以及复杂性，换个角度来思考埋点的意义。【源自：精通 Web Analytics 2.0】
1.1訪問與訪客
訪問（visits）與訪客（vistors）是幾乎所有應用都需要統計的指標，這也是最基礎的指標。
对于应用的统计来说，希望统计的是访客（Vistors）。访问（Visits）是指会话层，用户打开应用花一段时间浏览又离开，从指标定义来说这杯称之为一个会话（Session）。一次会话（Session 或 Visit）是打开应用的第一个请求（打开应用）和最后一个请求决定的。如果用户打开应用然后放下手机或是离开电脑，并在接下来 30 分钟内没有任何动作，此次会话自动结束，算作一次访问或会话期。
在计算访客时，埋点上报的数据是尽可能接近真实访客的人数。对于独立访客这个指标，这里还是需要强调一下，独立访客数并不是真实独立的人，因此收集数据时必须知道独立访客虽然能够很好的反映使用应用的真实访问者的数量，但不等于使用应用的真实人数。
原因是，重複安裝的應用，或是手機參數被修改都會使得獨立訪客的指標收到影響。獨立訪客的埋點都是依賴 cookie，用戶打開應用，應用都會在此人的終端創建一個獨立 cookie, cookie 會被保留，但還是難免會被用戶手動清理或是 cookie 被禁用導致同一用戶使用應用 cookie 不一致，所以獨立訪客只能高度接近於使用應用的真實人數。
1.2停留時長
停留時長用來衡量用戶在應用的某一個頁面或是一次訪問（會話）所停留的時間。
頁面停留時長，表示在每個頁面所花費的時間;例如：首頁就是進入首頁（10：00）到離開首頁進入下一個頁面(10:01)的時長，首頁停留時長計算為 1 分鐘。頁面 a 是 2 分鐘。頁面 b 進入時間（10：03），離開時間沒有記錄，這時候計算就是 0 ，這種特殊情況的處理是需要在埋點特別注意的，還是那句話，不要嘗試收集絕對精準的數據，要學會使用不全的數據，活學活用。
應用的停留時長，表示一次訪問（會話）所停留的時間，計算起來就是所有頁面的訪問時長，同樣是上一個流程，應用的停留時長就是 4 分鐘。
1.3跳出率
跳出率的計算方法現在在各個公司還是很多種，最經常被使用的是：單個頁面訪問的所占的會話比例。這種場景意味著用戶來了訪問了一個頁面就離開了，想想用戶使用的心裡畫面應該是：打開應用，心想什麼鬼，然後關閉應用甚至卸載了。這個場景多可怕，這也是為什麼跳出率指標被如此關注。
跳出率可以分解到兩個層次：一是整個應用的跳出率，二是重點的著陸頁的跳出率，甚至是搜索關鍵詞的跳出率。跳出率的指標可操作性非常強，通過統計跳出率可以直接發現頁面的問題發現關鍵詞的問題。
1.4退出率
退出率是針對頁面的，這個指標的目標很簡單，就是在某個頁面有多少用戶離開這個頁面，主要用戶反映用戶從應用離開的情況。哪些頁面需要被改進最快的方式被發掘。（有些流程中設定走完標準流程，退出率最高的在標準流程的最後的頁面反映的正向呢，不要認為退出率高都是壞的事情哦）
1.5轉化率
我們在產品上投入這麼多，不就是為了衡量產出麼？所以對於電商類應用，還有比轉化率更值得關注的指標嗎？轉化率的計算方法是某種產出除以獨立訪客或是訪問量，對於電商產品來說，就是提交訂單用戶數除以獨立訪客。
轉化率的計算看起來想到那簡單，但卻是埋點中最貼近業務的數據收集。這也是最體現埋點技巧的指標，需要結合業務特點制定計算方法。提交訂單量/訪客數是最基本的轉化率，轉化率還可以分層次，指定用戶路徑的，如：完成某條路徑的提交訂單數/訪客數。
試著找一條路徑，想想轉化率的數據怎麼得來的吧，埋點都收集了什麼樣的數據吧？
1.6參與度
參與度並不是一個指標，而是一系列的指標，訪問深度，訪問頻次這些都是衡量參與度的指標。之所以把參與度列為一個指標，是希望大家明白把指標組合後續產生化學反應，發現實物的本質。
2. 數據埋點的方式
現在埋點的主流有兩種方式：
第一種：自己公司研發在產品中注入代碼統計，並搭建起相應的後台查詢。
第二種：第三方統計工具，如友盟、百度移動、魔方、app annie、talking data 等。
如果你的數據來自第二種，那你使用的工具也應該是第三方統計工具，後續沒啥數據產品了，好好用這些產品吧。這裡說說第一種的埋點方式吧，怎麼數據埋點，就需要根據自己產品的任務流及產品目標來設計。
2.1前端埋點
代码埋点出现的时间很早了，在 Google Analytics 年代，就已经出现了类似的方案了。目前，国内的主要第三方数据分析服务商，如百度统计、友盟、TalkingData 等都提供 iOS、Android、Web 等主流平台的代码埋点方案。原理就是在 APP 或者界面初始化的时候，初始化数据分析的 SDK，然后在某个事件发生时就调用 SDK 里面相应的数据发送接口发送数据。现在业界有吹嘘无埋点的其实并不是没有埋点，而是不需要手动埋点，其实是从接入 SDK，数据就一直都在收集。有兴趣读一读提供的 SDK，会更了解前端的埋点，收集的信息。包括现在也有了不断的演化统计埋点的那些事。
2.2後端埋點
後端埋點也就是伺服器端埋點，除了將接口的日誌記錄下來，在接口附加一些參數進行逐層傳遞將信息串聯，因為需要依賴接口的改造通常被用來補充前端埋點不能實現的統計，大部分自己公司的數據統計都是前後端埋點並存。
3. 埋點的內容
看完关键的这些指标后，有没有发现埋点的来源也大致分为两部分，一部分是统计应用页面访问情况，即页面统计；另外一部分是统计应用内的操作行为，及自定义事件统计。
数据产生就是在每次页面浏览或是点击，滑动等事件发生时都上报一条数据，包括页面信息，控件信息，设备信息，用户信息等，为了将用户行为串联，需要确保有一个全局唯一的ID串联访问的顺序。
後續的統計將用戶的行為流串聯統計出想要的結果即可。
4. 關於埋點的數據的注意事項
- 不要過分追求完美
關於埋點數據有一點至關重要，埋點是為了更好地使用數據，不要試圖得到精準的數據要得到的是高質量的埋點數據，前面討論跳出率就是這個例子，得到能得到的數據，用不完美的數據來達成下一步的行動，追求的是高質量而不是精確。這是很多數據產品容易入坑的地，要經常提醒自己。