当前位置：首页 > news >正文

APP埋点：页面统计与事件统计

news 文章来源：https://blog.csdn.net/moshowgame/article/details/134257332 2025/5/19 3:22:00

我们平时所说的埋点，可以大致分为两部分，一部分是统计APP页面访问情况，即页面统计；另外一部分是统计APP内的操作行为，及自定义事件统计。

一、页面统计

页面统计，可以统计应用内各个页面的访问次数（PV）,访问设备数（UV）和访问时长，以及各页面之间的流向关系。

1.1 页面访问数

页面访问次数，即当前页面的被访问的次数，即浏览量PV；举例：首页，访问次数，1000次；

页面访问人数，即访问该页面的活跃用户数，即独立访问数UV；举例：首页，访问人数，100次；

1.2 页面访问时长

页面访问时长，用户在页面的停留时长，即首页受访时长的总和；举例：首页，访问总时长，2小时；

1.3页面流向分布

页面流向（走向）分布，可统计出，当前页面和下一个页面（有多个）的流向关系；

举例1：在“商品详情”这个页面中，可以进入“购买”、“收藏”、“返回列表”、共3个页面，即在“商品详情”页，可能的流向分布为：

其中，用户在该“商品详情”页面，没有进入对应的3个页面，即视为“离开应用”，在页面流向分布，有2个常见问题：

问题一：页面流向分布中，仅有离开应用这一个指标？

造成这种情况的原因，可能有以下两点：

用户在该页面全部选择了离开用户（这种概率相对很小）；
该页面的下一级页面，没有做埋点，导致所有的下一级页面都没有数据，其结果就是离开应用的占比为100%；

问题二：页面流向分布中，离开应用的占比非常高，达到了40%以上？

与问题一类似，如果没有为每个页面添加统计代码，会导致这些页面统计不到，那么跳转到这些未添加统计代码的页面，将会被视为离开应用。

备注：页面流向分布的计算方法

页面的统计数据中，会返回以下数据：当前页面名称，来源页面名称，当前页面访问次数；

举例2：参照举例1中的页面流向分布，假定的页面统计数字如下：

WechatIMG39

则，商品详情流向购买页面的占比为：在购买页面中，来源为商品详情的次数与商品详情总次数的比值，即20/100*100%=20%；

依次类推，可以分别计算出商品详情流向收藏、商品详情流向返回列表的占比；

离开应用的占比，即为1-(20+30+30)/100*100%=20%。

二、自定义事件统计

自定义事件，即记录用户的操作行为（如点击行为），记录用户操作行为中的具体细节；一般来说，通常所说的埋点，指的就是自定义事件。

埋点可以是某个按钮，某个点击区域，某个提示，甚至可以用来统计一些特定的代码是否被执行。在APP中，需要在代码中定义一个事件行为。

2.1简单事件统计

简单事件统计，即记录事件的发生次数（可理解为PV）和事件发生人数（可理解为UV）。

以下面的登录页为例：

其事件统计的结果为：

WechatIMG40

事件ID，即EventID，该名称可由程序员自行定义（按照APP统计平台，如友盟、talkingdata等提供的事件ID命名规范进行命名），将该事件ID写入需要跟踪的位置中即可。

事件名称，可以理解为事件ID的一个中文翻译名称，是为了方便运营人员查看，事件名称命名是在APP上线后，该事件ID有数据后的一个事后行为，通常是在APP数据平台中定义（如果你乐意，你可以把input_number这个事件ID的事件名称改为：用户在这里输入手机号）。事件名称只是事件ID在前端页面的一个显示名称。

事件发生次数，即该事件总共发生的次数；可以理解为，在每个事件中，都会有个事件ID计数器，每当该事件被触发时，事件数即加1；

事件发生人数，即该事件的发生人数（有些APP统计平台也称之为：达成该事件的用户数、独立用户数）；参考事件发生次数，可以理解为，在每个事件中，都会有个事件ID计数器，每当该事件被触发时，同时记录下该用户的唯一标识，事件数即加1；事件发生人数，即根据用户唯一标识，对事件发生次数进行去重。

2.2事件转化漏斗

事件漏斗，即按照一定的事件顺序，依次统计各个事件之间的转化率，如我们可以对登录注册中的一些关键步骤进行事件漏斗分析，如输入手机号码，获取验证码、输入验证码等，以2.1中提到的登录过程为例，其漏斗可设置为：输入手机号码->获取验证码->输入验证码->点击登录按钮，即由4个事件组成的漏斗。

根据对应的事件数（设备数），即可计算出各个事件的转化率，如输入手机号码发生人数为5000次，获取验证码的次数为4000人数，那么输入手机号码后点击获取验证码的转化率为4000/5000*100=80%。如下表所示：

WechatIMG41

2.3利用事件参数进行精确统计

为方便对相同类型的事件类型进行归类，在事件统计中，提供了事件标签（label）的方法；即相同类型的事件可以使用相同的事件ID和不同的事件label，通过事件ID+事件label的方式，指代一个特定的事件。

在进行事件统计时，为了为了统计一些特定的行为数据，如商品价格，商品类型等具体数据，提供了事件参数的方法，通过使用key-value的方式，记录该事件的详细记录。

事件ID、事件label、事件参数的关系，如下图所示：

举例，在一个购买行为中，运营人员想查看用户在整个购买流程的详细参数，那么可以通过以下的事件埋点方式进行埋点；在这个购买行为中，购买就是事件ID，浏览商品详情，收藏该商品，加入购物车等，就是一个一个的事件label；在浏览商品详情中，“商品类型：电子产品”，“商品价格：1-100元”……，等，就是一对一对的key-value值，如下图所示：

通过对商品价格的分析，可以统计得出，用户所选择的商品价格的分布情况。

三、结语

在APP埋点中，我们可以统计得出各个APP页面和各个用户操作行为的数据，我们也可以计算得出任意几个事件之间的转化数据。当然，考虑运营分析中的实际意义和各APP数据统计平台的计算能力等因素，建议统计关键路径的事件数据。

APP埋点所得出的数据，对优化设计流程，优化运营推广策略有着极其重要的作用，通过埋点数据可以更好去了解用户，更好地提供产品服务。