营销活动在当今互联网中十分常见，尤其是面向C端的产品，这是一个必不可少的常规操作，比如像双11、618等这些大型活动。而在这些活动当中，“活动数据”就更不可或缺，因为这些数据有助于活动的过程追踪、结果的量化，甚至发现问题等等。

那么本文，则通过拆解拼多多前期上线的“双12全民幸福日”活动，来试图还原“数据”如何从0到1去支撑这样的活动。

阅读指南：

（1）受众人群：运营人员、产品人员及数据分析师

（2）阅读收获：

• 了解运营活动中实现数据需求的全周期流程；
• 掌握对业务需求的一定拆解能力；
• 了解埋点的基本介绍及设计技巧；
• 从0到1搭建数据埋点方案。

从负责C端产品，到经历了多次产品类优化及运营类活动，多少掌握了关于埋点分析和数据统计的一些经验。本文也将总结过往经验，并通过拆解一个线上运营活动案例，来介绍如何打造一个从0到1的数据埋点方案，以帮助精细化运营，实现驱动增长。

一、案例介绍——拼多多：双12全民幸福日

在开始进行埋点设计方案之前，我们需要先了解运营活动案例的一些关键情况，比如：活动形式、参与形式、技术能力等，这些有助于对方案设计的合理性把握。先来介绍一下此次作为分析案例的基本内容。前段时间拼多多上线了一场关于运营活动——“双12全民幸福日”。这个活动最终产生的效果、销量如何我们可能无从得知，但是不妨碍我们去剖析其中的一些“数据痕迹”。

1.1 基本信息

双12全民幸福日是限时团购及特价销售的电商活动，并借助红包、补贴等诸多形式激励用户消费使用，而此次活动几乎囊括了整个电商品类。同时还提供了“幸福小镇”这样的游戏活动模块，增多趣味性，让更多用户参与其中。

1.2 活动初探

（1）活动开发：从体验的活动主页面来看，这是一个由H5技术开发，并支持在浏览器打开的活动链接，而它的主要入口则是从拼多多app首页进入。

所以这里有2个关键信息：

1. 这个基本是由H5形态支持的活动，但也涉及原生app入口，所以需要考虑H5和原生native打开时候数据采集的差异；
2. 不同平台类型对用户识别方式不一，这个活动大量为H5原因，同一台设备打开不同的浏览器会导致用户多个情况，所以需注意游客用户的唯一性，至于如何实现，下文会提及。

（2）用户类型：主要分游客用户和登录用户，其中登录用户分微信用户、QQ用户和手机用户。由于这里涉及不同的用户类型，口径不一致会导致后续的数据分析缺乏统一性，所以就需要做一些设计尽量做到口径统一，即在数据采集时做到多字段关联。

• 游客用户：此类用户没有真实的客户信息，所以一般通过设备ID来标记这个用户；
• 微信用户：以微信ID为识别用户，支持openid、用户头像、用户昵称、国家省份城市、用户性别等获取；
• QQ用户：以QQID为识别用户，openid、用户头像、用户昵称、国家省份城市、用户性别；
• 手机号用户：指以手机号为id的用户。

1.3 协作结构

（1）参与人员：支撑起这个活动方面的数据需求实现，主要涉及以下的角色

业务/运营人员：负责业务需求的反馈，真正业务kpi的背负者。

• 数据分析师/数据产品经理：把业务诉求转化成数据需求，并对数据口径、指标进行定义；
• 前端开发：进行前端代码实现埋点需求；
• 后台开发：借助后台统计实现数据需求，与埋点数据相辅相成；
• 数据工程师：针对由前端和后台反馈的数据信息进行相关数据开发，比如汇总、计算，乃至输出报表等；
• 测试人员：对数据进行测试验证，确保符合业务诉求。

完成一系列的数据需求，少不得需要以上的人来参与。

（2）数据角色支撑

以上提及需要什么样的人来参与，以及协作流程。那么数据分析人员，就需要承担以下的支撑工作：

• 业务需求拆解，转化为数据需求；
• 定义数据口径，指标统计方式；
• 输出数据方面的文档，比如埋点文档；
• 针对需求输出定期的数据报告，及时关注数据表现情况。

二、活动还原拆解

由于不是拼多多的员工，我们无法拿到准确的活动策划方案，那么就只能通过活动页面，试图来倒推其需求方案。而整体的还原方法，则从业务拆解、技术条件和需求总结三方面梳理此次活动业务需求。

2.1 业务拆解

显然这是一场年终大促的电商活动，分别提供了“主会场”、“幸福小镇”、“万券齐发”、“年度发布”、”百亿补贴“、”限时秒杀“、“我的1212”等7个主要的体验地方。通常情况下，业务会基于产品设计以及业绩目标制定相关的数据需求。而接下来，将挑几个地方来还原业务需求场景。

（1）全局需求

全局需求是指不仅仅在某个页面、某个环节上的需求，而是从整个活动整体出发，一个总数据需求，比如：新增、活跃等总体数据需求。

1）活动用户

因为电商活动最终目的是引导购买，这个就需要明确的账户信息，因为这些信息关联了一系列的商品、订单、物流、交易额等信息，以及数据采集的主体，所以需作为第一个重点关注了解。

而从活动设计看出，尽管这个大促活动也有一套账户体系，但本质是与APP的账户体系是打通共生的，所以可以理解为只是一个H5的拼多多活动版。只是因为参与此次活动的账户，与活动数据关联形成一个独立的“客群”。

那么关于用户级别，业务一般会关注以下几个纬度数据：

2）活动整体

其次就是活动一些整体需求，包括页面访问情况及分享功能情况。由于这两方面在活动哪个页面都是存在，所以可以提取为一个全局性的需求。

（2）主会场

主会场属于整个电商活动的主页面，这个页面设计了较多地方让用户参与活动。而此次拆解从优先级、曝光位置选取“秒杀万人团”和“品类频道”进行分析。

1）页面整体

每个一级页面，都应该有属于本页面的整体级业务需求，但一般抽取的都是具有共同性、宏观性的需求。所以主会场的业务拆解主要体验了页面访问、分享及活动规则的需求。

2）秒杀万人团

从主会场的页面可以看出，万人团这个位置几乎占据首屏的大半位置，因为这里的曝光、商品转化是最高的，也是考验此次活动的成色地方，所以这个产品区域将会是业务重点关注的区域。

由于这个模块是属于团购模块，所以业务除了关注页面访问情况，还会关注发起、拼单等关键行为。

3）品类频道

一般电商会对商品进行分类，这就是所谓的品类商品，而此次主会场也挑选了10来个品类展示。

（3）活动账户中心：“我的1212”

这样页面接近于APP的个人中心页，通常情况下反而是打开相对较少的页面，除非发生购买交易，需要登录或查看订单之类的行为，基本是很少被用户打开。另外，由于这里有登录态和未登录态，所以页面展示会有所区别。

由于“我的1212”属于比较重个人功能服务，这里拆解了登录和补贴两个特殊的功能业务。

1）登录

2）补贴红包

通过以上的活动分解之后，还原了一些业务的数据需求，接下来就要对这些需求进行进一步的挖掘。那么基于以上的需求，我们就需要确认现存的技术条件、产品设计等方面是否满足需求。

2.2 SDK采集

通常情况，执行数据采集的SDK本身会自动采集一些常规数据，比如新设备用户、页面停留时长等等，所以我们在考虑埋点设计的时候，是需要结合其他技术是否能够协助支持。而SDK方面的分析，在这里不过多讨论（具体可以了解以前的分享：V.10 | 数据产品不得不知的技术知识）。

主要重点需清楚H5和APP 两类型SDK的差异及优缺点。

2.3 埋点统计

（1）定义：相信大家都了解，这里就不多解释，埋点其实就是通过前端或后端去收集用户的操作行为信息，每一个操作行为都可以理解为一个埋点事件。

（2）平台：前端方面的埋点，主要有APP、H5、小程序等，不同的平台类型都支持埋点收集，但由于平台原因，一些采集的信息会有所不同。

（3）类型：通常埋点主要集中3个方向，分别是曝光类事件、浏览类事件、交互类事件。

• 曝光类：大多指页面加载完毕，没有做太多操作的页面曝光，可以理解为只要完整打开这个页面就算曝光；
• 浏览类：指页面不仅打开还进行一些浏览操作，比如在页面下滑至某个区域，停留时长达到多久等，都可称之为浏览事件；
• 交互类：指用户通过物理与应用产生交互的事件，比如点击某个按钮、滑动某个元素，甚至系统自动弹窗此类都可以作为交互埋点事件。

（4）价值：埋点的价值在于能够监控用户在使用过程中的一系列行为变化，对用户留存、转化等方面的分析十分之有帮助，比如可以了解用户从进入页面到离开页面的整个生命周期，并对这些用户进行精细化运营。同时也可以附带更多扩展字段，辅助数据收集。

2.4 后台统计（也可以是后端埋点）

（1）定义：指统计一名“有身份”且不可那么容易被迁移信息的用户，比如手机号用户、微信用户，这些有明确用户信息并能够关联真实身份的人，而不是一个“游客”用户。通常情况，这类用户需要在有“身份验证”场景下存在，比如电商购物、金融投资、医疗服务等。

（2）特点：这类用户往往有比较多的客户子信息，比如地址、性别、年龄等，可以延伸成CRM当中的客户数据。

（3）技术：通常后台开发会建立相应的数据库，以及需要存储的字段一一记录这些客户数据，以及在使用平台中产生的各类数据，比如交易金额、交易商品、交易记录等等。而此次分析的电商活动，就会有买家信息表、商品表、交易表等等。

2.5 拆解总结

针对以上已经对业务需求及技术手段有一定的把握，那么结合现有的资料和平台规则，初步确定一些方案及需求导向，为埋点设计提供支持。

（1）技术工具

• SDK：APP+H5
• 埋点：前端代码埋点，工作量大但是满足需求，相对准确，缺点是灵活性较低，不易更改

（2）平台规则和指标能力

显然，我们在埋点设计需要知道平台能提供什么样的埋点服务。通常各大厂都会自研，或采用市场上一些知名的第三方平台。不管大家的技术水平如何，一般埋点都会支持以下的采集能力。

• 总次数： 在选定时间范围内，该事件触发的次数；
• 触发用户数： 在选定时间范围内，触发该事件的独立用户数；
• 人均次数： 在选定时间范围内，独立用户触发该事件的平均次数；
• 人均时长：在选定时间范围内，触发该事件的总时长除以总人数。

（3）需求导向

本质上，关于埋点方面的需求导向有3种，分别是基础需求导向、业务需求导向、垂直领域导向。我们做埋点设计的时候，需要基于业务的需求分析他们的意图是什么，是需要了解哪方面的数据，对他们的业务起到什么作用。所以这时候埋点设计面向的用户应该业务。并且有时候业务提的需求不一定完整表达出他们的意图，我们需要从中找到不妥的地方，或者完善。

1）基础需求导向：这里具体指通用的埋点需求，即不用业务反馈，都是默认且必须策划的地方。比如所谓的PV、UV，甚至停留时长；

2）业务需求导向：主要基于此次场景的业务诉求，因为每场活动不同，存在一些特定的需求埋点，所以我们就需要以业务为导向，制定适应的埋点方案：

• 用户链路：游客-注册-登录-活跃留存

• 交易链路：曝光-点击-浏览-下单-复购

• 渠道链路：投放渠道-曝光-转化量

3）垂直领域导向：为什么会有这个导向，因为不同行业领域，数据关注的指标分析其实是有不同的，比如电商关注GMV，金融关注贷款率等等。那么作为此次研究的样本“我的1212大促”，就需要关注这些指标，通过指标倒推需要哪些埋点：

• GMV
• 商品销售量
• ……

相信到了这里，大家对此次拆解的案例样本已经有了一点认知，以及对埋点有了点“感觉”。上文先整理到这，主要为大家介绍前期的需求梳理，掌握业务情况，并借助一些行为模型作为参考设计。大家先消化消化，下文这几天再整理上传。

作者：A.D，数据产品一枚；公众号：吾某

本文由 @A.D. 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。