业务需要对用户行为进行数据分析，现缺失这部分数据，需要设计采集方案获取数据满足业务分析需求。
数据采集方案是为埋点所设计的采集方案。所谓埋点就是在产品（通常是网页、app）中需要提取数据的地方（如某功能按钮处）增设代码以回传检测到的数据值的行为。
以常见的运营场景为例，为监控网站用户使用某一功能的情况，可以 在功能点击按钮处埋点，当用户点击按钮时回传数据信息（如点击时间，点击功能按钮的页面等等）。数据埋点这一过程通常需要产品、数据、技术三个部门协作进行。
那么，回到案例中来，如果你拿到了用户行为分析这一业务需求，你要如何进行数据埋点设计呢？
设计思路如下
我将采集方案设计大致分成6个步骤：
1、准备需求文档。
2、判断实现方式
3、抽象行为路径
4、明确事件字段
5、定义采集时机
6、梳理事件设计
需求文档就是根据业务需要监测的指标细分需要监控的数据，在文档中，需要明确该指标使用的运营场景、分析目的、分析维度。但在这一步，很容易空想指标，错漏缺失，等到埋点结束开始分析时发现缺少很多应埋数据，我将这一步骤又细分拆解：
我将用户进入网站至完成订单等一连串的路径定义为用户行为，主要包含【来源】、【行为】、【兴趣】、【于网】、【转化】等五个方面，以漏斗图的形式展示：
在这里需要从业务出发，细致化数据指标。主要思考这2个问题：
用户行为的分析目的是什么？
运营场景是什么？
回答好上面的问题，数据指标也就基本跃然纸上。本案例中，我将用户行为分析目的定位在【提升用户购买转化率】，并基于用户从渠道进入网站至离开网站的全场景（浏览、点击、搜索、下单、购买等），敲定具体效果指标。
不过，完善的数据需求文档其实还应该回答：
对应的运营计划是什么？
如何监测运营计划的效果？
这里留待诸位思考。
鉴于整个行为路径包含的内容甚广（含渠道、注册、浏览页面、搜索、订单详情、支付等各个环节），本文仅展示订单环节行为与搜索行为的示例关，文档样式如下：
需求文档完成之后就可以将其转化成事件与属性。
事件是用户的行为，属性是与事件相关联的信息。
比如小明在网站上购买了10元的小米充电宝，事件为购买， 而小明、10元、小米、充电宝这些就是属性。
属性还可以细分为公共属性与自定义属性。
公共属性为所有事件均有的属性，无需在各个事件中重复描述的属性，比如网站点击、网页浏览这些上文提到的基础数据。那么【基础指标监控】就可以归类在公共属性中，归类过程中不难发现，具体场景中的细项指标比如 【搜索结果的点击量】可以归类到【基础指标监控】中的【网页点击量】里。
自定义属性与事件是配套的，事件由自定义属性进行补充，比如：【订单详情页的浏览】是一个事件，自定义属性用户浏览订单详情页时的登陆状态、浏览的订单号、浏览的产品名称、浏览的产品价格等是对这一事件的具体补充与描述。
到了这一步就需要对与各个场景进行路径化。每一个路径环节就是一个事件，如订单详情页转化率这一场景，可以抽象为下图【用户浏览订单详情页面】、【点击提交订单按钮】、【弹出登陆窗口】、【弹出注册窗口】、【弹出成功提交订单窗口】5个事件：
按照路径环节拆分事件之后就可以开始进行细分各个事件属性，此处仅举例，未必穷尽：
5、定义采集时机
然后对各个事件采集时机进行判断。
6、梳理事件设计
到了这一步，采集方案设计已接近尾声了。将梳理好的事件与属性，放入下表中：
锵锵，此时可以带上采集方案找技术排期了。
完
2021.8.2
