在移动互联⽹公司，任何⼀个APP都应该事先规划好数据体系，才允许上线运营，有了数据才可以更科学、更省⼒地运营。今天我们来说说如何做APP的数据分析。
⼀、为什么要做APP数据分析
1.搭建数据运营分析框架
⼀个APP的构建与运营⼯作通常由多个⾓⾊分⼯实现，由于⼤家的⼯作重点不同，仅关注⼀个⽅⾯的数据就如同管中窥豹，⽆法全⾯了解产品运营情况，不能提出⾏之有效的分析建议。因此，只有搭建完善的数据运营分析框架，才能全⾯的衡量移动应⽤产品运营情况。除此之外，完整的数据运营分析框架还可以让产品经理和开发者不仅知道产品运营的基本状况和使⽤状况，更了解⽤户到底是谁，深⼊发现⽤户的需求。 ⽐如，对于⼀个做移动应⽤的公司，所有⼈都会关注产品的新⽤户增长量，其中有多少⽤户是活跃⽤户等，因为这些都跟产品的发展息息相关；⽽投资⼈会更为关注产品的⽤户留存率，以此判断看产品发展是否健康，评估投资价值；同时，⽼板更关⼼的是有多少⽤户付费，共贡献多少收⼊等。所以我们需要搭建数据运营分析框架。
2.⽤数据推动产品迭代和市场推⼴
基础的数据运营分析框架对公司产品的整体发展状况会有⼀个很好的展现，但是创业者会关注更加细节的部分。
⽐如，谁在⽤这个产品？⽤户是否喜欢？是如何使⽤的？都有什么特征？哪些渠道带来的⽤户质量更⾼….我们可以⽤数据来回答这些问题。
产品设计⼈员可以有针对性的对产品使⽤情况进⾏数据分析，了解⽤户对不同功能的使⽤，⾏为特征和使⽤反馈，这样可以为产品的改进提供很好的⽅向。
市场推⼴⼈员也不应该仅仅关注“什么渠道带来了多少⽤户”，更应该关注的是哪⼀个渠道带来的⽤户质量更⾼⼀些。
3.产品盈利推⼿
盈利是公司的最终⽬的，⽆论⼀款产品是否已经探索出⼀个成熟的商业模式，创业者都应该借助数据让产品的盈利有⼀个更好进程。在产品商业的路上，数据可以帮助企业完成两件事：①发现产品盈利的关键路径；②优化现有的盈利模式。
⼆、APP应该关注哪些数据指标
APP的数据指标体系主要分为五个维度，包括⽤户规模与质量、参与度分析、渠道分析、功能分析和⽤户属性分析。
1.⽤户规模和质量
⽤户规模和质量是APP分析最重要的维度，其指标也是相对其他维度最多，数据分析师要重点关注这个维度的指标。
（1）活跃⽤户指标
活跃⽤户指在某统计周期内启动过APP的⽤户，除此之外，我们还可以将活跃⽤户定义为某统计周期内操作过产品核⼼功能的⽤户。活跃⽤户是衡量应⽤⽤户规模的指标，通常，⼀个产品是否成功，如果只看⼀个指标，那么这个这指标⼀定是活跃⽤户数。
活跃⽤户数根据不同统计周期可以分为⽇活跃数（DAU）、周活跃数（WAU）、⽉活跃数（MAU）。⼤多数希望⽤户每天都打开的应⽤如新闻APP、社交APP、⾳乐APP等，其产品的KPI考核指标均为⽇活跃⽤户数。但对于某些低频消费需求的APP⽐如旅游、婚纱摄影，可能会关注⽉活跃数，甚⾄更长时间周期内的活跃数。
（2）新增⽤户指标
防雨罩新增⽤户是指安装应⽤后，⾸次启动应⽤的⽤户。按照统计时间跨度不同分为⽇、周、⽉新增⽤户。
新增⽤户量指标主要是衡量营销推⼴渠道效果的最基础指标；新增⽤户占活跃⽤户的⽐例也可以⽤来⽤于衡量产品健康度。如果某产品新⽤户占⽐过⾼，那说明该产品的活跃是靠推⼴得来。这种情况⾮常值得关注，尤其是关注⽤户的留存率情况。
（3）⽤户构成指标
⽤户构成是对周活跃⽤户或者⽉活跃⽤户的构成进⾏分析，有助于通过新⽼⽤户结构了解活跃⽤户健康度。以周活跃⽤户为例，包括以下⼏类⽤户：
光伏板安装
**本周回流⽤户：**上周未启动过应⽤，本周启动应⽤的⽤户；
**连续活跃n周⽤户：**连续n周，每周⾄少启动过⼀次应⽤的活跃⽤户；
**忠诚⽤户：**连续活跃5周及以上的⽤户；
**连续活跃⽤户：**连续活跃2周及以上的⽤户；
**近期流失⽤户：**连续n周（⼤等于1周，但⼩于等于4周）没有启动过应⽤的⽤户。
119b
（4）⽤户留存率指标
⽤户留存率是指在某⼀统计时段内的新增⽤户数中再经过⼀段时间后仍启动该应⽤的⽤户⽐例。⽤户留存率可重点关注次⽇、7⽇、14⽇以及30⽇留存率。次⽇留存率即某⼀统计时段新增⽤户在第⼆天再次启动应⽤的⽐例；7⽇留存率即某⼀统计时段新增⽤户数在第7天再次启动该应⽤的⽐例；14⽇和30⽇留存率以此类推。
⽤户留存率是验证产品⽤户吸引⼒很重要的指标。通常可以利⽤⽤户留存率与竞品进⾏对⽐，衡量应⽤对⽤户的吸引⼒。对于某⼀个相对成熟版本的应⽤，如果⽤户留存率有明显变化，则说明⽤户质量有明显变化，很可能是因为推⼴渠道质量的变化所引起的。
（5）每个⽤户总活跃天数指标
每个⽤户的总活跃天数指标（TAD，Total Active Days per User）是在统计周期内，平均每个⽤户在应⽤的活跃天数。如果统计周期⽐较长，如统计周期⼀年以上，那么每个⽤户的总活跃天数基本可以反映⽤户在流失之前在APP上耗费的天数，这是反映⽤户质量或黏性，尤其是⽤户活跃度很重要的指标。
2.参与度分析
参与度分析主要是分析⽤户的活跃度，包括启动次数分析、使⽤时长分析、访问页⾯分析和使⽤时间间隔分析。
（1）启动次数指标
启动次数是指在某⼀统计周期内⽤户启动应⽤的次数。在进⾏数据分析时，⼀⽅⾯要关注启动次数的总量⾛势，另⼀⽅⾯，则需要关注⼈均启动次数，即同⼀统计周期的启动次数与活跃⽤户数的⽐值，通常⼈均启动次数和⼈均使⽤时长可以⼀起分析。
（2）使⽤时长
使⽤总时长是指在某⼀统计统计周期内所有从APP启动到结束使⽤的总计时长。使⽤时长还可以从⼈均使⽤时长、单次使⽤时长等⾓度进⾏分析。
⼈均使⽤时长
=同⼀统计周期内的使⽤总时长/活跃⽤户数
单次使⽤时长
=同⼀统计周期内使⽤总时长/启动次数
使⽤时长相关指标也是衡量产品活跃度、产品质量的重要指标。⽤户每天的时间是有限的且宝贵的，如果⽤户愿意在你的产品投⼊更多的时间，证明你的应⽤对⽤户很重要，⽐如现在很流⾏的等社交应⽤。
（3）访问页⾯
访问页⾯数指⽤户⼀次启动访问的页⾯数。我们通常要分析访问页⾯数分布，即统计⼀定周期内（如1天、7天或30天）应⽤的访问页⾯数的活跃⽤户数分布，如访问1-2页的活跃⽤户数、3-5页的活跃⽤户数、6-9页的活跃⽤户数…同时，我们可以通过不同统计周期（但统计跨度相同，如多为7天）的访问页⾯分布的差异，以便于发现⽤户体验的问题。
（4）使⽤时间间隔
使⽤时间间隔是指同⼀⽤户相邻两次启动的时间间隔。⼀般统计⼀个⽉内应⽤的⽤户使⽤时间间隔的活跃⽤户数分布，如使⽤时间间隔在1天内、1天、2天……同时，我们可以通过不同统计周期（但统计跨度相同，如都为30天）的使⽤时间间隔分布的差异，以便于发现⽤户体验的问题。
3.渠道分析
渠道分析主要是分析各渠道在相同的投⼊情况下，⽤户数量的变化和趋势，以科学评估渠道质量，优
化渠道推⼴策略。渠道分析包括新增⽤户、活跃⽤户、启动次数、单次使⽤时长和留存率等指标。APP的推⼴渠道主要为安卓和iOS。
安卓的渠道：①第三⽅应⽤市场，如华为、oppon、⼩⽶、91助⼿等；②⼴告联盟，如⽹盟、友盟等；③⼚商预装，像华为、⼩⽶、vivo 等；④⽔货刷机，如刷机精灵等；⑤社会化推⼴，如在社做分享，在社区形成⼆次甚⾄多次传播，也可以做推⼴，但是这种的数据的分析就不太好获取。
对于安卓来说，⽤户来源就分以上⼏种，每⼀种可以分别去定义。不同类型的推⼴⽅式，可从不同的维度做数据的分析。⽐如说像第三⽅应⽤市场，很多⽤户都是通过这个渠道来下载APP，所以这⽅⾯的数据更多的是看活跃和留存；像⼴告联盟这种，是通过积分墙来分析，更多的是⽤户完成任务通过量级来做分析。
iOS的渠道主要是AppStore，原则上我们所有的数据和激活都是通过这个渠道来获取，但是在实际推⼴的过程中，我们更多的是想分析⽤户是通过什么渠道跳转到AppStore上进⾏下载，激活产品。这就需要我们直接和技术做最底层的对接——API接⼝对接。具体的分析⽅法与安卓是类似的，主要是分析活跃和留存数据。
以上提到的只是渠道质量评估的初步维度，如果还需要进⼀步研究渠道，尤其是研究到渠道防作弊层⾯，指标还需要更多，包括：判断⽤户使⽤⾏为是否正常的指标，如关键操作活跃量占总活跃的占⽐，
⽤户激活APP的时间是否正常；判断⽤户设备是否真实，如机型、操作系统等集中度的分析。
4.功能分析
功能分析主要分析功能活跃情况、页⾯访问路径以及转化率。
（1）功能活跃指标
主要关注某功能的活跃⼈数、新增⽤户数、⽤户构成、⽤户留存。这些指标的定义与前⽂提到的“⽤户规模与质量”的指标类似。只是，本部分只关注某⼀功能模块，⽽不是APP整体。
（2）页⾯访问路径分析
主要是统计⽤户从打开应⽤到离开应⽤整个过程中每⼀步的页⾯访问和跳转情况。⽬的是达成App的商业⽬标，即引导⽤户更⾼效的完成App的不同模块的任务，最终促进⽤户付费。
APP页⾯访问路径分析需要考虑APP⽤户以下三⽅⾯问题：①⾝份：⽤户可能是你的会员或者潜在会员，也有可能是你的同事或者竞争对⼿等；②⽬标：不同⽤户使⽤APP的⽬的有所不同；③访问路径：即使⾝份类似、使⽤⽬的类似，但访问路径也很可能不同。因此，我们在做APP页⾯访问路径分析的时候，需要对APP⽤户做细分，然后再进⾏APP页⾯访问路径分析。
最常⽤的细分⽅法是按照APP的使⽤⽬的来进⾏⽤户分类。如汽车APP的⽤户便可以细分为关注型、意向型、购买型⽤户，并对每类⽤户进⾏不同访问任务的路径分析，⽐如意向型的⽤户，他进⾏不同车型的⽐较都有哪些路径，存在什么问题；还有⼀种⽅法是利⽤算法，基于⽤户所有访问路径进⾏聚类分析，依据访问路径的相似性对⽤户进⾏分类，再对每类⽤户进⾏分析。
（3）转化率
转化率是指进⼊下⼀页⾯的⼈数（或页⾯浏览量）与当前页⾯的⼈数（或页⾯浏览量）的⽐值。通常使⽤漏⽃模型来，它可以分析产品中关键路径的转化率，以确定产品流程的设计、⽤户体验问题。
⽐如⽤户从进⼊某电商⽹站—浏览商品—把商品放⼊购物车—⽀付完成，每⼀个环节都有很多的⽤户流失。通过分析转化率，我们可以⽐较快定位⽤户使⽤产品的不同路径中，分析是否存在问题，并提出如何进⾏优化的改进意见，通常我们只需要对每天的转化率进⾏连续性的监控即可。
5.⽤户属性和画像分析
⽤户属性分析主要从⽤户使⽤的设备终端、⽹络及运营商、地域和⽤户画像⾓度进⾏分析。设备终端分析的维度有机型分析、分辨率分析和操作系统分析；⽹络及运营商分析的唯独有有⽤户联⽹⽅式和电信运营商，地域主要从不同省市和国家来分析。
⽤户画像分析包括⼈⼝统计学特征分析、⽤户个⼈兴趣分析、⽤户商业兴趣分析。⼈⼝统计学特征包括性别、年龄、学历、收⼊、⽀出、职业、⾏为等；⽤户个⼈兴趣指个⼈⽣活兴趣爱好的分析，如听⾳乐、看电影、健⾝、养宠物等；⽤户商业兴趣指房产、汽车、⾦融等消费领域的兴趣分析。⽤户画像这部分的数据需要进⾏相关的画像数据采集，才可以⽀撑⽐较详细的画像分析。感兴趣的⼩伙伴可以查看之前的⽂章《》
6.收⼊分析
盈利是产品的最终⽬的，所以总收⼊、付费⽤户数、付费率、ARPU这四个指标经常⽤到。总收⼊、付费⽤户数反映的是收⼊和付费⽤户的规模；付费率、ARPU代表的是⽤户付费质量，反映的是⽤户付费的⼴度与深度。主要关注转化漏⽃最后环节的订单数量和⾦额。
三、如何搭建APP的数据指标体系
在很多产品中，上⽂提到的很多指标基本看不到，最终导致数据分析师因为没有数据，⽆法进⾏分析。主要是因为在产品上线前没有对数据进⾏开发统计。
通常这部分⼯作主要是由产品经理来完成，但是数据分析师需要提前与产品经理沟通协调，规划好⾃⼰所需要的数据指标体系，驱动产品开发进⾏相关的数据采集，并在后续运营过程中，动态优化和丰富数据体系。我们先来了解⼀个概念“埋点”。
1.什么是埋点
埋点的宏观⽬标是为了获取数据指标来整体上验证产品的业务逻辑是否顺畅，之前的⼀些基本假设是否成⽴？这时候涉及需要验证的数据可能会涵盖：产品⽅向、市场运营和商业逻辑三⼤⽅⾯。埋点本⾝其实是对产品的⼀个可视化健康检查，通过逻辑和数据，贯穿产品的整个⽣命周期，使产品逐步达到最佳状态。为未来产品优化⽅向给出指导意见。
当然埋点的⽬标不同，最终数据验证的效果也会有不同。如新版本上线的⽤户⾏为和功能效果数据验证（⼏种场景）：①新功能是否得到⽤户的使⽤与认可？新版本增加的新功能，⽤户点击率怎样？②⽤户在核⼼使⽤路径上是否顺畅？有没有因为交互体验功能按钮的设计⽽导致⽆效点击增多？③针对某个特别的⽇期进⾏了产品内的⼴告banner推⼴或者促销，该活动运营的效果如何？
2.具体步骤
（1）了解产品形态
脱蜡铸造
指的是整个产品的运作逻辑，关注的是⽤户⾓⾊，信息和渠道，以及他们之间的流转关系是什么样的，像是产品的⼀个蓝图和框架。
（2）了解业务逻辑
引道结构图
指的是要执⾏某个业务，⽤户⾓⾊需要⾛过的路径，会有什么⾓⾊参与，有什么功能模块（或⼦系统）参与，模块之间的关联性，数据之间的流向是什么样的。
（3）业务流程图
是在业务逻辑的基础上，对功能分解下来，⽐如唱吧的录歌业务逻辑，会有个模块是⽣成评分，那⽣成评分这个模块，她的具体业务流程是什么样的，会有什么细节流程，异常流程，提⽰等。
（4）将节点化的业务代码化
这⼀步骤，主要是将列出的重要节点(需要统计的节点)添加统计事件和统计参数。
（5）交付开发调整DRD
可以与产品经理和开发⼈员沟通协调，并交付所需要的数据指标体系。
（6）数据分析
后期数据库中有了相应节点的统计情况，之后就可以拿来分析了。
四、常⽤的分析⽅法
1.产品⽣命周期分析
产品⽣命周期理论（PLC模型）是由美国经济学家Raymond Vernon提出的，即⼀种新产品从开发进⼊市场到被市场淘汰的整个过程。产品⽣命周期可分为初创期、成长期、成熟期、衰退期，在产品的每个阶段，数据分析的⼯作权重和分析重点有所区别。
（1）初创期
龙芯3b初创期的重点在于验证产品的核⼼价值，或者说验证产品的假设：通过某种产品或服务可以为特定的⼈解决某个问题。这时我们需要关注的关键数据是⽬标⼈画像和留存率。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议