问题：埋点是为了指标服务，那么如何从指标推理出埋点需求呢？

一、指标拆解思路

数据分析是为了业务增长，而业务增减需要指标来衡量、引导。

首先，我们需要找到北极星指标。

• 北极星指标：指引全公司向同一个方向发展的重要指标，它们能够体现产品给用户提供的核心价值，其变化能够代表产品是否健康发展。例如，问答类社区的北极星指标就是问题回答数，阅读类APP的北极星指标就是总阅读时长或总阅读书籍数/章节数，含有电商类特征的产品还要加上GMV。

找到北极星指标之后，如何利用它们呢？

• 这个时候就需要按照关联因素再逐步拆解。一般来说任何生意都能用简单的数学模型来描述。比如，活跃用户数可以拆成新增活跃和已有活跃，新增活跃又可以拆成访客流量、新用户激活率，已有用户可以拆成已有用户和老用户的留存率。
• 拆解的原则，是让指标增长有业务部门可支撑。比如，访客流程就找市场部，新用户激活率除了市场部的流量质量有关系外，也和产品有关系，比如注册流程是否够简单，新用户引导是否够清晰；又比如老用户的留存率，可以找产品运营和用户运营。
• 通过拆解细化，北极星指标就变成了一个个公式的因子，这些因子又有关联的因素，比如访客流量关联到的因素就是推广的曝光量、线索的转化率、推广的内容等。

指标拆解案例

• 业务介绍：一家以返现为商业模式的企业，它会把用户导流到各大电商平台或者外卖平台，如果用户从它这里跳转到外卖平台或电商平台并完成下单后，可以从平台那边拿到返佣。因为返佣率稳定甚至一致，所以这样的业务北极星指标就是合作平台的GMV，因为GMV越高，它拿到的抽成就越多。
• 拆解思路：因为主要业务板块是外卖和电商，所以可以把GMV拆成外卖GMV 加 电商GMV。外卖的GMV是外卖的付费用户数乘以客单价。对外卖GMV再做一层拆解，付费用户数可以分为新用户、老用户，新用户消费可以拆成新用户UV，新用户激活率，老用户消费拆成老用户UV、留存率，以及外卖抵达率和购买转化率和客单价。

二、依据增长模型构建指标体系

增长维度

• 基础活跃：要了解用户的基础数据分布情况，如新老用户的分布、活跃情况、渠道分布等
• 用户体验：用户对于流程的完成率，关键环节的转化率等
• 用户运营：日常APP里面的一些活动，比如优惠券的使用情况，用了之后的客单价是否提高了，用完了之后的复购率是否提高了
• 商品营收：最终商品的销售成果，首购、复购的情况，订单目标是否完成等

从以上维度，可以构建成一个完整的指标体系

三、依据指标体系设计埋点采集方案

构建完指标体系之后，我们需要设计埋点采集方案，并通过SDK上报埋点数据。

以用户运营-优惠券领取/使用率这个指标为例，提出埋点需求

• 计算口径：领取的优惠券数 / 被使用的优惠券数 *100%
• 分布维度：优惠券类型、优惠券金额档位、发放优惠券的活动、用户集合、用户集合下的用户分组
• 支持的业务决策或核心业务逻辑/改进的问题以该指标的移动平均值（最近六个月）为标准，数值越高说明优惠券效果越好通过维度下钻，找到效果差的优惠券类型、金额档位通过维度下钻，找到效果差的优惠券活动通过交叉维度下钻，找到不同类型的用户对不同类型优惠券或活动的使用偏好

上述需求的埋点采集方案

• 事件1：优惠券领取事件埋点位置：优惠券领取控件的点位触发条件：控件点击事件自定义属性：优惠券类型、优惠券金额档位、活动ID、用户集合ID、用户分组ID
• 事件2：优惠券使用事件埋点位置：无触发条件：服务端事件，优惠券被使用时触发自定义属性：优惠券类型、优惠券金额档位、活动ID、用户集合ID、用户分组ID