AI 埋点设计：从业务问题到事件字典

## 适用场景

适合新功能上线、漏斗分析和增长实验。埋点必须从要回答的问题出发，并保持命名和属性口径稳定。

## 三步工作法

### 步骤 1：列出分析问题

明确要判断用户是否发现、尝试、成功、重复使用或流失。

### 步骤 2：设计事件模型

为关键动作定义事件名、触发条件、属性、用户标识和数据示例。

### 步骤 3：建立验收与治理

开发联调时核对触发次数、属性和隐私要求，版本变化同步更新字典。

## 可直接复制的 Prompt

> 根据产品流程和分析目标生成埋点方案。输出事件名、业务定义、触发时机、必要属性、示例、去重规则、用户标识、隐私风险和验收用例。避免为每个点击都创建无意义事件。

## 进阶技巧

- 事件名使用统一动词结构

- 属性只收集分析必需信息

- 上线前用测试账号走完整流程

## 交付前检查

- 事件能否回答原始问题

- 是否重复或漏记

- 敏感属性是否必要且合规

## 预期效果

建立可维护的数据基础，避免功能上线后才发现关键行为无法分析。

## 使用边界

AI 负责整理、扩展和检查，人仍然负责事实准确性、业务判断、隐私保护与最终发布。涉及个人信息、商业机密、财务、法律或安全内容时，只能使用组织批准的工具和脱敏材料。