随着互联网技术的发展，用户营销从单纯的推广展示型发展到用户运营型阶段，再到现在的数字化运营阶段，有效的数据不仅可以辅助商业银行优化营销策略，还可以满足银行针对不同用户的个性化运营的需要。从客户运营的角度讲，数据一般分为业务数据和用户行为数据。业务数据一般是直接记录在业务系统数据库中的生产数据，比如保险系统中记录的保险订单、保费理赔记录等；具有更多用户行为价值的数据往往都是用户端的操作行为数据，比如用户在APP、Web上进行访问、浏览、点击、关闭等操作记录就是典型的用户行为数据。目前，“埋点”技术已经是一种采集客户端用户行为数据成熟有效的技术方式，在大数据时代下对个人用户画像建设过程中发挥着不可替代的作用。
01 埋点技术介绍
1.埋点技术简介
所谓“埋点”，是
数据采集领域（尤其是用户行为数据采集领域）的术语，指的是针对特定用户行为或事件进行捕获、处理和发送的相关技术及实施过程，如用户某个链接点击次数、观看某个视频的时长等。埋点技术从技术实现角度可划分为前端代码埋点和后端代码埋点。1）前端代码埋点前端代码埋点是在个人客户端（如Web页面/APP界面）加上前端代码，当用户触发应用中相应行为时，进行数据记录并定期上报。优点：可以详细设置某一个事件自定义属性并数据采集完整；按需埋点，采集数据更全面，几乎可覆盖所有数据采集场景。缺点：延迟上报，数据丢失率高(一般为5%-10%)，且埋点的变更需要用户端更新APP才能实现。2）后端代码埋点后端代码埋点就是由后端开发将埋点采集代码加入到服务端或者日志请求中，当用户前端操作请求服务端数据时，按照约定规则触发记录埋点信息。优点:数据采集时效性高，准确性高，丢失率低；服务端更新即可，不需要用户更新版本。缺点:纯前端操作不触发服务请求时无法采集数据，且埋点开发测试工作量大。
2.埋点设计方法
1）埋点设计遵循4W1H原则：在合理采集边界内尽可能全面地描述事件发生的全貌：
2）埋点设计需和业务流程紧密结合：下图为优惠券营销场景下的埋点设计思路：
3）埋点需求方案设计：明确埋点设计原则和业务思路后需进行埋点需求方案的设计，具体内容包括:事件名称、事件标识符、事件触发时机、属性名称、属性标识符、属性类型等内容。埋点方案设计样例如下图所示：
3.埋点实施流程
埋点数据的采集的5个步骤：
1）确定场景目标：明确数据采集与数据应用的业务场景和业务目标；
2）埋点方案设计：根据业务场景下的业务过程和业务需要设计满足业务需求的埋点方案；
3）方案评审开发：与前端及后端开发评估方案细节实施的可行性，通过后实施埋点开发工作；
4）测试验收：通过抓包方式测试验证数据采集的质量和埋点触发时机是否正确，并出具测试验收报告；
5）上线应用：正式提交上线埋点开发后的应用版本。
02 埋点与用户画像
1.埋点行为数据的意义
1）从数据构成角度:一个完善的数据源主要分为三部分：第一部分是用户行为数据、第二部分是用户信息和CRM数据、第三部分是交易数据和服务端日志数据。除了交易数据会经常被存储加载保存通过ETL来获取分析外，行为数据和日志数据常常被忽略浪费。埋点技术就是对用户行为数据和日志数据做针对性的数据采集，精确采集获取用户行为数据，丰富用户数据维度信息，服务于更加精细化的用户画像。
2）从产品功能角度：随着移动互联网的普及和发展，大量行为数据在移动端产生，这些用户和应用之间交互行为的数据信息都是通过埋点技术实现采集的，对于后续提升用户体验以及用户“千人千面”的营销都是非常宝贵的资源。
3）从企业管理发展角度：基于用户交互数据，结合洞察分析的手段反推建设用户的行为数据画像，优化形成更符合客户需求的增值产品和服务，并重新投入到用户的使用过程中，形成完整的业务闭环，驱动业务增长。
2.埋点行为数据对画像建设的价值
常规的数据标签主要是用户当前的状态或者行为的结果值，缺少行为过程的画像刻画；而埋点行为数据则可以将这部分内容补齐，描述用户的行为过程，让运营人员可以时刻关注用户的行为阶段并给予个性化的反馈。同时，相较于数据的画像，基于埋点数据的用户画像更新频率多为日，甚至可以实时更新，动态变化属性更强，时效性也更高。
因此，埋点行为数据是构建完整画像数据的重要组成部分，不仅丰富了用户数据的维度，还让画像标签更加数字拟人化，更加完整地抽象出用户信息全貌。
3.埋点行为数据采集应合法合规
自2021年11月1日起《个人信息保护法》已正式实施。《个保法》对企业获取和应用数据提出了新的要求。
在处理埋点采集数据的过程中，涉及普通个人信息需在用户隐私条款中明确告知用户并取得同意；但当涉及到个人敏感信息时，则需单独取得用户同意，而不是放入隐私条款中让用户一并同意。
03 用户行为数据助力用户画像建设
1.用户行为模型方法论介绍
1）用户生命周期模型：
用户生命周期，源自于传统营销学里面的客户生命周期，其基本涵义可以通俗地理解为“从摇篮到坟墓”(Cradle-to-Grave)的整个过程，在互联网行业中，用户的生命周期指的是:用户接触你的产品到最后流失的整个过程。一般互联网生命周期包括：引入期、成⻓期、成熟期、休眠期和流失期5个周期。
适用场景：在用户增长趋于饱和、获客成本越来越高、整体运营策略由前期的快速获客变现转变为存量客户运营为主的业务发展阶段，客户运营的目的是尽可能地让客户产生更多的商业价值，延长客户的生命周期。
2）AARRR（增长黑客）模型：
其以用户为中心，以完整的用户生命周期为线索，把增长步骤拆分为5个步骤，分别是：获取用户(Acquisition)、用户激活(Activiation)、用户留存(Retention)、用户变现(Revenue)、用户推荐(Referal)，从而实现用户运营的闭环设计。
适用场景：适用于业务前期扩张，获客成本相对较低的用户规模增长期，商业运营模式以短平快的获客变现形式为主的运营模式。
3）AIPL模型：
指阿里用户旅途模型：认知——兴趣——购买——忠诚。实现人群资产定量化、链路化运营，将用户分为不同的营销阶段，精细化营销运营。
适用场景：适用于企业业务发展多元化，数字化建设程度相对完善，企业内部具有数量可观且可运营的人群数据资产的场景。
2.用户行为画像方案设计流程
1）开展业务部门需求调研工作：
需求调研的的主要内容包括业务现状、业务发展期望目标和策略措施，同时还需开展相关业务数据的数据调研工作。
2）基于业务需求内容规划业务场景：
业务场景的规划可结合企业当前的业务发展阶段和企业愿景，并结合相关用户行为模型完成业务运营场景的划分工作。
3）基于设计完成的业务场景下补充业务目标和业务策略：
结合前期的需求调研，完成不同业务场景下的业务目标和业务策略的补全。
4）设计支持业务应用场景的用户标签：
围绕上述业务需求，有针对性地实施用户标签的设计与开发，为业务应用提供数据基础。
结语
数字经济时代下，大数据和5G等新一轮信息技术所带来的企业数智化转型变革，为大规模数据采集带来了实现的可能，埋点技术作为一种流行的数据采集方式，为企业提供者了丰富可靠的用户终端应用的数据资源。
从埋点数据采集到用户画像数据应用，每个环节都对应着企业的数字化能力，不仅考验关键核心软硬件技术，还体现了跨部门合作、执行力等综合能力，画像标签的建设为企业的数字化运营注入了新的活力。
参考文献：
[1]GrowingIO. 用户行为数据分析.2019.
[2]GrowingIO. 指标体系与数据采集.2020.
[3]赵宏田. 用户画像方法论与工程化解决方案[M].机械工业出版社.2020.
（部分内容来源网络，如有侵权请联系删除）
