埋点作为一种重要的数据采集方法，已经广泛应用于各个领域，其目的在于设计一套“记录”用户“动作”的方案，记录“动作”发生的场景，探索用户“动作”背后的意图。通过埋点，企业可以收集到丰富的数据，包括用户行为、事件响应、业务交易等等，从而进行数据分析和更深层次的用户洞察。

在埋点过程中，根据不同的分类依据，可以将埋点数据分为以下几类：

1.根据数据来源分类

根据数据来源的不同，埋点数据可以划分为移动端埋点数据和Web端埋点数据。

移动端埋点

移动端埋点主要针对智能手机、平板等移动设备上的应用进行数据采集，可以收集到如手机基础数据、用户相关数据、渠道相关数据、App质量和性能相关数据等不同维度的数据。

Web端埋点

Web端埋点主要针对网站、网页等进行数据采集，与移动端埋点相比，Web端埋点主要针对PC端设备。Web端埋点可以记录用户在网页上的各种行为，如点击、滑动、输入等，同时也可以收集用户的浏览记录、停留时间等数据，可以全方面地记录用户在网页上的所有行为和操作，从而更好地了解用户的浏览习惯和需求。

2.根据埋点方式分类

根据埋点方式的不同，埋点数据可以划分为显式埋点和隐式埋点，具体来看，两者是从用户有无感觉的角度来区分。

显式埋点

也称为用户有感事件，是用户主动触发的事件，例如点击、滑动等。这种埋点方式需要用户明确地执行某个动作，例如点击一个按钮或者提交一个表单，从而触发一个数据的采集事件。用户有明确的感知和参与，因此数据的真实性和可靠性较高。

隐式埋点

也称为用户无感事件或后台事件，是用户无感知的事件，例如页面加载、网络请求等。这种埋点方式不需要用户的直接参与，而是通过技术手段在后台自动记录和采集数据。可以收集用户无感的数据，包括行为习惯、应用性能等，同时也可以减轻用户的参与度和感知负担。

显式埋点适用于需要用户主动参与的事件，例如用户调查、表单提交等，可以用来衡量用户的反馈和需求。隐式埋点适用于需要大量数据采集的场景，例如数据分析、性能监控等，可以提供更全面的数据支持和反馈。

3.根据数据属性分类

根据数据属性的不同，埋点数据可以划分为结构化埋点数据和非结构化埋点数据。

结构化埋点数据

指以结构化数据库表形式管理的数据，这些数据有固定的字段和格式，如日期、姓名、地址等。这种类型的数据方便存储和查询，因为它们可以使用数据库的二维逻辑表来表现。对于业务用户来说，结构化数据易于理解和操作，因为它们有预定义的数据模型。然而，这种数据类型的灵活性和可用性有限，因为它们只能用于预期的目的。

非结构化埋点数据

指没有固定结构或预定义数据模型的数据，如文本、图片、视频等。这些数据无法直接用数据库二维逻辑表来表现，因此比结构化数据更难处理和分析。非结构化数据的优点在于可以包含大量且丰富的信息，如文本中的语义信息、图片中的视觉信息等。但是，非结构化数据的缺点也很明显，比如难以标准化和理解，需要更复杂的处理和分析方法。

埋点数据作为数字营销和产品优化等领域的重要数据来源，具有非常广泛的应用场景和价值。企业需要根据实际需求选择合适的埋点方法和数据分类方式，以更好地挖掘用户的行为模式和需求，从而制定更加精准的决策和优化策略。

海纳嗨数云SAAS服务平台能给为企业提供专业的数据接入工具，帮助企业定制符合企业实际需求的埋点方案，实现用户在客户端实时行为数据的采集；批量数据迁移工具满足企业当前各种类型存量业务数据的接入，包括数据库、线下表格、文本数据等；外部数据通过标准api数据接口实现数据的实时传输，将用户相关的全量数据汇集到嗨数云，一方面为企业构建客户数据管理云平台满足后续数据分析需求，另一方面能够避免企业自主搭建的技术成本及硬件成本的支出，以更高效的方式用数据驱动增长。