超詳細的APP數據指標體系分析 | 推薦收藏

在移動互聯網公司，任何一個APP都應該事先規劃好數據體系，才允許上線運營，有了數據才可以更科學、更省力地運營。今天我們來說說如何做APP的數據分析。

1.搭建數據運營分析框架

一個APP的構建與運營工作通常由多個角色分工實現，由于大家的工作重點不同，僅關注一個方面的數據就如同管中窺豹，無法全面了解產品運營情況，不能提出行之有效的分析建議。

因此，只有搭建完善的數據運營分析框架，才能全面的衡量移動應用產品運營情況。

除此之外，完整的數據運營分析框架還可以讓產品經理和開發者不僅知道產品運營的基本狀況和使用狀況，更了解用戶到底是誰，深入發現用戶的需求。

比如，對于一個做移動應用的公司，所有人都會關注產品的新用戶增長量，其中有多少用戶是活躍用戶等，因為這些都跟產品的發展息息相關；而投資人會更為關注產品的用戶留存率，以此判斷看產品發展是否健康，評估投資價值；同時，老板更關心的是有多少用戶付費，共貢獻多少收入等。

所以我們需要搭建數據運營分析框架。

2.用數據推動產品迭代和市場推廣

基礎的數據運營分析框架對公司產品的整體發展狀況會有一個很好的展現，但是創業者會關注更加細節的部分。

比如，誰在用這個產品？用戶是否喜歡？是如何使用的？都有什么特征？哪些渠道帶來的用戶質量更高….我們可以用數據來回答這些問題。

產品設計人員可以有針對性的對產品使用情況進行數據分析，了解用戶對不同功能的使用，行為特征和使用反饋，這樣可以為產品的改進提供很好的方向。

市場推廣人員也不應該僅僅關注“什么渠道帶來了多少用戶”，更應該關注的是哪一個渠道帶來的用戶質量更高一些。

3.產品盈利推手

盈利是公司的最終目的，無論一款產品是否已經探索出一個成熟的商業模式，創業者都應該借助數據讓產品的盈利有一個更好進程。在產品商業的路上，數據可以幫助企業完成兩件事：①發現產品盈利的關鍵路徑；②優化現有的盈利模式。

APP的數據指標體系主要分為五個維度，包括用戶規模與質量、參與度分析、渠道分析、功能分析和用戶屬性分析。

1.用戶規模和質量

用戶規模和質量是APP分析最重要的維度，其指標也是相對其他維度最多，數據分析師要重點關注這個維度的指標。

（1）活躍用戶指標

活躍用戶指在某統計周期內啟動過APP的用戶，除此之外，我們還可以將活躍用戶定義為某統計周期內操作過產品核心功能的用戶。

活躍用戶是衡量應用用戶規模的指標，通常，一個產品是否成功，如果只看一個指標，那么這個這指標一定是活躍用戶數。

活躍用戶數根據不同統計周期可以分為日活躍數（DAU）、周活躍數（WAU）、月活躍數（MAU）。

大多數希望用戶每天都打開的應用如新聞APP、社交APP、音樂APP等，其產品的KPI考核指標均為日活躍用戶數。但對于某些低頻消費需求的APP比如旅游、婚紗攝影，可能會關注月活躍數，甚至更長時間周期內的活躍數。

（2）新增用戶指標

新增用戶是指安裝應用后，首次啟動應用的用戶。按照統計時間跨度不同分為日、周、月新增用戶。

新增用戶量指標主要是衡量營銷推廣渠道效果的最基礎指標；新增用戶占活躍用戶的比例也可以用來用于衡量產品健康度。如果某產品新用戶占比過高，那說明該產品的活躍是靠推廣得來。這種情況非常值得關注，尤其是關注用戶的留存率情況。

（3）用戶構成指標

用戶構成是對周活躍用戶或者月活躍用戶的構成進行分析，有助于通過新老用戶結構了解活躍用戶健康度。以周活躍用戶為例，包括以下幾類用戶：

本周回流用戶：上周未啟動過應用，本周啟動應用的用戶；

連續活躍n周用戶：連續n周，每周至少啟動過一次應用的活躍用戶；

忠誠用戶：連續活躍5周及以上的用戶；

連續活躍用戶：連續活躍2周及以上的用戶；

近期流失用戶：連續n周（大等于1周，但小于等于4周）沒有啟動過應用的用戶。

（4）用戶留存率指標

用戶留存率是指在某一統計時段內的新增用戶數中再經過一段時間后仍啟動該應用的用戶比例。

用戶留存率可重點關注次日、7日、14日以及30日留存率。次日留存率即某一統計時段新增用戶在第二天再次啟動應用的比例；7日留存率即某一統計時段新增用戶數在第7天再次啟動該應用的比例；14日和30日留存率以此類推。

用戶留存率是驗證產品用戶吸引力很重要的指標。

通常可以利用用戶留存率與競品進行對比，衡量應用對用戶的吸引力。對于某一個相對成熟版本的應用，如果用戶留存率有明顯變化，則說明用戶質量有明顯變化，很可能是因為推廣渠道質量的變化所引起的。

（5）每個用戶總活躍天數指標

每個用戶的總活躍天數指標（TAD，Total Active Days per User）是在統計周期內，平均每個用戶在應用的活躍天數。

如果統計周期比較長，如統計周期一年以上，那么每個用戶的總活躍天數基本可以反映用戶在流失之前在APP上耗費的天數，這是反映用戶質量或黏性，尤其是用戶活躍度很重要的指標。

2.參與度分析

參與度分析主要是分析用戶的活躍度，包括啟動次數分析、使用時長分析、訪問頁面分析和使用時間間隔分析。

（1）啟動次數指標

啟動次數是指在某一統計周期內用戶啟動應用的次數。

在進行數據分析時，一方面要關注啟動次數的總量走勢，另一方面，則需要關注人均啟動次數，即同一統計周期的啟動次數與活躍用戶數的比值，通常人均啟動次數和人均使用時長可以一起分析。

（2）使用時長

使用總時長是指在某一統計統計周期內所有從APP啟動到結束使用的總計時長。使用時長還可以從人均使用時長、單次使用時長等角度進行分析。

人均使用時長=同一統計周期內的使用總時長/活躍用戶數

單次使用時長=同一統計周期內使用總時長/啟動次數

使用時長相關指標也是衡量產品活躍度、產品質量的重要指標。用戶每天的時間是有限的且寶貴的，如果用戶愿意在你的產品投入更多的時間，證明你的應用對用戶很重要，比如現在很流行的微信等社交應用。

（3）訪問頁面

訪問頁面數指用戶一次啟動訪問的頁面數。

我們通常要分析訪問頁面數分布，即統計一定周期內（如1天、7天或30天）應用的訪問頁面數的活躍用戶數分布，如訪問1-2頁的活躍用戶數、3-5頁的活躍用戶數、6-9頁的活躍用戶數......同時，我們可以通過不同統計周期（但統計跨度相同，如多為7天）的訪問頁面分布的差異，以便于發現用戶體驗的問題。

（4）使用時間間隔

使用時間間隔是指同一用戶相鄰兩次啟動的時間間隔。一般統計一個月內應用的用戶使用時間間隔的活躍用戶數分布，如使用時間間隔在1天內、1天、2天……同時，我們可以通過不同統計周期（但統計跨度相同，如都為30天）的使用時間間隔分布的差異，以便于發現用戶體驗的問題。

3.渠道分析

渠道分析主要是分析各渠道在相同的投入情況下，用戶數量的變化和趨勢，以科學評估渠道質量，優化渠道推廣策略。渠道分析包括新增用戶、活躍用戶、啟動次數、單次使用時長和留存率等指標。APP的推廣渠道主要為安卓和iOS。

安卓的渠道：①第三方應用市場，如華為、oppon、小米、91助手等；②廣告聯盟，如網盟、友盟等；③廠商預裝，像華為、小米、vivo等；④水貨刷機，如刷機精靈等；⑤社會化推廣，如在社群做分享，在社區形成二次甚至多次傳播，也可以做推廣，但是這種的數據的分析就不太好獲取。

對于安卓來說，用戶來源就分以上幾種，每一種可以分別去定義。

不同類型的推廣方式，可從不同的維度做數據的分析。比如說像第三方應用市場，很多用戶都是通過這個渠道來下載APP，所以這方面的數據更多的是看活躍和留存；像廣告聯盟這種，是通過積分墻來分析，更多的是用戶完成任務通過量級來做分析。

iOS的渠道主要是AppStore，原則上我們所有的數據和激活都是通過這個渠道來獲取，但是在實際推廣的過程中，我們更多的是想分析用戶是通過什么渠道跳轉到AppStore上進行下載，激活產品。這就需要我們直接和技術做最底層的對接——API接口對接。具體的分析方法與安卓是類似的，主要是分析活躍和留存數據。

以上提到的只是渠道質量評估的初步維度，如果還需要進一步研究渠道，尤其是研究到渠道防作弊層面，指標還需要更多，包括：判斷用戶使用行為是否正常的指標，如關鍵操作活躍量占總活躍的占比，用戶激活APP的時間是否正常；判斷用戶設備是否真實，如機型、操作系統等集中度的分析。

4.功能分析

功能分析主要分析功能活躍情況、頁面訪問路徑以及轉化率。

（1）功能活躍指標

主要關注某功能的活躍人數、新增用戶數、用戶構成、用戶留存。這些指標的定義與前文提到的“用戶規模與質量”的指標類似。只是，本部分只關注某一功能模塊，而不是APP整體。

（2）頁面訪問路徑分析

主要是統計用戶從打開應用到離開應用整個過程中每一步的頁面訪問和跳轉情況。目的是達成App的商業目標，即引導用戶更高效的完成App的不同模塊的任務，最終促進用戶付費。

APP頁面訪問路徑分析需要考慮APP用戶以下三方面問題：

①身份：用戶可能是你的會員或者潛在會員，也有可能是你的同事或者競爭對手等；

②目標：不同用戶使用APP的目的有所不同；

③訪問路徑：即使身份類似、使用目的類似，但訪問路徑也很可能不同。因此，我們在做APP頁面訪問路徑分析的時候，需要對APP用戶做細分，然后再進行APP頁面訪問路徑分析。

最常用的細分方法是按照APP的使用目的來進行用戶分類。

如汽車APP的用戶便可以細分為關注型、意向型、購買型用戶，并對每類用戶進行不同訪問任務的路徑分析，比如意向型的用戶，他進行不同車型的比較都有哪些路徑，存在什么問題；還有一種方法是利用算法，基于用戶所有訪問路徑進行聚類分析，依據訪問路徑的相似性對用戶進行分類，再對每類用戶進行分析。

（3）轉化率

轉化率是指進入下一頁面的人數（或頁面瀏覽量）與當前頁面的人數（或頁面瀏覽量）的比值。通常使用漏斗模型來，它可以分析產品中關鍵路徑的轉化率，以確定產品流程的設計、用戶體驗問題。

比如用戶從進入某電商網站—瀏覽商品—把商品放入購物車—支付完成，每一個環節都有很多的用戶流失。通過分析轉化率，我們可以比較快定位用戶使用產品的不同路徑中，分析是否存在問題，并提出如何進行優化的改進意見，通常我們只需要對每天的轉化率進行連續性的監控即可。

5.用戶屬性和畫像分析

用戶屬性分析主要從用戶使用的設備終端、網絡及運營商、地域和用戶畫像角度進行分析。設備終端分析的維度有機型分析、分辨率分析和操作系統分析；網絡及運營商分析的唯獨有有用戶聯網方式和電信運營商，地域主要從不同省市和國家來分析。

用戶畫像分析包括人口統計學特征分析、用戶個人興趣分析、用戶商業興趣分析。人口統計學特征包括性別、年齡、學歷、收入、支出、職業、行為等；用戶個人興趣指個人生活興趣愛好的分析，如聽音樂、看電影、健身、養寵物等；用戶商業興趣指房產、汽車、金融等消費領域的興趣分析。用戶畫像這部分的數據需要進行相關的畫像數據采集，才可以支撐比較詳細的畫像分析。感興趣的小伙伴可以查看之前的文章《干貨 | 數據分析用戶畫像實踐與方法》

6.收入分析

盈利是產品的最終目的，所以總收入、付費用戶數、付費率、ARPU這四個指標經常用到。總收入、付費用戶數反映的是收入和付費用戶的規模；付費率、ARPU代表的是用戶付費質量，反映的是用戶付費的廣度與深度。主要關注轉化漏斗最后環節的訂單數量和金額。

在很多產品中，上文提到的很多指標基本看不到，最終導致數據分析師因為沒有數據，無法進行分析。主要是因為在產品上線前沒有對數據進行開發統計。

通常這部分工作主要是由產品經理來完成，但是數據分析師需要提前與產品經理溝通協調，規劃好自己所需要的數據指標體系，驅動產品開發進行相關的數據采集，并在后續運營過程中，動態優化和豐富數據體系。我們先來了解一個概念“埋點”。

1.什么是埋點

埋點的宏觀目標是為了獲取數據指標來整體上驗證產品的業務邏輯是否順暢，之前的一些基本假設是否成立？

這時候涉及需要驗證的數據可能會涵蓋：產品方向、市場運營和商業邏輯三大方面。埋點本身其實是對產品的一個可視化健康檢查，通過邏輯和數據，貫穿產品的整個生命周期，使產品逐步達到最佳狀態。為未來產品優化方向給出指導意見。

當然埋點的目標不同，最終數據驗證的效果也會有不同。

如新版本上線的用戶行為和功能效果數據驗證（幾種場景）：①新功能是否得到用戶的使用與認可？新版本增加的新功能，用戶點擊率怎樣？②用戶在核心使用路徑上是否順暢？有沒有因為交互體驗功能按鈕的設計而導致無效點擊增多？③針對某個特別的日期進行了產品內的廣告banner推廣或者促銷，該活動運營的效果如何？

2.具體步驟

（1）了解產品形態

指的是整個產品的運作邏輯，關注的是用戶角色，信息和渠道，以及他們之間的流轉關系是什么樣的，像是產品的一個藍圖和框架。

（2）了解業務邏輯

指的是要執行某個業務，用戶角色需要走過的路徑，會有什么角色參與，有什么功能模塊（或子系統）參與，模塊之間的關聯性，數據之間的流向是什么樣的。

（3）業務流程圖

是在業務邏輯的基礎上，對功能分解下來，比如唱吧的錄歌業務邏輯，會有個模塊是生成評分，那生成評分這個模塊，她的具體業務流程是什么樣的，會有什么細節流程，異常流程，提示等。

（4）將節點化的業務代碼化

這一步驟，主要是將列出的重要節點(需要統計的節點)添加統計事件和統計參數。

（5）交付開發調整DRD

可以與產品經理和開發人員溝通協調，并交付所需要的數據指標體系。

（6）數據分析

后期數據庫中有了相應節點的統計情況，之后就可以拿來分析了。

1.產品生命周期分析

產品生命周期理論（PLC模型）是由美國經濟學家Raymond Vernon提出的，即一種新產品從開發進入市場到被市場淘汰的整個過程。產品生命周期可分為初創期、成長期、成熟期、衰退期，在產品的每個階段，數據分析的工作權重和分析重點有所區別。

（1）初創期

初創期的重點在于驗證產品的核心價值，或者說驗證產品的假設：通過某種產品或服務可以為特定的人群解決某個問題。這時我們需要關注的關鍵數據是目標人群畫像和留存率。

目標人群畫像：初創期可以通過接入一些第三方的應用監測SDK來了解初期用戶群體的畫像，從側面驗證用戶群體與假設的目標用戶群體特征是否一致，常見的是人口學屬性(性別、年齡、學歷、地域)。

留存率：在當前用戶符合目標受眾特征時，核心關注這些用戶的留存率、使用時長/頻率、用戶的黏性等指標，留存率的維度分很多種（7日，雙周，30日等），依據產品特征來選擇，若產品本身滿足的是小眾低頻需求，留存率則宜選擇雙周甚至是30日；留存率高，代表用戶對產品價值認可并產生依賴，一般來說，假設便能得到驗證，通常低于20%的留存會是一個比較危險的信號。

（2）快速成長期

經過了產品打磨的初始階段，產品有了較好的留存率了，這個時候產品開始進入自發增長期。自發增長期可以將側重點關注在用戶的整個生命周期的管理，其中以新用戶的增長、激活、觸發“Aha moments”到活躍用戶的整個漏斗分析為主。

（3）成熟期

隨著用戶快速增長，產品不斷完善，產品在進入成熟期前后，數據分析師關注的重心開始從用戶生命周期的前半段（吸引、激活、留存）往后半段（流失、回流）開始偏移，同時關注商業化轉化路徑。

①流失與回流：在關注流失回流的過程中，數據會揭示當前用戶盤子的一個變化情況，具體分析流失原因則可以參考下方流程：

核心思路即，通過回訪定性+數據驗證為主要手段，確定流失原因，改變產品運營策略以預防用戶流失或拉回用戶，促進回流。除此之外，對于一些穩定的投放渠道，普通的改善方法可能提升轉化有限，此時可以進行更精細化的渠道分析來優化提升ROI。

②商業轉化率分析：在成熟期需要針對高質量用戶進行重點運營，低質量用戶通過產品和運營改進手段，使其往高質量用戶遷移。結合不同的產品形態和商業模式，一般數據分析的核心指標包括：產品用戶人均使用天數（以周、月為單位來觀察）；產品用戶人均使用時長（以天為單位進行觀察，人均時長越高，用戶依賴性越強，產品商業化空間越大）；人均購買價格（以月為單位，查看一個用戶的購買情況，購買價格越高，對電商平臺意味是是高凈值用戶，需要重點運營）；人均購買次數（以月為單位，次數高，低單價的用戶也是優質用戶）

（4）衰退期

最終，產品進入衰退期，這里不再贅述。

2.轉化漏斗分析

漏斗模型是數據分析較常使用的一種方法，其適用的場景主要是對經過一連串用戶操作才能完成任務，同時需要監控和分析任務最終完成的效果，以及每一步可能存在的問題。

漏斗模型的核心思想，是從最終目標入手，找出每一步用戶的轉化或者流失情況，配以每一步的轉化率或者流失率指標來監控效果，并最終通過提升用戶轉化率，或者降低用戶流失率，從而優化最終指標并實現商業價值。

實際在進行漏斗模型的分析時，結合不同的業務場景和產品類型，漏斗模型大致可分為以下幾種：

①用戶獲取模型：AARRR從整個用戶生命周期入手，包括Acquisition用戶獲取，Activation用戶轉化，Retention用戶留存與活躍，Revenue用戶產生收入，到發起傳播Refer。

②消費漏斗模型：消費漏斗一般用于頁面結構和內容較為復雜的業務，從用戶內容消費和流量走向的角度，宏觀層面用于回答用戶消費什么內容，微觀層面則用于分析影響用戶消費的問題是什么。

③電商漏斗模型：用戶商品的購買屬于決策行為，從瀏覽商品到支付訂單的每一個環節的轉化。

④功能優化漏斗模型：漏斗分析也適用于產品功能自身的優化，從最終目標入手，拆分業務環節，提取和優化核心指標，從而提升整體功能的轉化率。

3.AARRR模型

AARRR 模型是一套適用于移動 App 的分析框架，又稱海盜指標，是“增長黑客”中驅動用戶增長的核心模型。AARRR 模型把用戶行為指標分為了 5 大類，分別為：獲取用戶，激發活躍，提高留存，增加收入和病毒傳播。

從用戶獲取到病毒傳播，每個環節都有重要的指標需要我們去關注，通過 AARRR 模型系統化的拆解 5 大類目用戶行為，可以讓我們更清晰的知道每個環節需要重點關注的重點指標。

以電商業務為例，下圖基于 AARRR 模型，構建用戶生命周期運營全脈絡和每個節點需要關注的重點指標：

（1）Acquisition 獲取用戶

在獲取用戶階段，我們希望讓更多潛在用戶關注到我們的產品，通過以下基礎途徑來曝光我們的推廣頁面：①付費獲取：媒體廣告、SMS、EDM、流量交易/置換；②搜索營銷：搜索引擎優化（SEO），搜索引擎營銷（SEM）；③口碑傳播：用戶間邀請活動，病毒 H5 傳播等。

用戶訪問頁面后，可以通過導航、主動搜索、算法推薦來了解到我們的產品。切中當下需求的用戶會進行注冊行為，算是和用戶真正意義上第一次會面。這時就要重點關注推廣頁 UV，點擊率，注冊量，注冊率，獲客成本等重要指標。

（2）Activation 激發活躍

用戶注冊后是否有進一步了解我們的產品？這其中涉及到產品的功能，設計，文案，激勵，可信等等。我們需要不斷調優，引導用戶進行下一步行為，讓新用戶成為長期的活躍用戶：

我們可以通過界面/文案優化，新手引導，優惠激勵等手段， 進行用戶激活流程的轉化提升。監控瀏覽商品頁面，加入購物車，提交訂單，完成訂單的漏斗轉化。

這個過程中，我們要重點關注活躍度，若定義加入購物車為活躍用戶，那么就要觀察注冊至加入購物車漏斗轉化率，按維度拆分，分析優質轉化漏斗的共有特征/運營策略，提升策略覆蓋率，優化整體轉化效果。

（3）Retention 提高留存

用戶完成初次購買流程后，是否會繼續使用？流失的用戶能否繼續回來使用我們的產品？

產品缺乏粘性會導致用戶的快速流失，我們可以通過搭建生命周期節點營銷計劃，通過 push、短信、訂閱號、郵件、客服跟進等一切適合的方式去提醒用戶持續使用我們的產品。并且在此基礎上通過積分/等級體系，培養用戶忠誠度，提升用戶粘性。

重點關注留存率，復購率，人均購買次數，召回率等指標。

（4）Revenue 增加收入

我們獲得每位用戶平均需要花費多少錢？每位用戶平均能為我們貢獻多少價值，能是否從用戶的行為，甚至其他方式賺到錢？

電商業務的基礎要關注獲客成本CAC，顧客終身價值，在此基礎上通過運營活動激勵用戶進行購買，提升用戶單價、頻次、頻率，最終提升用戶生命周期貢獻價值。

重點關注獲客成本，顧客終身價值，營銷活動ROI等指標。

（5）Referral 病毒傳播

用戶是否會自發的推廣我們的產品？通過激勵是否能讓更多的忠誠用戶推廣我們的產品？

在社交網絡高度發達的今天，我們可以通過各種新奇的方式去進行產品傳播：用戶邀請的老帶新活動，垂直領域的社群運營，H5營銷傳播，讓老用戶推廣我們的產品，吸引更多的潛在用戶。

重點關注邀請發起人數，每個病毒傳播周期的新用戶量，邀請轉化率，傳播系數等。

我們已經知道，數據分析的用意不在于數據本身，而是要打造一個數據反饋閉環。

在為一個App做數據服務的時候，我們希望通過設計基礎數據指標，多維度交叉分析不同指標，以數據甄別問題，再反向作用產品，最終形成數據驅動產品設計的閉環。

事實上，App數據分析并沒有那么神圣，一般常用的數據指標也都不難掌握。關鍵是數據指標的設計要基于兩點事實：①商業模式和業務背景；②數據分析動機和目的。

企業在做指標或者定期分析數據的時候，只要定期的關注那些能影響公司核心業務的指標，以此來做快速的業務表現判斷，能極大地提高效率，快速發現問題。

因此，在為App做數據服務的時候，只要從上述角度入手就可以了。