通過數據分析指導運營工作，讓APP在競品中脫穎而出

在移動互聯網快速發展的今天，大量APP不斷涌現，尤其是近一年多以來，小程序的旺勢發展，對APP發起了極大的挑戰。

如何讓自己的APP在競品中脫穎而出？如何獲取更多的用戶？如何對現有用戶進行全方位的管理和運營？又如何評估渠道效果和用戶質量，制定正確的運營推廣策略？都無疑是對APP推廣人員的數據分析和運營能力提出了更多要求！

如何用統計分析工具對APP的數據進行分析和運營是今天我們要講的。

一、常用的統計分析工具

常用的統計分析工具有LeanCloud統計、Flurry Analytics、訊飛開放統計、DataEye、騰訊云分析、友盟游戲統計分析、有數、ad-brix、ASO114。

大家可以根據自己的需要選擇統計工具。

二、不同產品周期數據的側重指標

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。這個階段應當遵循MVP(Minimum Variable Product) 的思想，以最小的成本來驗證創業的想法，并根據用戶的反饋快速迭代以調整解決方案，最終在數據上得到驗證。

關鍵數據——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)。

關鍵數據——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，這里就留存率展開來講。

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.成長期

成長期，仍需要關注用戶留存、用戶時長、用戶畫像的變化等數據，但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”到產品穩定活躍用戶的整個用戶行為漏斗分析為主。

對用戶應用內的行為分析，最終決定了產品能帶來的價值。開發者可以通過設置自定義事件以及漏斗來關注產品的受歡迎程度、應用內每一步的轉化率，以及轉化率對收入水平的影響。

通過分析事件和漏斗數據，可以針對性的優化轉化率的步驟，從而提高整體轉化水平。

新用戶的增長和激活：

這里著重講一下構建產品的病毒性傳播系數, 即讓產品自發增長，《精益運營數據分析》書中有提到的幾個用戶病毒式傳播分類很有趣：

• 原生病毒性，即通過App本身的邀請好友功能而傳播吸引的新用戶的方式；
• 口碑病毒性，即通過口碑傳播，用戶主動通過搜索引擎成為的新用戶；
• 人工病毒性，即通過人工干預，如有獎邀請等激勵措施來鼓勵用戶進行邀請行為。

這里關注的一個指標稱之為“病毒式傳播系數”，感興趣的同學可以自行深入了解。

新用戶下載->激活->‘Aha Moments’->產品穩定活躍

產品開始進入自發增長期后，需要關注用戶從新用戶到活躍用戶（留存后）、到核心用戶的生命周期，并將每個過程的關鍵指標提煉并精細化。

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，數據運營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。

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。

4.衰退期

最終，產品進入衰退期，一般在進入衰退期前可以采取兩種方式：

（1）規模化

常出現在零售業中，如開一家按摩養生店，在一定范圍內收獲好評，那產品成熟的時候則可以開啟連鎖加盟模式，通過迅速而廣泛的擴大市場形成品牌效應，以形成壁壘，此時衰退的風險則被抵御。

（2）生態化

在產品增長或接近完善時，單一的產品很容易存在需求過于垂直、用戶無法形成依賴的問題，可以開發具有協同能力的新產品以搭建完整的產品生態，使得在當前產品上無法被得到滿足或失去興趣的用戶被引流到新產品，作為新產品的新用戶；同時新產品的用戶也能在新產品上被引流回老產品，產品之間形成互相依賴的鏈條，最終用戶有效流轉，形成生態。

三、數據分析方法

數據分析方法有很多種，比如多維度時間分析、漏斗分析、回訪分析、交叉分析等，舉一個交叉分析的案例幫助大家理解。

交叉分析法：通常是把縱向對比和橫向對比綜合起來，對數據進行多角度的結合分析。

舉個栗子：

1.交叉分析角度：客戶端+時間

這個表格中的數據表示：ios端每個月的用戶數在增加，而安卓端在降低，總體數據增長不明顯的主要原因在安卓端數據的下降。

接下來分析安卓端數據下降的原因，這個時候，加入渠道維度。

2.交叉分析角度：客戶端+時間+渠道

從這個數據表格中可以看出：Android端A預裝渠道占比比較高，而且呈現下降趨勢，其他渠道的變化并不明顯。這就是安卓端數據降低的主要原因。

交叉分析的主要作用，從多個角度細分數據，從中發現數據變化的根本原因。

四、渠道推廣效果評估

獲取用戶的渠道是非常多的，如微博、微信、運營商商店、操作系統商店、應用商店、手機廠商預裝、CPA廣告、交叉推廣、限時免費等。

評估渠道的推廣效果，可以通過統計分析工具，APP運營人員或者PR可以從多個維度的數據來對比不同渠道的推廣效果，比對渠道的新增用戶、活躍用戶、次日留存率、單次使用時長等數據，根據數據確定以后的推廣渠道，從而獲得最好的推廣效果。

五、總結

數據分析是一個動態又復雜的工作，作為一名合格的產品運營人，必須對數據保持高度的敏感。通過數據去分析用戶的每一個行為，調整推廣策略，做有針對性的精細化運營，最終實現找到目標用戶群和提高轉化的目的。

關于APP運營優化策略，歡迎大家在留言區和大家一起探討！