*除了基本信息不需要赘述外（包括用户手机型号、平台、页面id等等），在每次用户提交的时候我们还会记录一个Query_id，用这个id可以去服务端的日志中查看本次搜索的详细情况（相当于后端打点），包括各种用户本次搜索的各种输入信息和我们输出给用户的信息（比如到底展示了哪些商品等等），用于后续搜索策略的优化。
总之，打点要有详有略，既能保证用户的每一个步骤的重要信息都要能有效提取到，又要善于巧用单独的字段来减轻后续数据分析的工作量。
另外，打点设计完之后，别忘了和相关同事（运营、BI等）确认是否能满足所有想看的指标，不同岗位关心的指标会有侧重点不同，大家要确保万无一失哦～
二、 科学设计实验有了打点之后，我们可以统计到一些功能的详细数据，用来验证这个功能/项目对关键指标是否真的有帮助，或者是否还有提升的空间。
影响关键指标的因素是很多的，比如节假日、淡旺季、广告投放等等各种情况，所以我们还需要对想要分析的项目设计“实验”来获取更精准的数据，常见的有以下几种方式：
1. A/B测试
这类测试比较适合数据随时间波动较大的垂直类目，比如快消、服装品牌等。
A组就是空白组——原方案，B组是实验组——优化后的方案，这样做为了要排除季节、突发事件、新的商品、宣传活动等等各种情况对产品数据造成的波动。需要注意两点：
- 确保流量切分的时候尽量是均等的，一段时间内，A组和B组的UV/PV几乎相同，这个误差如果接近10%，实验的可信度就会大大降低，说明在分流量的时候有bug。
- 确保流量切分的时候不存在任何用户画像上明显的差异。比如A组女性更多，B组男性更多，就会影响实验结果。很多时候程序生成的“随机”其实是伪随机，所以一定要警惕切的时候并没有做到真正的随机。
如果试验结果看上去比较异常，我们可以做AA实验来确定下数据的准确性，即A组和B组都用原方案，来看下数据是否相同。
2. 灰度测试
灰度发布和A/B测试的原理相同的，但是流量不会均匀分配，一般是切某个比例的流量给到B组，比如5%，10%等。比较适合量级大、有影响力的核心页面，比如淘宝首页改版就会小范围先切一部分流量做灰度测试，这也很适合淘宝这样强运营的App。
运营可以通过灰度测试的结果对策略进行调整，避免直接全量上线影响整个App的指标。这种方案适合有一定研发能力的平台，因为对流量的切分提出了更高的要求，所以大厂用得更多一些。
3. 直接发版
直接进行发布新功能/新版本，分别看老版本和新版本的数据，计算某个固定时间段内平均值的提升。直接发版适合数据比较稳定的平台，且对发布的产品功能很有信心。
比如产品之神张小龙就很少搞什么A/B测试、灰度测试啥的，很多改版就是直接上（比如微信7.0神马的），当然我们都不是产品之神，如果不能确保这段时间数据比较稳定的话，还是乖乖做AB或者灰度先～
如果是通过更新客户端来进行版本发布（服务端发布、小程序等不用考虑），要注意等新版本覆盖大部分用户了之后再看数据会比较准，因为先更新的用户往往是对平台比较忠诚的用户，只看这部分用户，数据会偏高。
比如我们发现新版本发布后两周，80%的用户都更新完了，那么就可以对比新版本发布前老版本1个月数据的均值，和新版本发布之后第3周到第7周数据的均值（也是1个月），来进行对比。
其实像微信出的“炸shi”之类的小彩蛋，其实很多时候是为了去催促用户更新到新版本～
三、分析数据结果经历了设计打点和实验，又等待了一下版本更新覆盖率之后，我们终于取到了数据，然而结果往往充满了惊喜（吓）。就算数据非常符合预期，在汇报的时候有数据和图表的那几页往往需要费劲去解释。下面就教大家比较实用的几招，从此汇报数据无烦恼。
1. 排除干扰项
说到汇报数据，往往是数据跌了惨兮兮，数据涨了又要赶紧解释原因，不然等到下周环比跌的时候又要解释了。
记得之前学姐遇到过几个月DAU疯涨，当时分析了半天没找到原因（当然现在知道啦），当时老板打趣说唯一的变化就是前任老板离职了，可以说是甜蜜的负担了。
数据总是有这么多干扰项，像玩剧本*一样，我们会发现很多看上去可疑的线索，其中大部分都是干扰项，要排除这些才能找到真正的“凶手”。
比如学姐的一个童鞋小超因为好玩做了一个扔手机的App（不建议大家下载，很费手机），这个月突然发现App中广告的曝光量跌了三分之一，收入也随之跌了。
仔细一看，发现不是这个月跌了，而是上个月有几天数据猛涨。
再进一步拆解，发现是某个安卓商店的下载量在那几天激增，于是发现自己的App在那几天被这个安卓商店推荐了一下下。排除这几天后，数据看上去就这么夸张了。
大家在分析数据时，最直接的就是先按照时间画出数据曲线，看看有没有异常的点，把异常点排除之后再去看数据。
定位了时间段（点）之后，就像锁定了“*人凶器”，接下来只要找到是谁使用的就行了。
我们可以进一步拆解（不知道怎么拆解的可以看文章的上半部分），看是否有天气、城市、渠道、广告、销售、其他产品功能、运营活动等等各因素的影响，当然这些因素和业务有关，如果你完全没有头绪，可能需要更进一步去了解业务了（比如问问相关部门的同事）。
技术原因也会影响到产品数据，比如某个服务器在某天的超时的访问特别多，那自然会影响产品的转化率了。
如果这些因素都没有变化，我们可以更跳脱去考虑，比如是否有政策、人口、经济是否对整个行业的大盘产生了影响，从而进一步影响到了自己的业务。
2. 选择最直观的图表
自己好不容易推理出了“真凶”，但是一起玩剧本*的小伙伴竟然没听懂你的推理，还反手投了你？
这就和分析完数据之后，复盘汇报时同事不能理解这些数据一样苦恼。到底选择什么样的图表来表达数据才能做到清晰、高效？
打开Excel我们会发现有N种图表（截图有点丑大家不要介意），咱就讲几种常用的：
（1）柱形图&条形图
柱形图的一般用于表达某个指标随着时间（或者某个变量）的变化，比如每个季度的销售额、MAU均值等。
如果变量的文案比较长，我们也可以用横过来的条形图去呈现（柱子之间文字太多挤不下），比如首页每个模块的点击率。
总之，柱状图更强调趋势变化，条形图更强调比较（左图的单位是万，忘记标注了，下同）。
左图为柱形图，右图为条形图
（2）柱形图 折线图
折线图和柱形图类似，也强调趋势变化。
一般用于更细的数据，比如分天、分小时的数据，MAU按照每个季度平均一下还能用柱形图，但是如果过去一个季度DAU的数据，那用柱状图肯定就画不下了，这时一般就用折线图了（比如上面一章提到的分天曝光图）。
既可以表达绝对数值，又可以表达出趋势，学姐个人还蛮喜欢的。
比如两年内每个季度的MAU均值（柱状）和其年同比（曲线），这样我们不仅可以看出每个季度数值和变化趋势，也可以看出年度的变化趋势。
