用户行为分析基础：数据采集与指标定义
各位同学好，我是你们这门课的主讲。今天咱们聊聊用户行为分析里最基础、也最容易被忽视的部分——数据怎么来、怎么洗、怎么看。
说实话，我见过太多团队，一上来就搞高大上的分析模型，结果发现数据全是脏的、缺的、错的。嗯，那感觉就像你开着一辆仪表盘全亮的车，却不知道哪个报警是真的。
一、用户行为数据的采集方法
数据采集，说白了就是「偷看」用户怎么用你的车机。但怎么偷看、偷看什么，这里头门道不少。
1. 埋点采集
埋点是最传统、也是最精准的方式。你在代码里提前埋好「摄像头」，用户每次点击、滑动、长按，都会被记录下来。
埋点的三种常见方式：
- 代码埋点：在事件触发处手动写上报代码。最灵活，但维护成本高。
- 可视化埋点：通过后台圈选界面元素，自动生成埋点。适合快速迭代，但复杂逻辑搞不定。
- 无埋点（全埋点）：自动采集所有交互事件。数据量大，但噪音也多。
我个人习惯在车机项目里用「代码埋点+无埋点」混合的方式。核心功能用代码埋点，保证准确性；非关键路径用无埋点，减少开发成本。
小技巧：埋点命名要规范。我见过最离谱的命名是「button_click_1」「button_click_2」——后来根本分不清哪个是哪个。建议用「页面_组件_动作」的格式，比如 home_navi_click。
2. 日志采集
日志是车机的「黑匣子」。系统运行时的所有状态、错误、警告，都会写进日志文件里。
我在项目中遇到过一个问题：用户反馈导航偶尔卡死，但埋点数据完全正常。后来查日志才发现，是某个地图SDK在特定网络条件下抛了异常。埋点没覆盖到，但日志里清清楚楚。
日志采集要注意几点：
- 分级管理：ERROR、WARN、INFO、DEBUG 分开存储，别混在一起
- 轮转策略：车机存储空间有限，日志文件要定期清理或压缩
- 关键字段：时间戳、模块名、线程ID、用户ID（脱敏后）
3. 视频采集
这个可能有些同学觉得夸张——给车机屏幕录视频？其实很有用。
视频能捕捉到埋点抓不到的「隐性行为」。比如用户在一个按钮上犹豫了3秒才点下去，埋点只能记录「点击事件」，但视频能告诉你：他犹豫了。
注意：视频采集涉及用户隐私，必须明确告知并取得同意。我在某主机厂项目里，就因为这个被法务部门找过谈话。建议只录屏幕内容，不录人脸、不录音。
二、数据清洗与预处理
数据采回来，你以为就能直接用了？太天真了。真实的数据，脏到你怀疑人生。
我曾经接手过一个项目，埋点数据显示某功能日活用户10万，但实际该车型总共才卖了8万辆。查了半天，原来是测试环境的埋点没关，把内部测试数据也算进去了。
数据清洗的常见问题
| 问题类型 | 表现 | 处理方法 |
|---|---|---|
| 重复数据 | 同一条记录出现多次 | 按时间戳+用户ID去重 |
| 缺失值 | 关键字段为空 | 填充默认值或删除该条 |
| 异常值 | 车速显示1000km/h | 设定合理阈值过滤 |
| 时间漂移 | 车机时间不准 | 校准到服务器时间 |
预处理流程（我常用的）
- 去重：按「用户ID+事件时间戳」去重，保留最早的一条
- 过滤：剔除测试数据、机器人数据、异常值
- 补全：缺失的字段，能用规则补的就补，不能补的就删
- 标准化：时间格式统一为UTC，数值单位统一
- 脱敏：用户ID哈希处理，位置信息模糊化
避坑指南：我曾经因为没做数据脱敏，直接把用户轨迹数据发给了第三方分析平台。结果被用户投诉泄露隐私，差点吃官司。从那以后，脱敏成了我数据流程里的第一道工序。
三、关键行为指标（KPI）定义
数据洗干净了，接下来就是定义「看什么」。KPI不是拍脑袋定的，要跟业务目标强关联。
你想想看，车机团队最关心什么？用户用得爽不爽、功能有没有人用、出问题了能不能及时发现。所以KPI要围绕这三个方向来定。
我常用的车机KPI体系
| 指标类别 | 具体指标 | 说明 |
|---|---|---|
| 活跃度 | DAU/MAU、日均使用时长 | 用户粘性怎么样 |
| 功能使用 | 功能渗透率、点击率 | 哪个功能受欢迎 |
| 任务完成 | 任务完成率、平均完成时间 | 用户能不能顺利办成事 |
| 体验质量 | 崩溃率、ANR率、响应时间 | 系统稳不稳定 |
| 用户流失 | 7日/30日留存率 | 用户是不是用一次就跑了 |
我的经验：别贪多。刚开始做分析时，我定了30多个KPI，结果团队根本看不过来。后来砍到5个核心指标，反而更容易发现问题。记住，少即是多。
如何定义好的KPI？
好的KPI要满足SMART原则：
- S（Specific）：具体明确，不能模棱两可
- M（Measurable）：可量化，能算出来
- A（Achievable）：可实现，别定个天方夜谭的目标
- R（Relevant）：跟业务相关，别为了指标而指标
- T（Time-bound）：有时间限制，比如「下季度提升10%」
举个例子，别定义「提升用户体验」这种虚的。要定义成「导航功能的任务完成率从85%提升到92%，且平均完成时间缩短5秒」。你看，这样是不是清晰多了？
警告：KPI定不好，团队会跑偏。我见过一个团队，为了提升「日活」，搞了个签到送积分活动。结果日活上去了，但核心功能使用率反而下降了——用户每天上来签个到就走了。这就是典型的「指标绑架」。
小结
这一章我们聊了数据怎么来、怎么洗、怎么看。说白了，用户行为分析就是个「从数据到洞察」的过程。数据采不对，后面全白费；数据洗不干净，分析结果就是垃圾；KPI定不好，团队就瞎忙活。
下一章，咱们聊聊用户行为分析的具体方法——怎么从数据里挖出用户真正的需求。到时候我会拿几个真实项目案例来讲，保证干货满满。
好，今天就到这儿。有什么问题，咱们课后交流。