埋点：做动作行为分析；（数据仓库中的用户行为数据在logdb.events表中，就是埋点系统埋进来的数据）
埋点的过程就是针对功能，准备要分析的动作，对数据进行观测，提取有价值的数据，将数据进行分析，模拟及判断分析结果，形成数据报告，最终用结果对功能进行判定；
初级埋点：在产品流程关键部分植入相关统计代码，用来追踪每次用户的行为，统计关键流程的使用程度；
中级埋点：植入多段动作代码，追踪用户在该模块每个界面上的系列行为，事件之间相互独立；
高级埋点：联合公司工程，ETL采集分析用户全量行为，建立用户画像，还原用户行为模型，作为产品分析，优化的基础；
用户画像：与该用户相关联的数据的可视化的展现，即用户信息标签化；
技术定义：海量数据的标签，根据用户的目标，行为和观点的差异，将它们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字，照片，一些人口统计学要素，场景等描述，形成一个任务原型；
用户画像完美地抽象出一个用户的信息全貌，需要做到的终极形态是不同用户视角，打开同一个网站或者APP，体验完全不同；
用户画像的最终形态是通过分析用户行为，最终为每个用户打上标签，以及改标签的权重；
标签表征了内容，用户对该内容有兴趣，偏好，需求等等；
权重表征了指数，用户的兴趣，偏好指数，也可能表征用户的需求度，可理解为可信度，概率；
数据建模：标签=用户标识+时间+行为类型+接触点（网址+内容）的聚合，某用户因为在什么时间，地点做了什么事，所以打上**标签；