第6章　点击流跟踪服务

在构建洞察的过程中，一项越来越重要的工作是收集、分析和聚合行为数据，即点击流数据。点击流是代表用户在应用程序或网站中操作的事件序列，包括点击、浏览和相关的上下文，比如页面加载时间、访问者使用的浏览器或设备等。点击流数据对于客户流量分析、营销活动管理、市场细分、销售漏斗分析等业务流程洞察至关重要。在分析产品体验、了解用户意图以及针对不同客户群体提供个性化产品体验方面也发挥着关键作用。A/B测试利用点击流数据流来计算业务提升或获取用户对产品或网站新变化的反馈。

随着点击流数据被越来越多的数据用户（包括市场营销人员、数据分析师、数据科学家和产品经理）使用，有三个关键痛点与点击流数据的收集、丰富和使用有关。首先，数据用户需要根据自己的分析需求不断在产品和网页中添加新的跟踪信标。添加这些信标不是自助式的，需要专业知识来确定在哪里添加监测信标（instrumentation beacon）信息、使用什么监测插件库，以及使用什么事件分类法。即使是现有的跟踪代码也必须反复更新，以便将事件发送到新的工具上用于市场营销、电子邮件活动等。其次，点击流数据需要经过聚合、过滤和丰富，然后才能被用于产生洞察。例如，原始事件需要过滤由机器人产生的流量。大规模地处理这样的数据极具挑战性。最后，点击流分析需要访问交易历史以及实时点击流数据。对于一些点击流用例来说，例如为了更好的用户体验而进行的针对性个性化定制，分析必须是近实时的。这些痛点会影响点击指标耗时，进而影响个性化、试验和营销活动性能等用例的洞察耗时。

理想的情况是，自助式点击流服务能够简化SaaS应用程序以及营销Web页面中编辑监测信标的工作。该服务可以自动完成事件的聚合、过滤、ID拼接和上下文丰富。根据用例的需要，数据用户可以以批处理和流处理的方式使用数据事件。通过服务自动化，可以改进数据事件的收集、丰富和使用，从整体上减少洞察耗时。在本章中，我们将专门介绍针对点击流数据的丰富模式，第8章将介绍通用的数据准备模式。