APP基础的数据分析体系及发展方向

2012年和2013年，许多大型互联网公司的移动流量超过了PC流量。许多大型互联网企业的PC业务用户迁移到移动终端，显示出PC业务增长放缓和移动业务快速增长的趋势。根据第三方数据机构的统计，网民使用手机上网的比例进一步增加，从2013年12月的81.0%增加到2015年6月的88.9%，即近90%的中国网民使用手机上网，达到近6亿。如果一个互联网公司在移动终端没有拳头产品，很快就会被移动互联网的浪潮颠覆。在接下来的两三年里，移动互联网将赢得世界。从数据中可以看出，移动互联网是互联网发展最重要的方向。因此，对于拥抱互联网的企业来说，设计和运营移动互联网应用（以下简称应用）已经成为移动互联网时代最重要的任务。数据分析在移动互联网的设计和运营中起着非常基本和重要的作用。在互联网企业中，任何应用程序都必须提前规划数据系统，才能允许在线操作，数据可以更好地科学操作。因此，本文将介绍APP的基本数据指标系统。APP的数据指标系统主要分为用户属性分析五个维度：用户规模与质量、参与度分析、渠道分析、功能分析。用户规模和质量维度主要分析用户规模指标，一般是产品评价的关键指标；参与分析主要分析用户活动；渠道分析主要分析渠道推广效果；功能分析主要分析功能活动、页面访问路径和转换率；用户属性分析主要分析用户特征。本文将详细介绍这五个维度。1、用户规模和质量分析包括五个常见指标：活跃用户、新用户、用户组成、用户保留率和每个用户总活跃天数。用户规模和质量是APP分析中最重要的维度，其指标也是其他维度中最重要的，产品负责人应重点关注这一维度。（1）活跃用户指标活跃用户是指在统计周期内启动应用程序（APP）的用户。一般根据设备维度统计活跃用户数量，即统计一段时间内启动的设备(如手机、平板电脑)数量。活跃用户是衡量用户规模的指标。一般来说，一个产品是否成功，如果只看一个指标，那么这个指标一定是活跃用户的数量。许多互联网企业以活跃用户的数量作为产品负责人KPI评估指标的评估指标。根据不同的统计周期，活跃用户数可以分为日活跃数（DAU）、周活跃数（WAU）、月活跃数（MAU）。大多数希望用户每天打开的应用程序，如新闻应用程序、社交APP、音乐APP等，其产品的KPI评估指标均为日活跃用户数（DAU）。为什么？假如这些APP评估的指标是每月活跃用户的数量，那么会发生什么？每月活跃用户只要求用户在一个月内启动应用程序可以计算为每月活跃用户，因此，应该每天启动应用程序，如果每月活跃用户作为KPI评估，那么就会出现产品运营负责人“懒惰”，产品运营商只需要找到方法让用户每月启动一次，也许向用户推送两三个活动可以实现，这种评估会导致产品缺乏吸引力甚至不健康。如果每日活跃用户被用作KPI来评估产品，那么产品运营负责人将设计用户每天想要使用的功能或更新用户每天想要看到的内容来吸引用户使用。如果每日活跃用户被用作KPI来评估该产品，那么产品运营负责人将设计用户每天想要使用的功能或更新用户每天想要看到的内容来吸引用户。（2）新用户指标新用户是指安装应用程序后首次启动应用程序的用户。根据统计时间跨度的不同，分为日、周、月新增用户。新用户量指标主要是衡量营销推广渠道效果的最基本指标；另一方面，新用户占活跃用户的比例也可用于衡量产品健康。如果一个产品的新用户比例过高，说明该产品的活跃度是通过推广获得的，这是非常值得关注的，尤其是用户的留存率。（3）用户组成指标用户组成是分析每周活跃用户或每月活跃用户的组成，有助于通过新旧用户结构了解活跃用户的健康状况。以每周活跃用户为例，每周活跃用户包括本周回流用户、连续活跃n周用户、忠诚用户和连续活跃用户。本周回流用户是指上周没有启动应用程序，本周启动应用程序的用户；连续活跃用户是指每周至少启动一次的活跃用户；忠诚用户是指连续活跃5周以上的用户；连续活跃用户是指连续活跃2周以上的用户；最近丢失的用户是指连续n周（约1周，但小于4周）没有启动应用程序但用户。(4)用户留存率指标用户留存率是指在一定统计期内的新用户数量中，经过一段时间后仍启动该应用的用户比例。用户留存率可以集中在次日、7日、14日和30日。第二天的保留率是新用户在第二天（如明天）重新启动应用程序的比例（如今天）；7天的保留率是统计期（如今天）新用户在第7天重新启动应用程序的比例；14天和30天的保留率等等。用户保留率是验证产品用户吸引力的重要指标。通常，我们可以利用用用户留存率来比较同一类别应用中不同应用的用户吸引力。对于某一应用程序，如果用户保留率在相对成熟的版本中发生显著变化，则表明用户质量发生显著变化，这可能是由于推广渠道质量的变化。(5)每个用户的总活跃天数指标每个用户的总活跃天数指标（TAD，TotalActiveDaysperUser）在统计周期内，每个用户在应用程序中的平均活跃天数。如果统计周期比较长，比如统计周期一年以上，那么每个用户的总活跃天数基本上可以反映用户在流失前在APP上消耗的天数，这是反映用户质量特别是活跃度的重要指标。参与度分析的常见分析包括启动次数分析、使用时间分析、访问页面分析和使用时间间隔分析。参与分析主要是分析用户的活动。(1)启动指标的启动次数是指用户在一定统计周期内启动应用的次数。在数据分析中，一方面要注意启动次数的总趋势，另一方面要注意人均启动次数，即同一统计周期的启动次数与活跃用户的比例。例如，人均日启动次数是日启动次数与日活跃用户的比例，反映了每个用户每天的平均启动次数。通常，可以结合人均启动次数和人均使用时间进行分析。(2)总使用时间是指从APP开始到结束在一定统计统计周期内使用的总使用时间。还可以从人均使用时间、单次使用时间等角度分析使用时间。人均使用时间是同一统计周期内使用总时间与活跃用户数量的比率；单次使用时间是同一统计周期内使用总时间和启动次数的比率。与使用时间相关的指标也是衡量产品活动和产品质量的重要指标。事实很简单。如果用户愿意在您的产品上投入更多的时间，则证明您的应用程序对用户非常重要。启动次数和使用时间可以结合起来分析。如果用户启动次数高，使用时间长，那么这个应用程序就是一个非常受欢迎的社交应用程序，具有非常高的用户质量和良好的用户粘性。(3)访问页面访问页面数是指用户一次启动访问的页面数。我们通常需要分析访问页面的数量分布，即统计一定周期内（如1天、7天或30天）的访问页面的数量，如访问1-2页、3-5页、6-9页、10-29页、30-50页、50页以上。同时，我们可以通过不同的统计周期(但统计跨度相同，如7天)访问页面分布的差异来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。我们通常需要分析使用时间间隔的分布，一般统计一个月内使用时间间隔的活跃用户的分布，如1天、1天、2天。7天、8-14天、15-30天的活跃用户的分布。同时，我们可以通过使用时间间隔分布的差异（但统计跨度相同，如30天）来发现用户体验的问题。第三，渠道分析渠道分析主要是分析相关渠道质量的变化和趋势，科学评价渠道质量，优化渠道推广策略。渠道分析需要渠道推广负责人的重点，特别是当移动应用市场渠道作弊更受欢迎时，渠道推广的分析，特别是渠道作弊的分析。渠道分析包括新用户、活跃用户、启动次数、单次使用时间和保留率。这些指标都在上面阐述过，这里就不赘述了。以上只是渠道质量评价的初步维度。如果需要进一步研究渠道，特别是在渠道防作弊方面，需要更多的指标，包括：判断用户使用行为是否正常的指标，如关键操作活动占总活动的比例，用户激活APP的时间是否正常；判断用户设备是否真实，如型号、操作系统等集中分析。总之，如果要深入研究渠道作弊，算法的核心思想是研究推广渠道带来的用户是否真的是“人”，从这个方向设计相关的评价指标和算法。比如某个渠道带来的用户大多集中在凌晨2点使用APP，我们认为这个渠道带来的用户很可能不是正常人，甚至是机器。四、功能分析功能分析主要分析功能活动、页面访问路径和转化率。这些指标需要功能操作产品经理的重点关注。（1）功能活动指标功能活动指标主要关注功能活动人数、功能新用户数量、功能用户组成、功能用户保留。这些指标的定义类似于本文第一部分的“用户规模与质量”指标。但这部分只关注某个功能模块，而不是整个APP。(2)页面访问路径分析APP页面访问路径统计用户从打开应用程序到离开应用程序的页面访问和跳转。页面访问路径分析的目的是帮助APP用户在使用APP的不同阶段完成任务，提高任务完成的效率。应用页面访问路径分析需要考虑以下三个问题：（a）APP用户身份的多样性，用户可能是您的会员或潜在会员，也可能是您的同事或竞争对手；（b）APP用户的目的多样性，不同用户使用APP的目的不同；（c）即使身份和使用目的相似，APP用户访问路径的多样性也可能不同。因此，在进行APP页面访问路径分析时，需要对APP用户进行细分，然后对APP页面访问路径进行分析。最常用的细分方法是根据应用程序的使用目的对用户进行分类。例如，汽车应用程序的用户可以细分为关注型、意向型和购买型用户，并根据不同的访问任务分析每类用户的路径。例如，意向型用户比较不同型号的路径和问题。另一种方法是根据用户的所有访问路径进行聚类分析，根据访问路径的相似性对用户进行分类，然后对每种用户进行分析。(3)漏斗模型漏斗模型用于分析产品中关键路径的转化率，确定产品流程设计是否合理，分析用户体验。转换率是指进入下一页的人数(或页面浏览量)与当前页面的人数(或页面浏览量)之比。当用户刚刚进入并完成产品使用的关键任务（如购物）时，不同步骤之间的转换将遭受损失。如果用户进入电子商务网站，浏览商品，将商品放入购物车，最后支付，每个链接都有大量的用户损失。通过分析转化率，我们可以快速定位用户使用产品的不同路径。当然，对于产品经理来说，我们不必每天阅读转化率报告。我们可以连续监控每天的转化率。一旦转化率波动较大，我们将向相应的产品负责人发送报警邮件，并及时发现产品问题。5.用户属性分析主要从设备终端、网络、运营商和用户肖像的角度进行分析。（1）设备终端分析设备终端的分析维度包括模型分析、分辨率分析和操作系统系统分析。在分析过程中，主要分析活跃用户、新用户数量和启动次数。即分析不同型号的活跃用户数量、新用户数量和启动次数，分析不同分辨率设备的活跃用户数量、新用户数量和启动次数，分析不同操作系统设备的活跃用户数量、新用户数量和启动次数。（2）网络和运营商分析网络，运营商主要分析用户联网模式和使用的电信运营商，主要分析活跃用户、新用户数量和启动次数。即分析网络模式(包括wifi)、2G、3G、4G)活跃用户数、新用户数和启动次数，分析不同运营商(中国移动、中国电信、中国联通等)的活跃用户数、新用户数和启动次数。).(3)区域分析主要分析不同地区，包括不同省市和国家的活跃用户数量、新用户数量和启动次数。(4)用户肖像分析包括人口统计特征分析、用户个人兴趣分析、用户商业兴趣分析。人口统计学的特点包括性别、年龄、教育背景、收入、支出、职业、行业等；用户个人兴趣是指听音乐、看电影、健身、养宠物等个人生活兴趣的分析；用户商业兴趣是指房地产、汽车、金融等消费领域的兴趣分析。用户肖像这部分的数据需要收集相关的肖像数据，以支持更详细的肖像分析。本文主要介绍了APP的基本数据分析系统，根据APP的特点需要更多的指标系统

以上就是关于APP基础的数据分析体系及发展方向的相关介绍，更多APP基础的数据分析体系及发展方向相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对APP基础的数据分析体系及发展方向有更深的了解和认识。