名词百科
什么是埋点与数据采集？
一句话定义
埋点是在产品中预置数据采集点，记录用户的行为、页面与属性，用于分析使用情况与转化路径。它是数据驱动决策的原始素材。
它到底是什么
埋点的实质是把用户行为变成可查询的事件：谁、在什么时间、从哪来、做了什么、结果如何。没有埋点，所有分析只能靠猜。
它的常见三种方式：代码埋点（精确但需开发）、可视化埋点（圈选元素，灵活但受限于已加载内容）、全埋点（自动采集所有点击，数据全但难维护、易冗余）。
怎么运作的
事件模型：每个埋点定义事件名、触发时机、携带属性（页面、来源、商品 ID、金额）。属性设计决定了后续能分析什么，是埋点质量的关键。
上报：前端采集后异步上报，注意批量、重试与超时。上报失败会造成数据缺失而不自知。
校验：上线前用调试工具验证事件是否按预期触发。埋点错误（漏报、重复报、属性为空）是最常见的数据质量问题。
治理：建立命名规范与字典，避免同一行为有多个事件名。缺少治理的埋点体系，半年后就无人能看懂。
容易混的几个概念
- 日志：服务端运行记录，埋点是面向行为分析的采集。
- 全埋点：自动采集，与手动代码埋点相对。
- UTM：标记流量来源的参数，常与埋点配合。
- 数据看板：埋点数据的呈现层，不是采集本身。
常见问题
埋点最常出什么问题？
漏报与重复上报，以及属性缺失。这些问题往往在上线数周后才被发现，导致那段数据不可用。应在发布前做验证清单，并持续监控关键事件的量级异常。
全埋点能替代手动埋点吗？
不能完全替代。全埋点能覆盖点击与页面浏览，但业务属性（订单金额、商品类目）需要业务代码补充。实际方案常是两者结合。
I 增长流量 · 同组词条
AARRRAARRR 是把用户生命周期分为五个阶段的增长模型：获取（Acquisition）、激活（Activation）、留存（Retention）、收入（Revenue）、推荐（Referral）。BIBI（Business Intelligence）数据看板是把业务数据汇总、计算并以图表形式呈现的分析工具，用于监控经营状况与发现异常。LTVLTV（Life Time Value）是单个用户在整个生命周期内贡献的价值；CAC（Customer Acquisition Cost）是获取单个新用户的成本；ROI（投资回报率）是收益与投入的比值。A/B测试A/B 测试是把用户随机分成两组，分别看到不同版本，通过对比指标差异判断哪个版本更有效的实验方法。GMVGMV（Gross Merchandise Volume，商品交易总额）是平台或商家在统计周期内的成交金额总和，通常按订单金额计算，不扣除退款、取消与优惠。跳出率跳出率是只浏览一个页面就离开的访问占比；访问时长是单次访问的停留时间。两者用于判断落地页是否匹配用户预期。DAUDAU（日活跃用户数）是一天内使用过产品的去重用户数；MAU（月活跃用户数）是一个月内的去重用户数。两者之比反映用户使用频次。UTMUTM 参数是加在链接末尾的一组标记（来源、媒介、名称等），用于标识流量的出处。它让分析工具能把访问归因到具体渠道与活动。