正在读取本机记录…
重要数据分析◷ 70 分钟

埋点事件、属性、命名与数据字典

把产品行为转化为可靠可分析的数据。

学完你能做到
  • 用自己的话解释“埋点事件、属性、命名与数据字典”及其核心术语。
  • 在真实 AI 产品场景中识别何时应该使用本课方法。
  • 完成一份可沉淀进“指标树、埋点方案、看板草图与 A/B 测试方案”阶段任务的实践产出。
前置与关联课程

完成阶段 3 的能力检查,或先预览相关基础课

01

REAL SCENE

先从一个真实场景开始

!

上线后看板显示“生成成功率 100%”,工程师才发现埋点在点击按钮时就发送,根本没等任务完成;事件名在网页叫 generate、移动端叫 ai_done,属性取值也不一致。错误埋点会把精确图表建立在错误事实之上。

02

PLAIN EXPLANATION

说人话:它到底是什么?

埋点事件记录业务上发生了什么,属性描述当时的对象、环境和上下文,用户属性描述较稳定的用户特征。埋点方案应从决策问题和指标反推事件,不是看到按钮就记录。事件名、触发时机、唯一 ID、属性类型、枚举、来源、版本和验收样例要进入数据字典,并处理重复、丢失、乱序和隐私。

01

事件语义与触发

事件用过去式业务事实命名,如 generation_completed,而非页面元素 click_2。触发时机对应事实真正成立的位置;支付、权限、任务成功等可信事件优先由服务端记录。

  • 一个名称只表达一种事实
  • 客户端与服务端避免重复计数
  • 开始、成功、失败分别记录
02

属性、标识与版本

属性有名称、类型、允许值和空值含义。eventId 用于去重,userId、sessionId、taskId 用于关联;schemaVersion 让字段演进可追踪。禁止随意把自由文本和敏感输入作为分析属性。

  • 枚举集中管理未知值
  • 时间同时保存事件与接收时间
  • ID 规则跨端保持一致
03

数据字典与验收

数据字典连接业务定义、技术实现和分析口径。验收应在测试环境执行真实流程,逐事件核对次数、顺序、属性和失败分支;上线监控事件量突变、空值率和版本覆盖。

  • 每个事件有业务负责人
  • 提供正确与错误载荷示例
  • 下线字段先评估消费方
01

从决策和指标反推事件,只记录真实业务事实。

02

事件名称、触发、ID、属性和版本形成统一契约。

03

埋点必须经过端到端验收和持续质量监控。

03

KEY POINT

这节课最重要的结论

核心重点
埋点先从决策问题出发,再定义事件,不要看到按钮就埋。
为什么重要
这决定了定义指标、设计埋点、分析效果,并通过实验支持决策时,团队是否拥有一致、可验证的判断标准。
适用边界
当问题目标、数据来源或失败成本发生变化时,不要机械套用;先重新确认假设和风险等级。
04

EXAMPLES

正确案例与常见反例

✓ 正确做法

生成流程记录 generation_started、generation_completed、generation_failed,均携同一 taskId 和唯一 eventId;完成事件只在结果提交后由服务端产生,包含模型版本、耗时区间和结果类型,不含用户全文。数据字典给出枚举和测试载荷。

× 常见误区

点击按钮立刻记录 success,重试再次记录同一任务;网页和 App 使用不同用户 ID。prompt 全文作为属性上传分析平台,失败没有事件。上线后团队只能看到漂亮成功率,既有重复也泄露敏感输入。

和工程师这样沟通

“完成事件请由服务端在结果提交后发送,started、completed、failed 共享 taskId,各自有 eventId 幂等。属性使用受控枚举和 schemaVersion,禁止上传 Prompt 全文;测试覆盖取消、重试和部分失败。”

05

HANDS-ON

必做实操任务

本节产出:“指标树、埋点方案、看板草图与 A/B 测试方案”阶段任务中的《埋点事件、属性、命名与数据字典》一页实践卡

  1. 步骤 1从一个指标树反推必须采集的事件与属性,删除无决策用途埋点。

  2. 步骤 2为 AI 任务开始、成功、失败、取消定义准确触发位置和唯一标识。

  3. 步骤 3编写数据字典条目,包含类型、枚举、空值、隐私和版本规则。

  4. 步骤 4在测试流程逐条核对事件次数、顺序、属性、重复与失败分支。

○
实践完成度 0/4

实践结果会自动保存在本机,并进入项目工坊的任务来源。

事件与数据字典模板决策问题:____ 目标指标:____ 事件名:____ 业务含义:____ 触发端:客户端 / 服务端 精确触发时机:____ 不应触发:____ eventId:____ userId:____ sessionId:____ taskId:____ 属性|类型|必填|枚举/范围|空值|隐私: 1. ____ 2. ____ 3. ____ schemaVersion:____ 正确载荷:____ 错误载荷:____ 去重、乱序与迟到:____ 验收步骤:____ 质量监控:____
06

CHECKLIST

产品经理工作检查表

07

MASTERY QUIZ

掌握测验

达到 60% 即可完成本课。

1生成成功事件最合理的触发时机是什么?
2事件属性为什么需要受控枚举?
3eventId 的主要用途之一是什么?
08

INTERVIEW

常见面试题

你会如何设计和验收一个 AI 生成功能的埋点?
展开参考回答

从采纳、任务成功、重试、失败与人工接管等决策指标反推 started、completed、failed、canceled 等业务事件;定义可信触发端、eventId、taskId、属性类型、枚举、版本和隐私。测试环境走完成功、失败、取消、重复和跨端流程,核对次数顺序与载荷,上线监控事件量、空值、重复和版本覆盖。

09

RECAP & FURTHER READING

重点回顾、延伸阅读与下一步

一句话回顾埋点先从决策问题出发,再定义事件,不要看到按钮就埋。
  1. 1

    围绕“埋点事件、属性、命名与数据字典”继续阅读:选择一份真实指标或实验分析案例,检查口径、样本、偏差、因果假设与护栏指标。

  2. 2

    用“埋点、事件属性、数据字典”作为检索词,分别写下一条定义、一条适用边界和一个反例。

  3. 3

    对照本课正确案例与反例,寻找一个公开案例并记录其中可复用的判断与不能照搬的条件。