APP數據分析中，需對哪些關鍵指標進行挖掘？

01-04

在前一家公司研究並且立項製作過APP的數據跟蹤工具，時間長了記憶略有點模糊，寫下來希望能幫到有需求的人

對於問題，首先明確APP數據分析中有哪些指標，再確定對哪些指標進行深度挖掘。

APP數據分析和Web數據分析是一脈相承的，只是在Web的基礎上做移動化的改進和拓展。所以在Web端分析常用的數據指標在APP分析上也會有相同或者類似的使用。

常用的Web數據分析有以下幾個大類:

1. Traffic 流量

考察整個站點/二級域名/目錄/某類頁面/某個單頁的用戶的訪問情況，跳出率，轉化率。

2. User Profile 用戶數據

考察用戶各個不同維度的屬性，比如地理位置，技術屬性（瀏覽器與ＯＳ），網路屬性等等。

3. Touch Channel 來源渠道

考察給網站帶來流量的各個渠道數據。WEB端主要的渠道有搜索引擎,第三方網站和直接訪問等不同類型.

因此對應在APP端，也應當有以上的維度,融合了移動端的場景後，可以細化為以下的幾類數據:

1. Traffic 流量

Traffic方面研究的主題就從網站轉移到APP身上了，因此這邊流量的概念可能就會轉化為APP的使用數據，一般常用的會有安裝量,激活數,啟動數,瀏覽頁數,停留時間等等。

2. User Profile 用戶數據

APP這邊一般能夠獲取比Web更多更詳細的用戶信息。比如地理位置信息除了可以用IP判斷外，還可以加入GPS數據，同時如果能夠通過註冊等手段獲取到用戶的手機號碼的話，還可以分析用戶的歸屬地。而技術屬性方面，除了瀏覽器OS系統等數據之外，肯定能夠得到用戶的手機型號以及聯網方式。

3. Touch Channel 來源渠道

APP的來源渠道則跟WEB端的完全不同。一般來說APP所謂的渠道就是指安裝渠道，可以通過分渠道打包（安卓）和通過URL跳轉添加跟蹤Id(iOS)來區分不同渠道的數據。(iOS的數據準確性可能會比較差)

4. 其他類別

APP由於其特殊性,還會有一些特別的數據類型需要統計和保存。比較常見的有：APP崩潰的次數，用戶反饋的內容以及數量，以及APP重新安裝的量等。

補充：APP跟蹤中注意需要添加對URL scheme啟動app的追蹤。

那麼如何深度挖掘這些指標？只有讓數據為我所用，才能帶來價值。

簡單的說，還是要數據與需求相結合。對於一個APP而言，不同的產品類型，處於不同的生命周期對於以上指標也有所側重。

自成一體的APP，例如獨立的遊戲，沒有門戶網站的應用，需要更多的從運營的角度去看。

這時流量和渠道方面的數據就需要去重點關注和細分。做產品推廣的初期需要關注哪個渠道帶來的用戶安裝激活率高，使用頻率高。已經擁有了一些用戶的產品，就需要關注哪些功能使用的數量更多，是用戶需求導致還是因為設計不閃導致數量虛高（曾經遇到過一個案例是因為介面響應速度太慢導致頁面被反覆刷新，數據虛高）

如果是作為擁有門戶網站的拓展，一般APP的定位是公司向移動端拓展的一個陣地。個人認為應當更多的去關注用戶數據，關注有多少用戶從PC前轉移到移動環境中，是否符合業務部門的需求和這個APP的定位，用戶的人群怎麼樣（通過設備型號地域歸屬等），用戶使用的場景是什麼（是在移動中，還是WIFI環境下），是否有讓用戶不滿意的點（通過用戶反饋以及崩潰次數統計等改善）以及進一步的把數據整合（比如利用用戶賬戶，或者手機號碼），描繪出用戶完整的online to offline的訪問旅程（User Journey）

以上，拋磚引玉

首先，有很多免費的監測資源。例如百度做的http://mota.baidu.com。

其次，大概列了一下，不知道能不能幫助你。

1.下載安裝類指標

新增下載：每日新增下載

安裝量：新增安裝每日新增安裝

安裝轉化率：每日安裝應用的用戶數/下載應用用戶數

激活轉化率：每日激活應用的用戶數/安裝應用用戶數

2.活躍度類指標

活躍用戶：活躍用戶數（DAU, WAU, MAU）每日、自然周、自然月活躍用戶數（去重）

活躍率：每日、自然周、自然月活躍用戶數（去重）/安裝用戶數

新用戶佔比：每日、自然周、自然月新增激活用戶（去重）/當日、周、月活躍用戶總數

DAU/MAU：自然月內平均每天活躍用戶數/當月活躍用戶數，每月計算一個值

月新增轉日活：最近30天新增用戶中，本日活躍佔比，每月1日、16日分別計算一次

3.使用啟動類指標

人均啟動次數：選定時間內（日、周、月）平均每用戶啟動應用的總次數

使用時長：人均使用總時長選定時間（日、周、月）內平均每用戶在應用上停留的總時長（min）

平均單次使用時長：選定時間（日、周、月）內平均每用戶每次在應用上停留的時長（min）

時段分布：每日各時段內啟動次數用戶總啟動次數在各時段的分布佔比

4.留存分析類指標

安裝留存：N日留存率選定時間內安裝某應用的用戶N天后仍保持安裝的比例

激活留存：N日留存率選定時間內新增激活用戶N天后再次啟動應用的比例

用戶回訪：N日回訪率選定時間內新增激活用戶N天后再次啟動應用的比例

用戶卸載：卸載卸載量選定時間內每日應用卸載量

5.設備分析類指標

品牌佔比：某應用選定時間內某品牌設備新增用戶、啟動次數、卸載用戶佔比

機型佔比：某應用選定時間內某機型新增用戶、啟動次數、卸載用戶佔比

操作系統佔比：某應用選定時間內某操作系統新增用戶、啟動次數、卸載用戶佔比

解析度佔比：某應用選定時間內某解析度新增用戶、啟動次數、卸載用戶佔比

運營商佔比：某應用選定時間內使用某運營商啟動次數佔比

聯網佔比：某應用選定時間內使用某聯網方式啟動次數佔比

6.用戶屬性指標

年齡佔比：選定時間內某年齡段活躍用戶數/總活躍用戶數

性別佔比：選定時間內男、女性別活躍用戶數/總活躍用戶數

地域分布：各個省市用戶分布

首先，數據和指標是不同的，數據只是一個數字，而指標是設計的結果，是以目標為導向的。雖然數據已成為企業的一種「新貨幣」，在擁有更多數據貨幣的同時，企業一定更希望將其應用於業務增長，迅速獲取數據的價值，同時在挖掘數據價值的過程中，讓這些價值變成可執行的策略。

這裡強調了「可付諸於行動」這個概念，因為，指標最終是為了指導實踐的，如果一個每天都關注的指標，卻不知道該如何根據它來採取行動，那這個指標就沒有發揮出數據應有的價值。因此，在制定指標時需要有一個明確的目標。

基於2A3R模型，將用戶生命周期分為獲取、激活、留存、營收和傳播。將該模型與用戶生命周期歷程各階段做對應，獲取和激活這兩個階段，在歷程圖中有一個非常清晰的對應關係，而後續的留存、營收和傳播往往是交織在一起的。但是交織也不意味著一團亂麻，其中還是有一個清晰的邏輯線，當逐一對應起來後，基於業務特點來梳理具體指標。

1、獲取

這一環節將定義基本的衡量指標，比如：新增用戶數和活躍用戶數，高質量新增用戶數（點我回顧）之前講過，變化的就是衡量高質量的條件了。以金融理財為例，以「是否查看理財項目」來定義用戶是否屬於高質量。

基於「可付諸於行動」這個價值，重點解釋下「高質新增用戶中一次性用戶佔比」這個指標：

一個指標的定義，要讓使用者明確的知道該如何採取行動，予以改進。想像一下，如果定義一個指標叫「一次性用戶數」，如果這個指標上升了，那意味著很多種可能的情況，可能是流量（都是假量），可能是進入產品後出了什麼問題，還有可能是根本沒有什麼問題，只是做活動後新增用戶猛增，所以「一次性用戶數」這個絕對數量也有上升而已。

「高質新增用戶中一次性用戶佔比」這個指標就非常明確，如果這個指標出現了問題，肯定不是假量或者絕對數量的問題，必然是用戶進入產品後出現了問題，此時立刻找到產品部門深入分析就對了。

這就是所謂的，「可付諸於行動」的數據指標——清晰且高效。

另一方面，針對獲取階段的分析和指標會有一些常見的監控維度，比如渠道、產品版本、來源、地域、關鍵詞等等，這些信息可根據業務特點去做更細維度的拆分，重要流程可單獨定義指標進行查看。

比如：產品大改版，那麼需要在新版本上線前拆分和定義清晰指標，在改版後快速評估，關注狀態，隨時迭代優化。

比如：產品受眾主要是二三線城市的用戶，那可能關鍵的城市要梳理出來，進行一個清晰的定義。同時，一旦指標出現波動，從這幾個監控維度去判斷問題，基本能覆蓋90%，快速定位原因。比如：懷疑假量，先看地域，再看 ip 基本能看出個大概，更深入的可以查看屏幕解析度等，假量操作基本就能完成判斷了。

2、激活

同樣是基於關鍵的用戶行為即可定義指標，比如：註冊綁卡等，基本的數量是最基礎的指標，基本的新增、活躍，都根據訪問這一潛在行為進行判斷。

「註冊用戶註冊當日綁卡轉化率」

這一指標的可付諸於行動的價值，就不僅僅體現在定位波動原因了，而是體現在指標即目標，這個指標本身就提出了業務目標，即用戶註冊後，目標就是在註冊當天讓用戶能夠進行綁卡，不斷提升這個指標的轉化率，必然能夠提升整個產品的價值。

「新增到首投平均時間趨勢」

這一指標，從整體上衡量產品和項目吸引用戶的能力

如果在激活階段的這些指標，如果出現波動，即可將分析的關注點集中在右邊「影響分析」的幾個維度。

「用戶引導路徑」

在產品迭代過程中，往往會忽略一些已經解決的問題，或者不存在的問題。當新版本上線後，原來被解決的問題，突然又暴露出來，「用戶引導路徑」就是常常被忽略的一個點；類似的另一個點就是安全信賴感傳達的設計和內容，如果調整不當，很容易帶來波動。

3、留存營收傳播

留存、營收和傳播階段，交織在一起的這部分很難完全拆分乾淨，也沒必要完全拆分乾淨，這三個階段往往都是互相關聯的。這階段能體現可付諸於行動的指標，比如「追加資產復投佔總復投次數的比例」這個指標，一樣能夠評估出復投用戶中追加資產投資和獲利繼續投資的差異。

該階段影響指標的因素主要是產品的核心價值，比如投資回報率的設計，投資周期的設計，投資計劃的設計等。同時，之前所有的藍色這一欄的內容都會影響數據，影響用戶決策的因素。

總之，好的指標是能夠讓人明確目標，付諸於行動的指標，往往是一個比率。比率能夠很好的衡量數據與數據之間的關係，反映真實健康的狀態；同時，如果能夠與業務結合緊密且設計得當，那這個指標就能變成促進各部門工作且時刻讓每個崗位明確目標的指標。

其次，好的指標，互相之間是有所關聯的，一旦某個指標出現問題，必然會指向其他幾個指標，互相關聯就能快速定位問題。

打個比方，如果新增到首投平均時間趨勢下降了或者變快了，那麼有可能是註冊綁卡充值投資環節留存的某個階段首日轉化率提升了，也有可能是羊毛黨佔比變大了，由於羊毛黨的目標明確，並沒有決策期，所有投資往往會更快。

如此定位，基本上都能夠快速找到數據波動的原因，找到能夠有所提升的關鍵點。其實，定義指標其實並不難，只要掌握了方法，且一定要圍繞用戶、圍繞業務本身來思考數據衡量，圍繞目標和方向來定義指標。

在「數據驅動型」經濟時代，搶奪數據已成為決定下一步行動決策的關鍵，對企業而言，迅速獲取數據價值，將這些價值變成可執行的策略，將數據與行業場景進行高度結合才是最根本的需求。

本文以互金行業為例，給出了關於指標梳理的核心通用思路，如果您還有什麼疑問，歡迎隨時聯繫諸葛君（zhugeio2016）

互聯網數據分析師，常用指標整理如下：

1.用戶數

　　獲取用戶是推廣的第一步。這個階段你需要做的是①讓App在十幾秒內抓住你的用戶②通過應用市場下載③通過廣告渠道④找到適合自己的推廣渠道。

　　2.活躍度

　　因為獲得的用戶數中有一部分以廣告、預裝的的形式進來的用戶，並非意向用戶，這時候就要通過體驗良好的新手教程、有噱頭的設計、向熱門的東西靠攏來吸引這些「偶然誤闖」的用戶，並及時記錄用戶轉化率、新手引導過程流失情況，而活躍度應該記錄好周活躍、15天活躍、月活躍度。

　　3.留存率

　　有活躍度後你要考慮你的用戶粘性，以保住老客戶優先。

　　1）先統計，日留存率、周留存率、月留存率

　　2）區分App類型，比如遊戲的首月留存率比社交高，工具的首月留存率又比遊戲高

　　3）然後在這些用戶流失之前想辦法提高他們的積極性。

　　4.盈利

　　目前國內開發者被證實可行的盈利方式包括應用內付費和依靠合作者的運營支付和廣告平台這兩種，做好了這些，平均轉化成本和回報率提高了，盈利就實現了。

　　5.後續傳播指數

　　後續傳播的一個典型媒介就是社交網路，如果產品自身足夠好，有很好的口碑。從自傳播到再次獲取新用戶，應用運營會形成了一個螺旋式上升的軌道。而那些優秀的應用就很好地利用了這個軌道，不斷擴大自己的用戶群體。

　　如果只看推廣，不重視運營中的其它幾個層次，任由用戶自生自滅，那麼應用的前景必定是暗淡的，所以不同階段應該關心好每個階段的數據。

簡單來說，分析APP啟動次數、用戶數、瀏覽量、使用時長、用戶構成指標、參與度指標、留存指標和客戶端相關指標、版本相關指標、渠道相關指標，以及渠道和版本的相關轉化指標等。

添加微信公眾號（cn99click），獲取免費試用產品及精華乾貨文章。

app分析監控指標基礎指標和複合指標都算上的話，很多。在此粗略先列一些比較常用的。

1、流量類指標：uv、pv；

2、訂單類指標：創建單量、付款單量、成功單量；

3、會員類（用戶類）指標：新增消費會員數、會員數、老會員數、各產品間交叉會員數、復購會員數等；

4、複合類指標：頁面轉化率、轉化率（訂單?uv）、退款率、跳出率等。

希望我的解答可以幫到您