业务埋点三种方式
后台业务埋点
直接在后台代码里做埋点，一般会细分为两个小类：
1. 业务定制
在开发阶段，侵入性比较高的手动指定埋点内容的方法，鹰眼系统就提供了这种精度比较高的埋点方式
2. 注解埋点
使用SpringAOP，在代码里添加自定义注解，把方法请求的request和response里的数据抽取出来，加到业务埋点里
也可以在数据库连接池层面，通过加代理，将数据前后的变更
可以从三个方面对上面三种方式作比较：
可视化埋点
作用在前端页面上的控件上
当点击前端某些控件时就会触发响应函数，对于埋点的需求来说，通常响应函数里需要做：
-
定义埋点开关，决定当前响应函数是否要作用于埋点
-
埋点函数（异步响应），定义当前控件需要做哪些埋点内容
优势：
这种方式将埋点位置从后端移到了前端，这样一来就降低了后台核心业务的侵入，从而降低了埋点的成本
劣势：
如果是安卓、IOS原生控件，需要更改埋点逻辑时就需要重新发版
无痕埋点
无差别记录用户行为，异步发送给后台
关键点：
1. 业务事件： 当前前端控件背后需要做的具体业务
对于无痕埋点，我们不会对每个控件定制特殊的埋点逻辑。但是需要从框架上来给每一个前端控件约定一个可以具体定位到业务事件的一种能力；
比如要获取到当前控件节点（控件的层级结构），可以给每个控件指定一个业务主键 或者 记录当前控件的层级关系，这就需要显著声明它的父级业务是什么；
此外当前的业务事件要是后台可配置的，将配置文件里对控件业务事件的描述渲染到当前控件当中，这样如果业务事件发生变更，只用修改配置文件即可
2. 数据传递 ：前后数据关联
当前控件需要获取到前一步数据操作的内容，在商业级应用里是通过在url里约定一个传递数据的形式，前一个页面传过来的数据通常被成为页面事件
优势：
埋点成本最低
劣势：
数据清洗难度最高
通用做法
-
前端使用无痕埋点 + 可视化埋点两种方式结合来做数据分析，包含用户画像、用户行为分析、当前站点的日常运营数据
-
后端使用业务埋点记录一些关键链路，精准捕捉一些业务数据作为数据分析的一个输入，可以在线上故障时通过这些关键数据来做故障排查
用户画像分析
用户画像分析就是一种典型的，可以借助上面提到的业务埋点来实现的功能。
有了每个用户使用APP的关键Log信息，先进行数据清洗后将其输入到算法模型里（例如强化学习）来建模出用户的画像，从而可以更精准的推送用户所喜好的内容（短视频、新闻、广告等等），助力核心业务的利润。
用户行为数据：
- 漏斗模型
这里用于评估转化率，促成用户下单的入口可能有多个，比如购物车、收藏夹、主页推荐，可以将不同途径的转化率排序达成一个漏斗，最上部说明转化率最高，并以此识别出主链路
- 群体画像
例如午夜后购物的人有什么消费习惯、高客单价的人群有什么群体特征、地区性消费习惯。可以以此来分析群体偏好，来针对群体做个性化推荐
- 精准画像
个人收藏的商品、复购最多的类目，浏览/购买商品的活跃时间段。可以以此来做精准推荐
- 大盘数据
PV、日均交易额、复购率、转化率等都是从用户的行为数据得来
数据维度：
-
时间
-
地点：包括地理位置以及通过页面上哪个元素触发的
-
人物：匿名用户/登录用户
可以做聚类，得到某个群体的共同画像 -
事件：做了什么操作，操作了哪些业务数据
上面四个维度不一定全都存在，比如上架商品时就没有人物这个维度