APP数据分析的常用与关键指标
APP数据分析的常用与关键指标
编辑日期： 字体：
数据能真实的反映一款APP的状况,帮助开发者进一步了解产品、了解用户。但问题是, 面对如此多的数据报表,该关注哪些指标?怎样去分析数据才能解决问题?如何获取这些有价值的数据?关键性的数据指标可分四类:用户获取、用户质量、内容使用、关键行为转化。
具体来讲：
第一步是用户获取
下载量和激活量可以真实反映渠道获取用户的能力;其次,还要分别查看每个环节的转化率,从渠道点击—下载—激活—注册—更深的行为,用户获取的链条上,每个环节都会发生转化,要逐个分析每个环节的提升空间。从而降低每个用户的获取成本。
第二步,评估用户质量
它能帮助开发者优化用户获取步骤。它有两个典型的指标,留存和活跃。留存率可以一定程度地反映出产品对用户的适配程度;活跃度反映的则是用户对产品的依赖程度。当基本的留存率和活跃度有保证之后,开发者可以看一些更细节的行为指标如关键行为点击率,这个指标对于有些应用来说可能是付费,可能是分享、评论、注册或者你认可的APP重要操作。
第三步,关注内容使用
在做分析之前,先把页面分成三类:导航页、流程页和内容页。导航页汇集了很多入口,这个页面的作用是让用户快速找到想用的模块;流程页的主要功能是引导用户完成最终的目标;最后一类是内容页,类似商品墙,主要展示的是详情。宏观上讲,内容使用可以从页面的退出率和页面之间的跳转途径去看,如果用户在内容页或者流程页最后的页面退出都是合理的,开发者需要关注的是导航页和流程页中间的退出。除了对页面的表现进行评估, 还可以通过自定义事件来监测更为具体的点击和操作。
第四步,是开发者最关注的指标——关键行为转化
想要提高点击率,要依靠漏斗模型来优化关键行为的转化率和转化路径。李荟分享了一个电商导购应用的,它的用户典型使用路径:打开客户端—&浏览最热最新—&点击查看单品—&点击去淘宝。拿到数据后,认为用户在点击查看单品到点击去淘宝这步转化率不够理想,后来将按钮上的“去购买”改为“ 查看详情” , 暗示用户点击之后有更多有利于购买决策的信息,且不一定要购买,修改上线后, 点击去淘宝的转化率从10%上升到15%。
获取到核心数据后,该怎样分析解决运营中的问题?
以案例来说明如何通过分析留存率找到运营中的问题。有APP在发新版本后,出现DAU急剧下降的情况,这种问题该如何分析?首先,DAU分成新用户和老用户。开发者可以先查看近段时间的推广状况,以此来查看新增趋势的变化;然后再观察新用户的沉淀(留存)。
对于发布新版本的APP,要进一步筛查新版本的产品变动和各渠道留存率,看是产品的问题还是渠道推广的问题。案例中APP的版本更新无较大变化,新增趋势也比较稳定,说明不是产品的问题,后来发现主推渠道的留存率非常低,于是问题的关键就被发现了,新版本在主推渠道推广上存在问题。
最后,擅用分析工具 获取有价值数据, 如果你分析的数据没价值,再好的分析方法都是空谈。获取有效数据也需要策略。首先,在业务层面,开发者需要一个明确的商业指标,在目标基础上建立一套匹配的分析体系;其次,从技术角度看,需要有一个准确、稳定、方便、灵活的工具,来帮开发者完成采集、收集、存储、计算、展示等一套工作流程。其次,开发者要注意数据采集的准确性,严防渠道作弊等状况发生,保证ID采集的准确性、一致性。
其实,数据本身并不能直接帮助改善产品,数据归根到底是一种度量,想让数据真正发挥作用,一定要基于开发者对业务非常深的理解,并在理解基础上构建科学的分析体系,用有效的分析工具来帮助你来进行分析运营。
本文固定链接:
转载请注明:
分享知识，分享快乐，运营路上你我他，携手共谈运营事！
专栏作者：爱运营
在爱运营交流各自运营知识，让我们的运营能力在沟通中得到提升。官方微信账号：iyunyingorg。欢迎关注微信。
您可能还会对这些运营文章感兴趣！作为App运营人，应该了解的App运营指标
发布时间：&&&&QQ/微信:
本文图片引用了友盟之前数据报告里的一些数据，供App线上运营人参考。一个APP刚刚诞生的那一刻可能功能上还很不完善，这个阶段还很少有人知道，所以先要做的就是扩大装机量和知名度，这个阶段关注的是下载数、激活数、各产品模块使用频率（用于优化产品）；等到产品形态OK了回去做用户活跃度比如：开机次数、访问频率、留存率等等，当然部分应用存在本身不仅仅是浏览互动，还可能是更高阶段的交易转化率等等。
App的启动次数
从这个图中可以看到，在26.1%的情况下，用户安装APP以后，只打开一次后就不再使用该应用了。可见平均下来，一个应用的二次回访率不到75%。因此，如何提高用户打开APP的次数，是运营时应当关注的。
App用户留存率
APP获得一定用户以后，刚开始用户会比较多，随着时间的推移会不断有用户流失。留存率就是考查用户流失情况的指标。从友盟的数据报告可以看到，留存率随时间推移逐步下降，一般在3~5个月后达到稳定。其中阅读资讯、社交沟通、系统工具是留存率最高的三类应用，在4个月以后的留存率稳定在10%左右。 留存率提高了，才会有更多的用户留下来，真正使用APP的用户才会越来越多。
此外，活跃用户也是时需要关注的指标，可以参考这个问题的答案：如何来分析活跃用户和留存用户？
毫无疑问类似新浪微博这种社交类的APP更注重用户打开次数、浏览时间、互动频率等指标，但另外一方面类似彩票或者购物类APP更关注的是用户的收藏、交易数据，这类应用目的性非常明确要做交易相关类的指标，提高交易转化率。
微信扫扫打赏给ChinaApp
感谢分享给更多身边的朋友
相关文章推荐
Ad Marketplace推荐
关于ChinaApp
专注APP运营推广！海纳国内外最新的App营销推广技术技巧，已经成为行业众多公司要求员工必上的网站。数据分析相信指标还是相信经验？|界面新闻oJMedia作者：Julie Zhuo
翻译：神策数据
约数十年前，如果你的产品想要达到良好的用户体验，你只能祈祷你的直觉有效。但自从我们拥有数据分析的能力后，问题就解决了。我们不用在黑暗中摸索，问自己是否真的有人读了每隔一天寄送出去的广告邮件，以及多少人试用了新发布的产品功能。我们只要通过指标数字就可以得到答案。
但即便如此，部分问题还是没有得到解决。无论上班、下班，我常听到以下问题被大肆讨论：
- 我们这么做难道只是为了追求好看的指标数字？
- 我们要如何在一味提升指标数字与做些真正有意义的事之间取得平衡？
- 我个人最爱的问题是：你是否只是被数字追着跑，还是你真的在乎数字背后的核心理念－使用者体验的提升？
砰！真是一记当头棒喝！
想要探讨指标与用户体验之间的关系吗？看看以下我的经验分享，保证让你有所收获。
不要问：&到底相信指标还是相信经验？&这不是二选一的选择题
在制作电影时，尽管支出大笔宣传费跟请到大咖，不要因为票房反应不好而减少制作电影的必要投入。这就像在讨论饮食健康这样的话题时，不是吃不吃碳水化合物的问题，而是要如何吃得健康。相对的，拥有数据来度量用户行为代表你能更了解用户。除非你想摸黑做产品，否则知道更多的用户信息总归是一件好事。（译注：也就是做产品时，我们不该思考到底用不用指标，而是要思考该如何正确地使用指标。）
当然，使用指标数据的前提是，你必须能够过滤什么信息是重要的，什么不重要。而不是去争论知道更多的用户信息这件事是否不好，这个立论是有问题的。真正的问题并不是出在指标本身。
其次，如果你真的创造了有价值的产品，那么正向指标应该会同步上升。如果产品体验没有任何改变，你不能说你提供了更好的产品功能。相反地，当你的产品迭代了，如果用户使用的次数更少，这明显表示你的产品设计有问题。
指标存在价值的第三个原因在于，它能聚集所有团队成员一同围绕一个清楚、具体的目标前进，让整体团队的努力有方向可循。逻辑上来说，如果只告诉50个团队成员要一同创造一个超棒的用户体验，这是很难执行的。
当然，在你激情地对团队喊话后，可能会有人激动地回应你：&对！我们就是要这么干！&但当某个星期一，团队小组Ａ兴奋地跟你说：&你看！我们创造了一个超棒的用户体验！&一旁的小组Ｂ却泼了盆冷水：&什么啊，这根本没什么。&这时，到底谁才是对的？也就是说，你们该如何一致地清楚定义出什么才是一个真正的&超棒用户体验&？
解决这个问题的方法之一是通过决策层的高低去定夺。你可以指派一个人，或是一群决策高层来主观裁断产品品质的高低。如果你不偏好用职位层级去评判产品好坏，另一个方法就是定出一个可评量的指标，例如一个极致的用户体验要满足的条件是，必须让50%的用户在体验产品后的一个星期回访。这么一来，所有团队成员每天都会清楚知道他们要达到的目标是什么，以及他们距离目标还有多远。
所以总结来说，指标是有用处的。指标的数值高低和经验值并不完全相悖。你要做的只是不从表面去解读和使用数据而已。
指标常为许多错误背黑锅
指标会被错怪这事就好像你在吃甜甜圈时，因为自己蘸了太多果酱，还怪碳水化合物本身含有热量。同理，人们常将许多错误怪罪于指标。
这种事会发生，因为不是所有事物都适合用指标去解读。同时，这事发生的另一个原因是，单一指标无法反映事物的全貌。通常，你需要一组指标去对事物进行通盘的解读。总之，指标被误用的原因很多，但如果你错误地使用指标，最终你可能会搞砸用户体验。我们来观察一些例子：
以一个任意产品来说，假使最初的点击通过率是2%。当产品做了改变，指标上升至5%时，我们心想&真是太好了！&但问题来了，点击通过率其实并不足以告诉我们用户体验是否真的改善。因为假如我们将网站上所有的链接设定为&点击此处你将获得250元。&此时会发生什么事？想当然，此时的点击通过率一定是快速飙升！但最终人们会理解，这个网站其实并不会真的给出250元，所以用户会感觉受骗而相当火大。接着他们停止点击链接、卸载App，然后在下载平台上给予一星差评加咒骂。最后，你的创业就这么失败了，生活一蹋糊涂，一切玩儿完。
人们过去会花5分钟使用我的 App，但新功能发布后，使用时长缩短为3分钟。&不！发生什么事了？&你心想。然而，用户使用时长是否真的是一项重要的指标值得你去追踪指标数值的高低变化？这要视情况而定。
假使你是内容型 App，那么你确实应该在意这项指标，因为产品的核心就是要提供好的内容给用户阅读、观赏，和聆听。用户在产品上花的时间越多，越代表着他们认为你的 App 提供了有价值的内容。
相反地，如果你的 App 是工具类的，像是帮助人们签署电子文件的工具，那么你可以不必关注这项指标。你最好找其他的指标来监控产品性能，比如用户使用你的工具完成数字签章的次数。因为事实上，人们大概都希望能快速地完成文件的签署，不过用户对产品的期望会随着更多的产品使用目的而有所改变。案例三
起初，在伊利诺伊州有较多人在使用我们做的猫咪表情包制作 App，但现在俄亥俄州有更多人在用。这有什么问题吗？用户增加这不是挺棒的！但不同地区间的用户消长现象无关我们是否关注并影响了任何一个指标。
有些现象无法轻易以指标精准度量
假使，我们能够读取用户的心理，理论上我们就能够为用户设计出完美的产品。不幸的是，我们并不都是漫威漫画中的凤凰女（会读心术），所以我们只能适当地依据数据推测用户需求。但截至目前为止，我们能够测量的数据还是有限，以下事项我们无法简单地通过观测用户行为察觉：
- 人们对于产品的喜爱、讨厌、漠视程度;
- 功能更迭后如何影响人们对产品的信赖程度;
- 在比较你家产品和你的竞品时，人们如何主观地用&上手程度&这样的模糊概念去评比两边产品的好坏;
- 用户最想要改变、增减或修正的产品功能;
- 随着时间更迭，人们会想要怎样使用你的产品。
以上问题或许可以通过定性研究或问卷调查获得答案，但没有一个方法是完美的。（还记得英国的脱欧民调相互矛盾，预测性低的前例吗？）即便你可以对品牌情感这类模糊概念得出一个具体的数值（比如品牌信任度），想知道一些特定的产品项目变更对产品造成了什么影响还是困难的。（例如新设计的产品商标和产品外观是否改善了我的品牌识别？）无法精确得出以上数值意味着，有些事是指标无法告诉我们的，观察以下案例：
1.了解在人类复杂的认知行为下，开发产品要付出的代价 （译注：指标数值无法说明用户是否真的喜欢你的产品）
每一次你的 App 开发了一个新功能，你所追踪的指标很有可能跟着上升。（毕竟之前没有这项功能，现在有人使用了，并且人们似乎没有减少使用其他功能，所以总体来说数字变好看了。）然而，如果你持续增加产品功能，到了某个时间点，你就会发现整个产品变得零乱、臃肿。随后，某个竞争者突然顺势而入，以简洁的功能掳获使用者的心。
所以人类行为是矛盾且复杂的，（译注：指标数值的上升并不足以说明用户真的喜欢并会选择你的产品）我们还没找到对人类行为进行准确衡量的方法。
2. 指标无法衡量品牌价值的影响力
当苹果和耐克推出新产品时，许多人倾向不加思索，直接购买，因为过去他们使用产品的体验很好。但当市场上出现一个叫梨子或赛克的仿冒品牌时，市场肯定不会对他们的新产品做出同样反应。
其实我们都懂这个现象背后的原因，但确实很难给出一个具体指标去衡量品牌的影响力有多大，然后每天进行追踪。同时，我们也很难知道公司日常做出的上千个决策如何影响了品牌价值，以及每个决策取舍的得失。
3. 投注未来的巨大回报 （译注：当下的指标数值无法反应未来的商机）
没有指标可以告诉你，你该对什么样的决策孤注一掷来赢得未来的市场。回想2008年智能手机刚兴起时，看看你网站上手机用户的登入数，你会发现流量很小。估计你当时相当肯定地判定，因为受众数量过小，你不该针对手机用户投入太多产品开发。
但现在我们已经明白，当年那些对手机市场有远见，并愿意冒险的开发者已经获得了巨大回报。也就是任何指标都是告诉你当下的状况，它们无法告诉你长远来看，你应该朝哪个方向冒险。所以老话一句，除了长远的策略规划外，要成功做出一件产品，你需要相信直觉，大胆冒险。有效使用指标的经验法则
想评估市场接受度？查看留存率
不要只看使用产品的用户数量（因为数据可能会因为大力的推广活动而扭曲。）留存率其实才最能说明你的产品价值，因为它透露了用户使用产品后，是否会喜欢到再次回访。
想提升用户转化率？先理出产品转化漏斗
要让使用者转化成为长期用户，这中间存在着一连串的障碍。
首先，必须让用户认知到产品的存在。
第二步，必须让用户产生兴趣去试用。
第三步，必须转化用户行为（例如下载 App、填写表单、确认电子邮箱。）
第四步，必须让用户与产品进行足够的互动，然后了解产品能为他们生活带来的价值。
第五步，必须让用户记得回访产品。
在以上每一步骤中，你都会流失用户。如果你可以追踪并衡量每一步骤的流失率，那么你就可以开始重点针对问题进行改进，降低流失率。
去理出哪些指标是真正重要的，然后集中火力
人们很容易陷在一堆指标当中（因为你可以一次抓取许多指标），然后觉得所有指标数据都要好看才行。你要知道，大多数的指标其实都不重要，重要的只有几个。不要浪费时间、精力在改善不重要的指标上。
想定出最关键的指标？试试所谓的&魔法棒&技巧
问自己一个问题：&如果我有一根魔法棒，可以知道任何用户信息，我最想得到哪个用户信息来帮助我判断我的 App 是否成功？&即使你想知道的答案无法被测量（比如&用户是否认为我的 App 提出的推荐有价值？&），但这是帮助你理出关键指标的开始。
（虽然我们无法真的问每个用户他们是否觉得我们的 App 提出的推荐有价值，但假使觉得有，他们应该会倾向把更多的推荐收藏起来或分享出去，同时也应该会花更多时间在浏览推荐，出现种种相关的行为反应。）
不要在不理解指标的含义下追求指标
以下观念再怎么强调也不为过：你和你的团队所选择的指标会大大地影响你们的日常工作，所以一定要确保被选用的指标能够说服团队的每一个人。
不要只从字面含义选用指标，要问为什么选用这些指标来指导团队。理解这些指标被用在日常运营中到底合不合理，以及它们如何激励我们的日常工作目标。是否曾经发生过你们直觉认为某个产品决策是好的，却不见指标有任何动静？或相反地，指标上升，但产品功能事实上并没有任何提升？如果是的话，是否有另一个指标（或一组指标）更能追踪我们所关注的业务重心？
抱持质疑的眼光，用负面指标验证事实
如果数据看起来漂亮，问问你自己：&是否有其他数据可以反向验证事实没有看起来的美好？&这些就是所谓的负面指标，每一个正向指标都应该有对应的负面指标。（举例来说，不要只看点击通过率，还要看跳出率;不要只看产品销量，还要看销货退回与取消订单率等等反向数据。）在看数据时抱持怀疑的态度能帮助你更快地找出数据解读的误区与调整策略。不要产生先入为主的认知偏差，让指标仅仅被用来佐证你的直觉是对的。
通过定性研究去理解用户行为背后的原因
在使用定量资料来观察用户行为时，最好同时搭配定性研究，好得知用户的感受，像是展开可用性测试、访谈焦点团体，以及进行问卷调查，用这些方法来理解用户行为背后的原因。
现在，看完了文章，去实践你对指标操作的理解，为人们创造更好的产品体验吧！
更多专业报道，请前往各App商店搜索下载&界面新闻&，或
0相关文章您至少需输入5个字评论()(第九课堂)
(第九课堂)
(第九课堂)
(第九课堂)
(第九课堂)
第三方登录：国内比较普遍的第三方统计工具是友盟和talking data，在大多数的情况下这两个差别不大，但是如果你的app是游戏或者需要用到互联网金融的一些垂直细分统计，那么个人觉得talking data会更有竞争力一些。
问题一，其实这是个对于入门级产品的必备课程，通常在那个环节埋点可以转化为——对于一个app核心指标是什么？这些指标的优先级如何排序？
要回答这个问题，其实考察的又是一个产品的基本功，也就是产品定位与产品目标的确定，以及这些目标的拆解以及短期，中期，长期规划以及相应的具体roadmap，楼主问了通常情况，那么在此例举一下相应的业务拆解步骤，如下：
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&商业逻辑（假设有）三大方面。
通过优先级和深入度可以将指标拆解为，核心指标和相关衍生指标。
有了横纵两条逻辑线条可见的一般性具体指标如下图：
当然这只是草草列举一般性的指标，一般对于创业公司以及和你洽谈的机构VC，聊到核心指标一般就知道你的产品的基本情况了。
当然对于埋点的目标不同可能还有这样的情况，如新版本上线的用户行为和功能效果数据回归验证（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？又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.市场运营效果的回归？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，该活动的效果如何？
总而言之，埋点本身其实是对于自己所设计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从而实现硅谷最近所谓的“growth hacker”的效果，使产品指数级增长。
如果说了这么多你觉得没用，那么最后有一句万能的，看病最简单粗暴的就是“头疼医头，脚疼医脚”，产品哪里最牛逼最有用就最先搞那部分。
以上内容源自知乎的回答，
转载请注明来自36大数据（)： &
除非特别注明，本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性，宽容，换位思考的原则。}