怎样搞定app数据分析？（三个要点解构数据分析的思维模式）

三个要点解构数据分析的样搞思维模式》提到——为什么要(yao)数据分(fen)析？APP数据分析有意义吗？当(dang)然！数据(ju)分析的定a的思用意本不在于数据(ju)本身，而是数据数据式要打造一个数据反馈闭环。设计(ji)基(ji)础数据指标，分(fen)析分(fen)析多维度交叉分析不同指标(biao)，个点以数据(ju)甄别问题，解(jie)构再反向作(zuo)用产品，维模最终形成(cheng)数据驱动产品设计的样搞闭环。事(shi)实(shi)上，定a的思APP数(shu)据分析并(bing)没(mei)有那么神圣，数据数据式而一般常用的分(fen)析分析数据指(zhi)标也都不难掌握。事(shi)实上，个点数据指(zhi)标的解构设计基于两(liang)点事实：

1、商业模式和(he)业务背景；

2、维模数据(ju)分(fen)析动(dong)机和目的样(yang)搞；

如何轻松搞定APP数据(ju)分析？

正(zheng)文(wen)

数据分析解(jie)决(jue)方案的提供商是比较多的，甚至说数据分(fen)析本身也(ye)成为(wei)了创业的一种可能。友盟、CNZZ、Talking Data、腾讯云都提供了成套的数据解决方案。以下我将试着以自己的思维模式(shi)建立一套《APP数据分析思维模式》。数(shu)据分析建模类(lei)似于数学的排列组合理论，选择基础指标配合具体的业务需要，因此(ci)在数据建模之前有必(bi)要掌握常用的数据指(zhi)标。万丈高楼平地起！

基(ji)础指标

1、用户：总用户数、新用户数、留存用户、转(zhuan)化(hua)率、地域(yu)分析；

2、活(huo)跃：日活(huo)跃（DAU）、周活跃（WAU）、月活跃（MAU）；

3、营收：付费人数、付费率、付费点分布(bu)；

4、应用：启动次数、使(shi)用频率、使用时长、使(shi)用间隔、版本分布、终端类型、错误分析；

5、功能：功能活跃、页面访问路径、核心动(dong)作的转化率；

分析维度

你赚钱的方式决定了你应该关注的指标。从长远来讲，企业风险最高的部分往往是(shi)与其如何赚钱直接相关(guan)的。基于以(yi)上的基础数据指标，结合数(shu)据分析的两点事实，可以(yi)选取所需的指标(biao)，完成APP数据分析：

1.用户分析

分析用户属性(xing)为产品改进及推广提供充分、可(ke)靠的数据制(zhi)定精(jing)准的策略；

1.1用户规模

基(ji)础(chu)指标：总用(yong)户数(shu)、新增用户、流失用户、回流用(yong)户；

统计维度：按年、月、周、曰；

指标比(bi)例：统(tong)一使用(yong)”率“表示；

指标说明：苹果(guo)端很难取值，可以(yi)间接地转化；以激活APP量代替下载量(liang)；安卓比较好处理；日月周维度；新增用户/总用户数(shu)，说明产品健康度；比值的大小都有影响说明问题；

1.2活跃用户_用户质量

基础指标：日(ri)活跃（DAU）、周活跃（WAU）、月活跃（MAU）；

统计维度：按日、周、月，按渠道(dao)，按分群；

指(zhi)标(biao)比例：统一使用”率“表示；

指(zhi)标说明：日、周、月(yue)，统计维度依据产品类型/属性而选取；提高这些指(zhi)标的方式(shi)：采取运营活动，推送，签到，任务(wu)，积分；以(yi)功能和内容驱动，用户APP的使用频率；

基础指标(biao)：活跃用户、启动次数(shu)；

统计维度：按年、月、周、曰；

a. 本周回流用(yong)户：上周未启动过应用，本周启动应用(yong)的活跃用户；

c. 忠诚用户：连续活跃n周及以上(shang)的(de)用户；

d. 连续活跃用户：连续活(huo)跃2周以上的的用户；

e. 近期流(liu)失用户：连续n周没有启动过应用的用户（第(di)n+1周启动过）；

f. 周活跃用户：当周启动过应用的用(yong)户（去重）；

指标比例：统一使用”率“表示；绝对值——展示的是个用户成分的数量，百分比展示的是(shi)活跃用户 成分占周或曰用户的比例；

对周活跃用户数据进行的成分分解，并通过历史数据预测未来数(shu)据变化趋势的模型。该模 型(xing)帮助您对应用后续的用户活跃和留存等进(jin)行科学预测，并制定有效的规划和目标；

2.应用分析

2.1启动次数

基础指标(biao)：总用户数、新增用(yong)户、流失用(yong)户、回流用户；

统(tong)计维度：按月、周或曰，按渠道，按分(fen)群；

指标比例：某日(ri)/周/月的启动(dong)次数占所选时段总(zong)启动次数的比例；

指标说明：打开应用视为启动，完全退出或退至后台即视为启动结束；

2.2版本分布

基础指(zhi)标：启动次数、新(xin)增用户、活(huo)跃用(yong)户、升级用户；

统计维度：按时间、版本；

指标比例：统一使用”率“表示；不同版本的累计用(yong)户（占累计用(yong)户全体的(de)比例）；

指标(biao)说明：展示(shi)累计用(yong)户排名前10的各(ge)个版本变化趋势，可以帮助了解每个版本的新增用户，最新版本的升级情况，目前的(de)哪些版本状况(kuang)；

2.3使用状况

基础指标：使用时长、使(shi)用频次、使用间隔；

统计维度：日、周、月；版本、渠道、时间段；

指标比例：某日(ri)/周/月的启动次数占所选时段总启动次数的比例；

用统一用户相邻两次启动间隔的时间长度。

2.4终端类型、错误分析（不做详细介绍）

3.功能分析

a. 功能活跃指标：某个(ge)功能的活跃用户，使用量情况；功能验证；对产品功能的(de)数据分析，确保功能的取舍的合理性,

b. 页面访问路径：用户从打开到离(li)开应用(yong)整(zheng)个过程中每一步骤的页面访问(wen)、跳转情况。页面访问路径是全量统计。通过路径分析得(de)出用户类型的多样、用户使用产品目的的(de)多样性(xing)，还原用户目的；通过路径分析，做用户细分；再通过用户细分，返回到产品的迭代。

c. 漏斗(dou)模型：整个漏斗(dou)所关心的最终转化率的目标是序列(lie)中最后一个事件。用户转(zhuan)化率的分析，核心考察漏斗每一层的流失原因的分析。通过设置自定义事件以及漏斗(dou)来关注应(ying)用内每一步(bu)的转化率，以及(ji)转化率对(dui)收入水平的影(ying)响。通过分析事件和漏斗数据，可以针对性的(de)优化转化率低的步骤，切实提高整体转化水(shui)平。

4.行业分析

指标说明：行业(ye)数据可以帮助了解行业内应用的(de)整体水平，可以查看应用的全体应用或同类应用中各个 指标的数据、排名及趋势，有助于衡量应(ying)用的质量和表现；

统计维度：用户规模、更新频次、应用排名；

指标比例：全体(ti)排名和同规模排名；

了(le)解行业数(shu)据，可以知(zhi)道自己的APP在整(zheng)个行业的水平，可以从新增用户、活跃用户、启动次数(shu)、使用时长等多个维度去对比自己产品与(yu)行业(ye)平均水平的(de)差异以及自己产品的对应的指(zhi)标在整个行业的排名，从而知道自己产品的不足之处。

5.渠道分析

指标(biao)说明：渠道质量的评估，不(bu)同渠道获得(de)用户的行为特(te)征监控、判断问题；

统计维度：时间段、不同渠道对比；基础对(dui)比（新增用户、新增账号、活跃用户、活(huo)跃账号、启动次(ci)数、单次使用时长、次日留存(cun)率）；

可以从多个维度的数(shu)据来对比不同渠道的效果，比如(ru)从新增(zeng)用户、活跃用户、次日留存率、单次使(shi)用时长等角度对比不同来源的用户，这样就可以(yi)根据(ju)数据(ju)找到最适合自身的渠道(dao)，从而获得最好的推广(guang)效果。

行文小(xiao)结

我认为是产品业务逻辑的分析。基础数据都是普遍适用的(de)，而特定业务的个性化指标设计才真正考验功底，数据(ju)分析本质上是对产品业(ye)务逻辑的理解和把握。脱离产品，脱离具体业(ye)务场景的数据分(fen)析都是(shi)毫无意义的！