为什么要做数据埋点？( 二 ) 铁路|物流|京东|民生|物资|老年

3）启动
用户通过各种方式启动app，如点击通知栏消息、点击app图标、多任务界面。
结合日活数，计算出每日人均使用次数（即平均每个用户每天打开app的次数，日启动数/日活跃用户数），可用于评估活动效果。
从某一天开始，每日人均使用次数从2次增加到4次，而当天只上线了一个运营活动，没有其他干扰事件，说明该运营活动有效提升了用户使用频次。
分析不同时段的启动次数，得到用户使用时段分布，即不同时间段内的使用次数，如中午12点到13点使用次数高，凌晨1点到7点使用次数低。
可用于确定通知最优运营时间：使用时段分布反映了用户集中活跃的时间段，在这些时段内推送特定的营销信息或开启运营活动，更容易获得更多用户的关注，从而得到更好的转化效果。
4）退出
用户退出app，如用户在双十一活动详情页退出了app。
退出数据能定位用户操作断点，即一个完整的业务流程中，用户在哪些节点退出app的次数多；如果能优化这些节点，降低退出率，即可提高对应流程节点的转化率，从而更好地达成业务目标。
保险购买业务上线后，保险购买量很低。分析退出数据，发现大量用户在保险介绍页退出了app。
经调研确认，原因是保险介绍页中的理赔范围不够明确，导致用户失去耐心后直接退出app；重新整理并上线后，保险订单得到了很大的改善。
5）报错
app出现了错误，如崩溃、闪退等。
报错数据能帮助研发定位产品漏洞。对环境的依赖很高的偶发性报错，往往很难重现；若没有及时记录报错信息，研发很难定位到问题，最终可能只能选择暂不修复，不利于改善用户体验；研发获得了报错信息后，能更快定位到问题，大幅提高bug修复的效率。
新版本上线后，有用户反馈频繁闪退，但测试尝试了所有机型，都未重现；从报错数据中找到该用户的报错信息后，研发很快就找到了原因，并修复上线。
2. who：哪个用户参与事件的用户是谁，即用户身份，通常会从人（用户ID）和设备（设备ID）两个角度，来标识用户身份，即：哪一个用户，在哪一台设备上，参与了该事件。
准确识别参与事件的用户身份，有两个重要价值：
1）统计去重
在做数据分析时，我们不仅想要知道次数，还想知道人数（即UV），以便计算功能受众范围的大小。通过标识用户身份，我们能准确判断多次操作是同一个用户所为，即可实现去重。
去重后的用户量，可用于评估功能影响范围。用户量越大，越值得投入资源继续优化。
两个相同目的的功能，A的UV只有1000，B的UV是10万。在团队资源有限的条件下，B明显更值得继续优化。
2）分析留存
留存是指某个周期内有使用的用户，下一个周期依然有使用的用户数量；只有准确标识用户身份，才能实现留存统计。
留存是衡量功能黏性的重要指标，当新功能上线时，使用了功能的用户中，下个周期继续使用的用户量越大，新功能的用户粘性越高；而用户黏性高的功能，商业价值更大。
为提升用户活跃，以获得更多的广告收入，app上线了两个小游戏；上线第一天均获得了1000个用户，7日留存分别是800、100。
很明显，前者的用户黏性更好，对广告收入的贡献更高。
3. when：发生时间事件是什么时候发生的。一般都统一使用时间戳来表示。
记录发生时间，可按周期对数据作汇总，统计某段时间内事件发生的次数，得到时间分布情况，了解用戶的行为习惯，进而在用户活跃高峰期开展特定的运营活动，以提高转化率。
对用户下单行为的发生时间按小时进行汇总后，发现用户8点后开始活跃，12点-14点是高峰，晚上20点到23点是另一个高峰；在这两个时间段推送活动通知，更容易获得用户的关注，从而更好地达成活动目标。
4. where：发生地点事件发生时，用户所在的地理位置。如经纬度、所在省市区。
记录发生地点，可按所在地的行政单位对数据作汇总，分析活跃用户的地区分布情况；结合时间周期，可分析出不同地区的业务增长情况，指导运营工作方向。
新功能上线后，发现一线城市的业务量远超其他线城市，但从最近几周的数据看，三线城市的增幅很高，如投入一定的运营资源，可能会获得更快的增速。
5. how：发生方式用户使用功能的环境，包括硬件环境和软件环境，如手机厂商、型号、分辨率、网络条件、手机操作系统、app版本等。
环境数据提供了用户使用功能的软硬件条件，帮助我们选择与环境匹配的功能实现方法来开发功能，更好地满足用户需求，提高用户体验。