用途
产品分析埋点设置是一套“资深 PM 与分析师”用于第一次就正确实施产品分析埋点的操作手册。多数产品分析设置往往是继承下来的错误、仪表盘泛滥和无人信任的事件的混合体：团队上线新功能，埋点在截止日期压力下被临时拼凑；命名漂移、属性不一致；六个月后没人能回答简单问题，因为答案取决于你信任哪个事件。该技能用于防止这种情况：设置全新的产品分析、审计现有埋点、修复“有数据但不可信”的问题，或为新功能设计埋点。
定位与边界
该技能覆盖埋点执行，不覆盖测量策略、实验结果解读、付费媒体分析或平台决策。它假定用户已回答“要衡量什么”的战略问题，且已连接工具（如 Mixpanel、Heap、PostHog、Amplitude，或通过 BigQuery、Snowflake、dbt 的仓库原生方案）。
埋点层级
每个分析设置都是一组层，每层依赖下层正确：事件是原子事实；属性描述事件；身份把事件映射到人；群组是跨事件的筛选；漏斗是事件序列；留存衡量重复行为。没有正确的下层就无法构建上层。“有数据但不可信”的问题大多追溯到最底两层。
事件分类法设计
三条规则：过去式、动作导向（如 checkout_completed）；对象-动作格式（名词加动词）；粒度足够但不冗余（跟踪不同的用户行为而非按钮点击）。注意“动词与状态”陷阱：动词是事件，状态是属性，用事件设置状态会产生重复计数。典型 SaaS 产品的理想事件数量为三十到五十个。
属性设计：事件级与用户级
事件级属性描述本次事件，一旦触发即不可变。用户级属性描述随时间的用户，设置在用户档案上，分析工具会将其关联到该用户触发的每个事件。常见陷阱是把用户级属性放到每个事件上，导致载荷膨胀、模式漂移与报表混乱。数据类型纪律：枚举用字符串；数字只用于真正的数字；布尔用于真正的布尔；时间戳始终用 ISO 8601；数组很少使用，通常意味着应拆分为多个事件。
命名规范
选定一种规范并强制执行：事件与属性用 snake_case；事件用对象-动作格式；用户属性用动词-名词或纯名词。避免混合大小写、名称中带空格、不一致的动词、事件名中带品牌名。
模式版本化
加法式变更安全，直接发布；破坏式变更需要迁移。版本化模式：语义变化时给事件追加 _v2，过渡期内新旧事件同时触发（通常 90 天），仪表盘先迁移到 v2 再停用 v1。数据契约思路：在代码中记录规范模式，对每次模式变更做代码评审，CI 检查在生产前拒绝违规模式。
漏斗设计
四条规则：顺序重要；时间窗口重要（通常 1 到 30 天，需明确记录）；流失解读困难，需先调查；锚点事件模式，每个漏斗从高意图动作开始，而非页面浏览或会话开始这类虚荣事件。常见错误包括包含自动触发事件的漏斗、过长的漏斗、同一事件出现在多个位置、在一个漏斗中混用不同时间窗口。
群组定义
群组是共享某属性或行为的用户组：获客群组、行为群组、属性群组、组合群组。群组纪律：在代码或工具的保存群组功能中定义以便复用；标准变化时对其版本化；不要将 30 天群组与 365 天群组的留存直接对比。
留存测量
三种类型：N 日留存、区间留存、无界（滚动）留存。对多数 SaaS 产品，区间留存是合适的默认选择。留存曲线解读：早期陡降后趋平通常意味着有核心用户；持续衰减无平台期通常意味着价值主张或引导问题；低位平线是重度用户产品，不是问题。
北极星与支撑指标
北极星指标选择规则：反映用户价值、捕捉核心动作、可跨时间一致衡量、难以被操纵。较差的北极星指标如注册数、收入、DAU；较好的如每周活跃编辑者、每晚预订数、每日发送消息数、每空间每周创建的产品数。支撑指标框架：一个北极星、三到五个输入指标、五到十个健康指标。
可信仪表盘原则
可信需满足四点：每个指标有清晰的内联定义；有已知数据来源；有已知注意事项；可复现。陈旧仪表盘是典型失败模式，预防方式是每个仪表盘有负责人、刷新频率与季度审计。
埋点债务
削减成本的复合代价：新功能不做埋点省 1 小时，六个月后无人能回答“功能 X 是否有效”，回溯埋点成本约 20 小时，期间决策损失真实存在。纪律包括：每个新功能 PR 都包含埋点；季度模式审计；明确例外情况。
常见失败模式
文中列举十二种反复出现的模式，例如“有数据但不可信”源于命名与模式漂移；“漏斗显示 80% 流失但真实转化正常”源于错误的锚点事件或窗口；“留存曲线低位平线”可能不是问题；“工具与仓库数字不一致”涉及归因与身份拼接不匹配；“仪表盘加载 30 秒”源于过宽查询或模式膨胀；“每个人对 MAU 有自己定义”源于缺少规范指标文档；“跟踪每次按钮点击”是 UI 噪声等。