简诗 AI 埋点方案
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fccf428b/lumen-instrument
技能介绍
它解决什么问题
埋点代码往往是功能上线前一晚补写的。结果通常是:同一个动作在不同端有多个事件名(submit、submit_order、order_submitted),关键行为漏埋,事件属性里混进邮箱和手机号,事后补数成本极高。这个技能把分析设计前置——任何代码动工之前,先产出一份工程团队可以直接照做的 tracking plan。
核心能力与工作流程
环境检测。 先扫描已有分析平台的类型与命名约定,新事件沿用既有规范,而不是另起炉灶。
事件分类法。 二选一并全局统一:对象_动作(推荐),如 user_signed_up、payment_completed;或 页面_动作,如 dashboard_viewed。规则:一律 snake_case;完成的动作用过去式(signed_up 而非 sign_up);视图操作用现在式(modal_opened);事件名禁止携带任何个人隐私信息。
用户旅程映射。 按获客、激活、留存、付费、推荐的路径逐阶段定义事件表并标注优先级——P0 随功能发布必须上线,P1 可选,P2 进 backlog。
属性 schema。 为每个 P0 事件定义触发时机与属性;所有事件固定携带 timestamp、user_id、session_id、platform;邮箱、全名、电话、支付信息等个人隐私信息一律禁止入事件。
交付物。 一份含事件名、触发条件、属性、平台、优先级、负责人的 tracking plan 表格;identify() 调用的设计(何时设置 user traits、何时更新,如升级套餐时);以及上线前自检清单——dev 环境验证、事件流核对、命名规范复核,埋点上线后通知 Lumen 做数据质量校验。
适用边界
- 它产出的是设计方案,不是接入代码,埋点的实现仍由工程团队完成。
- 输出遵循
docs/output-kit.md制定的格式预算:CLI 最多 40 行,完整分析放在 HTML 报告中,CLI 只是回执,不要把分析结果整个堆在终端里。 - 它默认你已有可用的分析平台,本身不负责平台选型。
使用场景
- 新功能上线前,需要将用户注册、首次核心操作、付费转化等关键行为转化为可分析的事件清单
- 全端埋点规范统一前,需评估现有事件命名规则并设计全局一致的用户事件分类法
- 工程师开发阶段开始前,需要一份包含事件名、触发时机、属性的明确的埋点计划文档
- 埋点上线后发现用户数据缺失或关键行为未追踪,需系统排查并补齐数据质量
适合人员
- 产品经理需要与工程团队对齐埋点数据标准,确保关键用户行为可被分析
- 数据分析师需要在功能开发前参与埋点规划,避免事后无法追踪用户旅程
- 前端工程师需要一份明确的埋点计划,以便在开发阶段直接实现事件追踪
- 增长团队需要通过埋点数据驱动决策,需要标准化的事件命名和属性 schema