HI,下午好,欢迎来到抖音号交易转让!
24小时服务热线: 4000-163-301

新闻动态

NEWS CENTER

如何对APP进行数据分析?

2020-02-19

有一个朋友跟我说,他之前呆过的一家互联网公司,抗风险能力很弱,整个运营部门all in 在新增上,完全不考虑留存和活跃等指标。

2017年的日新增用户数单从应用市场靠ASO来的都能做到日均3W,还没有算上其他渠道。但是留存特别低,7日活跃留存率只能维持在10%左右。

后来,公司新来了一个产品经理,这个产品经理看到公司的问题,他逐步完善整个公司的数据体系。后来,运营数据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新增的利润要可持续得多。

他感叹说,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。

我也是完全认同他的观点,数据分析的价值潜力很大。

今天,结合我多年的APP数据分析经验,给大家讲解一些APP数据分析的思路。记住,只聊思路,不聊实操,希望对一些对APP数据分析感兴趣的伙伴有所帮助。

日常数据运营指标的监控

日常数据运营指标,如下载用户数、新增用户数、活跃用户数、付费用户数等,这些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及时性要求都比较高,所以你一旦进入一个新公司,或者接手一个新项目,第一任务就是要把这些数据梳理好。

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,假如这些基础指标的数据质量不过关,其他衍生指标也会出现偏差,而且偏差结果因多个基础指标误差的叠加导致比基础指标更大。

如何保证基础指标的数据质量?

用户ID逻辑的设计很关键。对于用户数的统计,用户ID的设计逻辑好与坏直接决定数据的质量。

因此,当你获取到这些基础数据时,你要对背后统计的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有强大的会员系统,对于精准识别一个用户来说它会起到很好的补充作用。

渠道分析

对于一个上升期或者衰退期的APP,运营团队会尽可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,通常有竞价渠道(百度、搜狗、应用商店)、SEO渠道(百度、搜狗)、新媒体渠道(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)等。

渠道之多,因此做好渠道效果的监控和分析,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,无非就是监测各个渠道的好坏、哪个效果更好、哪个单价更便宜。当然,我们还需要监控每个不同渠道用户的后续表现,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。

假如运营团队资源充足,还可以对不同手机机型、不同操作系统、不同地区之间的用户质量进行对比分析。总之,就是在不同的维度上对新用户进行切片,来监测不同维度上的用户表现。

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来写点东西,这里就不展开详细叙述。

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,用户之所以成为了活跃用户,必然是你的产品已经满足了一定的用户需求。研究好活跃用户有助于我们提升最核心的功能点,因此,这部分人的行为更值得研究

所以说,活跃用户(或者核心用户)是APP最宝贵的资源,我们要密切关注APP活跃用户的动态、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等指标,WAU和MAU反映了活跃用户的总规模,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,反映粘性和活性的指标,都值得细致研究。比如:拿使用时长指标来说,这个指标是用户在某个自然时间段内在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。

如果用户使用时长非常理想,说明用户对APP的认可程度和刚需性高,反之则亦然。

另一方面,想一想你的APP在设计的时候,当初预计一个正常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。 这个时候你就需要想想如何来调整你的产品,去迎合用户的认知。

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、年龄、手机型号、网络型号、职业收入、兴趣偏好等等。用户画像分析的核心工作就是给用户打标签,通过人制定的标签规则,给用户打上标签,使得能够通过标签快速读出其中的信息,最终做标签的提取和聚合,形成用户画像。

用户画像的应用场景主要有两个:用户特征分析和用户分群。

用户特征分析,是对特定的用户群体进行持续深入的用户属性洞察,使得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?偏好是什么?潜在需求和行为喜好是什么?洞察了这些特征以后,为后续的用户群体可以做针对性的分析。

用户分群是精细化运营的基础,已经广泛应用于各行各业的数据分析过程中。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流失用户,帮助企业实现精准推送;比如电商或者资讯类的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

什么是转化?

当用户向您业务价值点方向进行了一次操作,就产生了一次转化。这里的业务价值点包括但不限于完成注册、下载、购买等行为。在互联网产品和运营的分析领域中,转化分析是最为核心和关键的场景。

以电商网站购物为例,一次成功的购买行为依次涉及搜索、浏览、加入购物车、修改订单、结算、支付等多个环节,任何一个环节的问题都可能导致用户最终购买行为的失败。在精细化运营的背景下,如何做好转化分析俨然很重要。

所以,当你想要做转化分析的时候,你就想想你产品的核心功能是什么,然后去监测这个核心功能的转化率。不同行业都有相应的不同转化率,比如游戏APP里更加关注付费率,电商APP更加关注购买率。

转化率分析,你也可以将自己的产品与行业平均水平对比,看看自己的产品在行业所处的位置。另外,也可以通过长期的趋势监测,可以评估APP不同版本的好与坏。

相关推荐