数据中台实战（一）：以B2B电商亿订为例，谈谈产品经理视角下的数据埋点

作者的公司是R&F环球商品交易港，是R&F集团聚集原创设计师品牌和时尚买手/买手的平台，通过B2B电商、RFSHOWROOM、快版环贸、环贸形象、福运通、福猫通等子品牌为时尚行业提供一站式行业+渠道服务。

作者所在的部门是数据中心，职责是为公司搭建数据中心，支撑各产品线的数据运营，通过数据中心打通各产品线的数据，更精准地服务于行业上下游客户。本文以B2B电子商务产品亿订阅为实战，谈谈数据中心的数据嵌入点。

刚进公司的时候，公司的数据是和百度合作埋的，用的是百度移动统计。

在这一点上，我们开始了我们的发展，召集产品经理和丁一的运营负责人一起沟通目前的问题。

经过沟通，主要确定解决以下问题:

问题1:我们需要了解日均10亿订阅量的B2B电商产品主路径的用户访问量，产品列表页面，产品详情页面，主路径日均付费人数，各步骤之间的转化率。目的是长期监控每一步的转化率。如果有明显异常，运营同事会进一步分析转化率低的原因。

问题二:因为第一个问题只能解决整体转化率，所以要想定位那里转化率低的原因，就要看用户入口路径的各个环节的转化率了。

问题三:解决坑的转化率问题，由于评价坑的好坏有pv/UV百度统计两个以上的指标，运营同事将坑的转化率定义为(PV/坑交易额)来综合评判坑的性价比。如果把坑放在明显的位置，其转化率还是很低的，需要分析原因，改变操作策略。比如图片的调整，商品的调整，位置的调整等等。

问题4:要打通用户的行为数据和用户的交易数据，用户的同事需要更了解他们的用户，比如他们什么时候访问过，什么时候买了更多的商品，什么时候买了更多的商品，什么时候买了那些商品。百度做不到这一点。通过用户的访问行为，运营同事会有针对性的进行运营。

问题5:看用户的留存，留存有两种定义。首先是访问的留存率。一个新用户第一次访问，看看他是否会在未来7天，14天，1个月再次访问。第二是购买留存率。第一次支付后，用户会看到接下来的7天、14天、1个月后是否再次支付。这样可以直接看到平台的用户粘性。

基于以上问题，我们开始设计数据中心内部的产品方案和技术方案。

要解决以上问题，需要全面掩埋亿订阅的H5终端和APP终端(IOS/ Android)。如果采用人工埋的话，工作量比较大，要看各产品线的前端开发(JS/ Android /IOS)。

我们的技术总监研究了市场上各种数据公司的嵌入方法，从SDK是否支持H5、Android和IOS。无论部署模式是私有化还是saas(收集的用户数据是公司比较重要的数据，出于安全考虑需要部署在本地)，我们决定使用厕神开源，埋葬SDK。

这样就省去了大部分的工作量，SDK一旦部署，基本信息如(时间、地点、浏览器、硬件设备)都会自动收集。

接下来，需要定义埋接口。

首先是公共字段的定义，封装在SDK中。前端工程师只要基于SDK的开发文档部署项目，程序就会自动收集用户的这些基本信息。这样，用户在哪里，用户用什么设备，用户什么时候接入我们的产品，都将得到解决。

比如上面第三个问题提到的转化率，就涉及到两个指标:交易额和坑产生的PV。然后每次进入商品详情页，都需要记录坑的信息，进一步计算坑的总销量和转化率。数据中心是数据贪婪的一个应用。当然，埋点收集的信息越详细越好。但是埋点太多也会影响前端的性能，所以所有埋点都是基于问题的。

关于问题1电商产品的主要路径:访问用户列表页面，产品详情页，添加购买订单并支付，就拿这几个页面的UV来说，但是有几个问题需要注意。

添加订单的转化率可能大于100%。比如今天添加订单的用户，可能后天就下单了。

购买是一个按钮，不是一个要格式化为页面处理的页面。

运营花了一段时间又问了一个问题，天天看这些结果，但即使发现转化率低，也很难找出转化率低的原因。

如果能知道这些主要入口路径的转化率，问题的范围就缩小了。所以有一个入口分析功能，不同于其他数据产品的路径分析。我们不仅可以清晰地显示主入口路径的转化率，还可以查看每个路径的每日变化趋势。

这样可以更直观的观察转化率低的路径，这里要描述一下计算方法:

第一步，将所有的用户访问分成n个会话(我们的会话间隔定义为20分钟，即如果访问一个页面后访问下一个页面的时间超过20分钟，那么下一个页面就是另一个会话)。

第二步是找出用户第一次访问包含这些门户的会话的时间。

坑转换率涉及坑交易金额，但埋点数据损失率在5%左右。比如用户操作时网络不好，用户的埋点数据无法正常上传到埋点服务器。

我们需要百分百准确。另外，电商购买存在过错。比如用户今天买多了，但是没有买。过了两天，他直接去购物车买了货。

获取、存储、交流和使用是对数据价值的最好解释。

挖掘是收集用户行为数据和待收集的业务数据；存储是通过三层建模更科学的存储数据；要打通，首先要打通用户行为数据和用户业务数据，比如可以综合看到埋点采集的数据，比如时间、地理位置、硬件设备以及用户的购买行为，比如浏览、访问、购买、收藏、分享。

打通的第二个意义是打通公司各条产品线的数据。比如我们公司要做行业上下游，就必须打通生产数据、销售数据、供应链数据，形成更立体的用户画像。产品线前的数据开放将在“台湾数据-基于多产品线的标签平台”中介绍。

留存率的概念每种产品都不同,一般来说就是锁定一批发生了某种行为的用户,看接下来的七天或者14天等等是不是又发生了这种行为。

电商产品的留存率是电商产品的北极星指标,是这样定义的：一个新用户在第一次来到产品后的一周内,如果一周内能让他购买1-2次,那接下来他的复购率会非常高。

但是,不同电商产品的消费频次是不同的所以基于我们产品的特性。我们做了七日留存率、14日留存率、30日留存率这几个数据指标来监控平台的用户粘性。另外就是电商产品初期用户量和交易量是比较小的,所以我们还特别定义了一个访问留存率的指标,看新用户访问后,7日后的留存情况、14日后的留存情况来综合监测用户的黏性。

作者:威尔顿(董超华),曾任职科大讯飞,现任富力环球商品贸易港大数据产品经理。微信公众号：改变世界的产品经理。简单、简短、有用,坚持原创、坚持做感动你的好文章。

本文由@华仔原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自不溅，基于CC0协议。