地 址：上海市嘉定66号
电 话：18076342571
网址：www.lbwcode.com
邮 箱：5467899@qq.com
结合作(zuo)者多年的(de)数数(shu)据APP数据分析经验，给大家讲解一些APP数据分析的据何结合(he)经验思路。记住，分析分析只聊思路，多年的不聊实操，数数据希望对一些对APP数据分析感兴趣的据(ju)何结合经验伙伴有所帮助。
有一个朋友跟我说，分析分析他之前呆过的多年的一家互联网公司，抗风险能力(li)很弱，数数据整(zheng)个运营部门all in 在新增上，据何结合经验完全不考虑留存和活跃等(deng)指标。分析分析
2017年的多年的日新增用户数单从应用市场靠ASO来的都能(neng)做到日均3W，还没有算上其他渠道。数数据但是据(ju)何结合经验留存特别低，7日活跃留存率只能维持(chi)在10%左右。分析分(fen)析
后来，公司新来了一个产品经理，这个(ge)产品经理看(kan)到公司的问题，他逐步完善整个公(gong)司的数据体系。后(hou)来，运营数(shu)据(ju)指标体系慢慢清晰了，公司的用户增长也步入健康的增长状态，比当时all in新(xin)增(zeng)的利润要可持续得多。
他感(gan)叹说，数据分析好的话，完全能够实现可持续性的利润增长，深感数据分析的重要性。
我也(ye)是完(wan)全认同他的观点，数据分析的价值潜力很大。
今(jin)天，结合我(wo)多(duo)年的APP数据(ju)分析经验，给大家讲解一些APP数(shu)据分析的思路(lu)。记住，只(zhi)聊思路，不聊实操，希望对一些(xie)对APP数据(ju)分析感兴趣的伙伴有(you)所帮助。
日常(chang)数据运营指(zhi)标的监控日常数据运营指标，如下载用(yong)户数、新增用(yong)户数(shu)、活跃用户数、付费用(yong)户数等，这些(xie)数据都是运营中最基础最基本的数据，是大Boss们最关注的核心指标。
这些指标对数据的准确性和(he)及时性要求都(dou)比较高，所(suo)以你一旦进入一个新公司，或者接手一个(ge)新项目，第一任务就(jiu)是要把(ba)这些数据梳理好。
另外，运营指标体系中的众多指标是基于这些基础指标衍生出来的(de)，假如这些基础指标的数据质量不过关，其他衍生指(zhi)标也会出现偏差，而且偏差结(jie)果因多个基础指标误差的叠加(jia)导致比基础指标(biao)更大。
如何保证基础指(zhi)标的(de)数(shu)据质量？
用户ID逻辑的设计很关键。对(dui)于用户数的统(tong)计，用户ID的设计(ji)逻辑好与坏直接决定数(shu)据(ju)的质量。
因此，当(dang)你获取到这些基础数(shu)据时，你(ni)要对背后统计的ID逻辑了解清楚。对于电商和社交类的APP，因为这种类型的APP有强大(da)的会员系统，对于精准识(shi)别一个(ge)用(yong)户来说它会起(qi)到很好(hao)的补充作用。
渠道分析对于(yu)一个上升期或者衰退期的APP，运(yun)营团队会尽可(ke)能寻找大量的渠道来引流，吸引新用户的关注。
互联网的渠道很多，通(tong)常有竞价渠道（百度、搜狗、应用商店）、SEO渠道（百度、搜狗）、新(xin)媒体(ti)渠道（微信公众号、微博、抖音）、网盟广告渠道（百度网盟、阿里妈妈）、移动端付费渠道（今日头条、腾讯广点通）、免费渠道（QQ群、微信群、贴吧、问答平台、应用商店）、直播平台（虎牙直播、映客(ke)）等。
渠道之多，因此做好渠道效果的监控和分(fen)析，对于降低获客成本，提高渠道推广的ROI，十分有帮助。
渠道分析，无(wu)非就是监测各个渠道的(de)好坏、哪个效果更好、哪个单价更便宜。当然，我们还(hai)需要监控每个不(bu)同渠道用户的后(hou)续表现，给每个渠道的用户打分，我们要清楚的让BOSS知道哪些渠道值(zhi)得投、哪些渠道是垃圾；哪些渠道需要加大投资力度，哪些渠道应该选择放弃。
当然，渠道分析中，还有两个重要问题是需要市场人员和数据分析人员引起迫切关注的，那(na)就是渠道作弊和渠道归因。关于渠道作弊和渠道归因，都是很复杂的研究课题，后期我会单独针对这两块内容(rong)来写点东西，这里就(jiu)不展开详细叙述。
活跃用户分析一个产品不可能满足所有用户，鱼和熊掌不可兼得，用户之所以成(cheng)为了(le)活跃用户，必然是你的产品已经满足了一定的用户需求。研究好活跃用户有(you)助于我(wo)们提升最核心的功能(neng)点(dian)，因此，这部分人的行为更值得研究。
所以说，活(huo)跃用户（或者核心(xin)用户）是APP最宝贵的资源，我们要密切关(guan)注APP活跃用(yong)户的动态、倾听他们的声音。
活跃用户分析，我们可以关注DAU，WAU、MAU、启动次数、使用时长、DAU/WAU、DAU/MAU等指(zhi)标，WAU和(he)MAU反映了活跃用户的总(zong)规模，启动次数和使用时长反映了活跃用户的粘性，DAU/WAU和DAU/MAU反映了活跃用户的活性。
活跃用户分析中，反映粘性和(he)活性(xing)的指标，都值得细致研究。比如：拿使用(yong)时长指标来说，这个(ge)指标是用户在某个自(zi)然时间段内在APP上使用的时间，这个指标的最大功用就是用来评价用户活跃度和用户粘性的(de)。
如果用户使用时长非常理想，说明用户对(dui)APP的认可程度和刚需(xu)性高，反之则亦然。
另一方面，想一想(xiang)你的APP在设计的时候，当初预计一个正常(chang)的用户每天会用多少时间，上线后用户真正用的时间是否和你的预计相同？
如果这里面有很大的偏差，就说明用户对APP的认知和你当时设想是有不同的。 这个时候你(ni)就需要想想如何来调整你的产品，去迎合用(yong)户的认知(zhi)。
用户画像分析用户画像其实就是用户信息的标签化。如性别、年(nian)龄、手机型号、网络型号、职业收入、兴趣偏好等(deng)等。用户画像(xiang)分析的核心工作就是给用户打标签，通过人(ren)制定的标签规则，给用户打上标签，使得能够通过(guo)标签快速读出其中的信息，最终做(zuo)标签的提取和聚合，形成用户画像。
用户画像的应用场景主要有(you)两个：用户特(te)征分析和用户分(fen)群。
用户特征分析，是对特(te)定的用户群体进(jin)行持续深(shen)入的用户属性洞察，使得(de)该用户群体的画像变得逐渐清晰，帮助企业了解他们是谁？行为特点是什么？偏好(hao)是什么？潜在需求和行为喜好是什么？洞察了这(zhe)些特征以后，为后续的用户群体可以做针对性的(de)分析。
用户分群是精细化运营的基础(chu)，已(yi)经广泛应用于各(ge)行各(ge)业的数据分(fen)析过程中。比如，定位营销目标群体，帮助企业实现精准营销；为唤醒沉睡用户或者召回(hui)流失用户，帮助企业(ye)实现精准推送；比如(ru)电商或者资讯类的APP，帮助企业实现个性化内容推荐等等。
产品核心功能转化分析什么是转(zhuan)化？
当用(yong)户向(xiang)您业务价值点方向进(jin)行了一次操作(zuo)，就产生了一次转(zhuan)化。这(zhe)里的业务价值点包括但不(bu)限于完成注册、下载、购买等行(xing)为。在互联网产品和运营的分析领域中，转化分析是最(zui)为核心和关键(jian)的(de)场景。
以电商网站购物为例，一次成功的购买行为(wei)依次涉及(ji)搜索、浏览、加入购物车、修改订单、结算、支付等多个(ge)环节，任何一个环节的问题都可能导(dao)致用户最终购买行为的失败。在精细化运营的背景下(xia)，如何做好转化分析俨然(ran)很重要。
所(suo)以，当你想要做(zuo)转化分析的时候，你(ni)就想想你产品的核心功能是什么，然后去监测这个(ge)核心(xin)功能的转化率。不同行业都有(you)相应的(de)不同转化率，比如游戏APP里更(geng)加关注付费率，电商APP更加关(guan)注购买率。
转化率分析，你也(ye)可以将自己的产品与行(xing)业平均水平对比，看看自己的产品在行业所处的(de)位置。另外，也可以通过长期的趋势监测，可以评估APP不同版本的(de)好与坏。
用户流失分析流失用户召回是运营工作中的重(zhong)要(yao)部分，定义流失用户是用户流失分析的起点。流失用户，通常(chang)是指那些曾经使用过产品或者服务(wu)，但后来由于某种原因不再使(shi)用产品或服务(wu)的用户。
在实际工作中，不同产品或(huo)者服务的(de)业务类型，流失用户的定义要(yao)复杂的多。
比如电商类产品，根据用户购买行为定义，用户多久未再次购买算流失用户；比如内容类产品，根据(ju)用(yong)户访问行为(wei)定义，用户多久未访问(wen)算流失用户；比如视频类产品，根据用户观看行为定(ding)义，用户多久未观看算流失用户。因此，需要(yao)结合产品业务类型(xing)，将用户关键(jian)性行(xing)为进(jin)行量化，来定义流失用户。
用户流失是一个过程不是一个节点，流失用户在正式停止使用产品之前会表现出(chu)一些异常行为特征：访问(wen)频次大幅降低，在线时(shi)长大幅下降，交互频率大幅降低等。
因(yin)此，我们需要通过(guo)规则或者(zhe)机器学习建模等方式，建(jian)立用户流(liu)失预警机制，提前预测流失用户的概率，支持(chi)运(yun)营对高潜在流失用户进行活动干(gan)预。
如果(guo)有条(tiao)件的话，可以和行业的平(ping)均水平(ping)进行对比，让自己更加清楚自己产品的流失率在(zai)行业的位置。另外，也可以给流失用户做画像，能够帮助我(wo)们更好的了(le)解流失用户特(te)征。流失用户画像越细致，代表性越强，召回成(cheng)功率就越(yue)高。
但是(shi)，我们知道流失用户和流失用户的画像还不(bu)够，还要找到流失的地方，看看用户在哪些地方流失了，然后有的放矢，进行(xing)相应(ying)的产品改动。
当我们清楚的定义了流(liu)失用户，也了解了流失用户的画像，知(zhi)道流失用户聚集在哪些渠道，接下(xia)来我们就要明确用户召回的路径和策略。
从用户角度出发(fa)，给用户一个(ge)重新使用产品的理由。流失用户召回后，不是终点，我们要对召回(hui)来的流失用户进行维护和二次促活，巩固召回效果。
用户生命周期分析什么是APP用户的生命周期？
它(ta)是指用户从与APP建立关系(xi)开始到与APP彻底脱离关系的整个发展过程，在整个生命周期中为APP带来的价值总和，称为生命周期价值(zhi)。
在APP用户的整个生命周期中(zhong)，从用户价值(zhi)贡献的角度可以分为(wei)4个不同的(de)时期，分别是考察期、形成期、稳定期和衰退期。每个时期的用(yong)户给APP带来不同的(de)价值。
（1）考察期
这个时候的用户主要是对(dui)APP产品提供的功能和服务，进行自我需求的验证(zheng)和考察。一旦用户发现产品不能满足自己的需求，将会快速的流失掉。
所以在产品规划的时候，一定要对目标群和目标(biao)用(yong)户需求进行精准定位，尽可能避免上线后，就有大量的用户流失。这(zhe)个时期用(yong)户的价值贡献较低。
（2）形成期
当产品的(de)功能和服务能够满足用(yong)户的需求，用户将(jiang)会对产品进行试探性使用(yong)，在该过程中产品的用户体验将会起(qi)到决(jue)定性的作用(yong)。尤其是(shi)在同质(zhi)APP较严重的时候，用户将会一边倒的选择体验更优秀的APP。
在该时期用户会真正的选择并决(jue)定使用产品，同时用户创造的价值也将会飞(fei)速提升。
（3）稳定期(qi)
处于这个时期的用户，无论是忠诚度还是活跃度都是最高的。他们会频繁的使(shi)用产品，会对产品进行口碑宣传，吸引和(he)推荐更(geng)多的用户选择产品，这个时期的用户价值创造将(jiang)会达到最高，并且保持很长一段时间的稳定。
引起稳定用户进入退化阶段，因素很多。比如一个母婴类产品，孩子长大了，就放弃该产品的使用。
总之(zhi)，某些因素影响到用户的满意(yi)度，都有可能(neng)促使用户进入退化期，进而彻底脱离该产品。用(yong)户一旦进入退化期，就应(ying)该进行及时的用户维护。这(zhe)个(ge)阶段，用户创造(zao)的价值将会迅速递减。
总结(jie)以上总结的APP数据分析思路并不是全部，比如(ru)A/B测试、热图分析、表单分析、路径分析等(deng)常用的分析思路，均没有包含其中。这么多APP数据(ju)分析思路，其实市(shi)场上已经(jing)有非常成熟的APP数据分析工(gong)具，给我们提供强大(da)的(de)分析支持。
比如国内的有友盟、MTA、Talkingdata、神策数据、Growingio、诸葛IO、数极客等，国外的有GA、Mixpannel、Appsee等。每一款APP数据分析工具，除了基本的数据分析维度几乎都一样，各家的产品都有自己独特优势的功能。
所(suo)以，大家如果希望选择第(di)三方数(shu)据(ju)分析工具，要结合自己的分析目的和自身公司的条件来选择适合自己的数(shu)据分析工具。
