使用 Avo 改进我们的前端跟踪

Source: Dev.to

概览

本文阐述了我们如何使用 Avo 📊 在 Super 重构产品分析前端追踪。长期以来，我们依赖 Google 表格记录前端事件，导致所有权不清晰、模式不一致、在 Segment 中进行缓慢且手动的 QA。随后我们迁移到 Avo 的 Tracking Plan 和 Inspector，拥有了唯一真实来源、与开发者一起的分支与同行评审流程，以及自动化校验。

➡️ 结果： 数据更干净、调试更快、数据与工程团队协作更加顺畅 ✅。

介绍

准确的追踪对于可靠的数据监控至关重要。它帮助我们确认新发布的功能是否如预期工作、定位并修复 bug、以及优化关键用户路径——例如 Super Credit 申请的漏斗。

当追踪出错时，症状可能包括：

• 事件缺失
• 属性缺失
• 属性值拼写错误
• 发送了重复事件

但根本原因几乎总是相同的：文档不完善或缺失。

我们之前的方案：Google 表格作为追踪计划 📄

直到最近，我们记录前端追踪的主要方式是 Google 表格。每当有新功能时，我们会新建一个文档或在已有文档中添加一个新标签页，列出所有需要追踪的事件。

有效之处

• 简单且大家熟悉。
• 数据团队可以快速创建新表并共享。

数据团队职责

• 创建并维护事件列表。
• 在需要新前端追踪时将其发送给开发团队。

主要痛点 ⚠️

• 版本管理差： 难以看出事件何时被删除或更新，以及原因。
• 所有权不明确： 任何人都可以编辑表格，修改常常不被注意。
• 审查流程薄弱： 在将规范发送给开发者之前，没有明确的“分支”或同行评审流程。
• 缺乏自动校验： 在 Segment 调试器中进行手动、耗时的检查，尤其是对 Super Credit 等复杂功能尤为痛苦。
• 缺少统一支持： 没有强制属性复用或一致命名，导致模式混乱。

正是由于这些限制，我们决定寻找更好的方案。

探索替代方案并发现 Avo

我们曾考虑使用 JSON 文件记录追踪事件，并利用 GitHub 进行版本控制、分支和审查。这种方式免费且结构更好，但会偏向开发者，非工程人员使用体验不佳。

经过一番调研，我们发现了 Avo，这是一款专注于前端追踪模式管理、可观测性和监控的工具。

Avo 提供两个主要组件：

• Tracking Plan
• Inspector

Tracking Plan：唯一真实来源 📘

Tracking Plan 是我们在 Avo 中定义所有通过 Segment 从前端发送的事件的地方。事件可以按类别组织，例如：

• App 事件
• Super Credit
• 商户结账

每个事件包含：

• 对触发时机的清晰定义
• 需要发送的属性列表（如 brandId、pageName、memberId）
• 这些属性的允许值和格式（如适用）

Avo 的改进之处

• ✅ 唯一真实来源： 所有前端追踪规范集中在一个结构化位置，而不再分散在多个 Google 表格中。
• ✅ 分支与审查： 添加或更新事件通过分支完成，类似开发工作流。贡献者创建分支，同行审查后交给开发者实现，最终合并到主追踪计划。
• ✅ 更好的版本管理： 轻松查看事件何时被创建、修改或归档。
• ✅ 一致性与统一： 鼓励统一的事件命名和属性复用，使属性值在各功能间保持一致。

Inspector：自动验证实现 🔎

Inspector 将 Segment 与 Avo 连接，使 Avo 能够：

• 读取前端发送的事件
• 将其与 Tracking Plan 中的定义进行比对

好处

• 检查事件是否已正确实现 🤝
• 捕捉属性名称或值的拼写错误
• 确保所有必需属性均按定义发送
• 用更快、更系统的流程取代 Segment 调试器中的手动 QA。

我们当前的 Avo 使用方式

我们在 Super Credit 功能的上下文中开始使用 Avo，已经：

• 改善了数据团队与开发者之间的协作
• 让前端追踪规范的审查与完善更为便捷
• 帮助我们更快、更高效地定位并修复追踪 bug

我们目前使用的是 Avo 的免费版，存在以下限制：

• Inspector 每月可分析的事件量上限（当前为 100,000 条）
• 部分付费功能尚未开放

是否升级到付费版仍在评估中。

我们也在迁移遗留的前端追踪文档。约 80% 与前端结账和 Webflow（包括 Super Credit）相关的事件定义已从 Google 表格迁移至 Avo。下一步是完成应用相关前端事件的迁移。

结论 🎯

总体而言，我们对 Avo 的使用体验非常积极。它友好易用，为我们节省了大量时间，并提升了数据团队内部以及数据与开发之间的协作。

通过从临时的 Google 表格转向专业的模式管理与可观测性工具，我们使追踪更可靠、调试更迅速、分析更可信——这最终帮助我们以更大的信心构建和改进像 Super Credit 这样的功能。