第6章　點擊流跟蹤服務

在構建洞察的過程中，一項越來越重要的工作是收集、分析和聚合行為數據，即點擊流數據。點擊流是代表用戶在應用程序或網站中操作的事件序列，包括點擊、瀏覽和相關的上下文，比如頁面加載時間、訪問者使用的瀏覽器或設備等。點擊流數據對于客戶流量分析、營銷活動管理、市場細分、銷售漏斗分析等業務流程洞察至關重要。在分析產品體驗、了解用戶意圖以及針對不同客戶群體提供個性化產品體驗方面也發揮著關鍵作用。A/B測試利用點擊流數據流來計算業務提升或獲取用戶對產品或網站新變化的反饋。

隨著點擊流數據被越來越多的數據用戶（包括市場營銷人員、數據分析師、數據科學家和產品經理）使用，有三個關鍵痛點與點擊流數據的收集、豐富和使用有關。首先，數據用戶需要根據自己的分析需求不斷在產品和網頁中添加新的跟蹤信標。添加這些信標不是自助式的，需要專業知識來確定在哪里添加監測信標（instrumentation beacon）信息、使用什么監測插件庫，以及使用什么事件分類法。即使是現有的跟蹤代碼也必須反復更新，以便將事件發送到新的工具上用于市場營銷、電子郵件活動等。其次，點擊流數據需要經過聚合、過濾和豐富，然后才能被用于產生洞察。例如，原始事件需要過濾由機器人產生的流量。大規模地處理這樣的數據極具挑戰性。最后，點擊流分析需要訪問交易歷史以及實時點擊流數據。對于一些點擊流用例來說，例如為了更好的用戶體驗而進行的針對性個性化定制，分析必須是近實時的。這些痛點會影響點擊指標耗時，進而影響個性化、試驗和營銷活動性能等用例的洞察耗時。

理想的情況是，自助式點擊流服務能夠簡化SaaS應用程序以及營銷Web頁面中編輯監測信標的工作。該服務可以自動完成事件的聚合、過濾、ID拼接和上下文豐富。根據用例的需要，數據用戶可以以批處理和流處理的方式使用數據事件。通過服務自動化，可以改進數據事件的收集、豐富和使用，從整體上減少洞察耗時。在本章中，我們將專門介紹針對點擊流數據的豐富模式，第8章將介紹通用的數據準備模式。