App數據分析，其實沒有你想象中的那么難

對于一個運營人員來說，做好數據分析，既可以幫助我們不斷調整工作方向，更是可以預防我們在沒有價值的事物性工作上“越陷越深”。

有一件事：每個運營都很清楚，也都非常認可。那就是：數據分析對運營工作，非常，非常，非常……重要！

但在現實中，很多運營仍舊“力不從心”，思想意識上去了，行為動作卻跟不上。換句話說，不是不想做，而是對數據分析缺乏整體性的認知，找不到頭緒，不知該如何入手。

從結果的有效性的來看，任何以“完成”為目的工作都沒有太大的價值，任何缺乏客觀數據指標的“主觀評判”都是沒有太大的意義。對過程質量負責的內容生產部門是如此，對結果負責的運營、銷售部門更是如此。

對于一個運營人員來說，做好數據分析，既可以幫助我們不斷調整工作方向，更是可以預防我們在沒有價值的事物性工作上“越陷越深”。

一. App相關數據，共分三大類

數據分析，并不是什么高深的東西，更算不上什么技術。在App運營工作中，我們需要用到的“數據”，總體來講，分為以下三類：

1. 宏觀指標：用戶總量、新增、留存、活躍、參與度等整體性的數據；
2. 用戶指標：用戶層面的相關數據，是運營體系中所有運營動作的數據支撐；
3. 內容指標：內容層面的相關數據，是平臺內容質量改進和優化的參考依據。

對于以上三類數據，我們只需在“充分認知”的基礎上，形成“應用思維”，并做到“靈活運用”，即可輕松處理任何一種數據分析工作。

二. 宏觀指標分析

對于一款App來講，宏觀數據包括“用戶的總量、新增、留存、活躍、參與度”五個方面。通過這五項指標，可全面掌握App的整體運營狀況。

1. 用戶總量：所有用戶的數量總和

（1）數據來源：埋點統計

（2）分析重點：從App整體用戶中，篩選出有效用戶，掌握真正有價值的用戶數量。一般來講，完成注冊并登錄設備的激活用戶為有效用戶；嚴格來講，App使用時長>0的用戶為有效用戶。

2. 用戶新增：推廣工作的衡量指標

（1）數據來源：埋點統計

（2）分析重點：由于在App推廣過程中，很多渠道都會采用“H5頁面注冊+引導下載App”的做法，往往會造成部分用戶“只注冊、未下載”的問題。故，用戶新增人數，需區分“注冊”和“激活”。

3. 用戶留存：用戶與內容契合度的衡量指標

（1）數據來源：友盟統計

（2）分析重點：本數據主要用來監控某一時間階段(某天、某周、某月)新增用戶的留存情況。通過留存數據，判斷用戶質量與App內容質量。

4. 用戶活躍：App價值的終極衡量指標

（1）數據來源：友盟統計

（2）分析重點：該指標是所有App數據中最核心的指標，也客觀衡量一款App價值的終極標準。如果用一個指標來衡量App價值的話，那就是用戶活躍數據。

5. 用戶參與度：用戶粘性的衡量指標

（1）數據來源：友盟統計

（2）分析重點：該數據是用戶App使用深度的衡量指標，包含用戶的每日使用時長，每日啟動次數等指標。是以上四個數據的有益補充。

小結

以上五個指標，用戶總量、新增，需要以技術部統計數據為準，用戶的留存、活躍、參與度指標，由于技術統計比較困難，以友盟為準即可。

補充：

（1）埋點統計：為了埋點統計正確，需要運營人員與技術開發人員明確埋點的數據需求和規則

（2）友盟統計：為了保證友盟統計的數據正確，需要注意以下幾點：

• App友盟SDK集成正確
• App接入友盟越早越好，避免部分早期數據無法查詢
• Android、iOS兩個版本同步接入

三. 用戶指標分析

用戶數據分析的意義在于：從用戶的維度，為運營工作的拉新、留存、促活、轉付費等所有環節，提供數據支撐。

例如，如何對某次App推廣活動進行效果分析?如何根據活躍用戶的操作習慣進行內容調整?付費的用戶都是什么人，他們是體驗了多久之后才付費的?

接下來，從字段拆解、矩陣分析、案例實戰分三步來為大家講解。

1. 字段拆解

做用戶指標分析，需要首先對用戶指標的相關字段做拆解。以課程類App為例，用戶指標的數據，可拆解為以下8個字段：

（1）用戶ID

• 注冊
• 激活

（2）手機號

（3）注冊時間

（4）來源渠道

（5）瀏覽行為：UV、PV、Time

（6）操作行為(以學習類App為例)：試聽、訂閱、充值(時間/金額/終端)、購買(類別/明細)、學習(音頻/視頻)、用戶完課率(按單節統計/按單堂統計)、評論、課程分享、邀請好友

（7）登錄行為：活躍天數、啟動次數、使用時長

（8）用戶畫像

• 性別
• 年齡
• 地域
• 職業
• 從業年限
• 教育水平
• 興趣愛好

2. 矩陣分析

第一步：我們可以把這8個字段，看做一個橫向的矩陣。

第二步：選取1個字段(或者一個細分字段)，導出所有符合條件的用戶

第三步：以導出的用戶為基礎，分析這批用戶在其他維度下的特征數據，即可得到我們想要的數據。

3. 案例實戰

例子1：我們需要對某次App推廣活動的效果進行分析，為下次推廣活動提供參考依據：

（1）通過定位字段“來源渠道”導出所有本次推廣活動帶來的用戶；

（2）通過這批用戶的“用戶ID”，可得到活動帶來新增用戶數，注冊人數、激活人數；

（3）通過這批用戶的“用戶登錄行為：活躍天數、啟動次數、使用時長”，判斷本次活動帶來的用戶的質量。

例子2：我們需要對活躍用戶的學習習慣進行分析，進而了解用戶活躍的原因，調整App內容架構

（1）通過定位字段“活躍天數”導出“總活躍天數排名前X名”的用戶；

（2）通過此批用戶的“用戶行為-瀏覽行為”中各個不同頁面的“UV、PV、Time”三個指標的數據對比，找到用戶最習慣的訪問路徑。進而判斷App首頁的內容展示是否合理，是否能快速引起用戶的興趣，讓用戶找到適合的內容，從而有選擇性的進行調整。

例子3：我們想看下付費用戶都有哪些人，這些人一般會在體驗App多久后會付費

（1）通過定位字段“充值金額”導出付費用戶；

（2）通過此批用戶的“用戶畫像”，了解這批人的性別、年齡、職業等信息，為廣告投放提供依據；

（3）通過此批用戶的“每個用戶的‘充值時間-注冊時間’”的差值，可分析出用戶從體驗到付費的考慮時間。以此為依據，進行內容進行調整，以求更快地打動用戶。

四. 內容指標分析

內容數據分析的意義在于：從內容的角度，全面分析內容在各個維度上的用戶行為。以這些用戶行為為基礎，為內容優化和改進提供依據。

以課程類內容為例，如何判斷我們的課程文字包裝和頁面展示是否吸引人?如何評價我們的課程是否符合用戶需求?

接下來，還是從字段拆解、矩陣分析、案例實戰分三步來為大家講解。

1. 字段拆解

做內容指標分析，需要首先對內容指標的相關字段做拆解。以課程類App為例，內容指標的數據，可拆解為以下10個字段：

（1）課程ID

（2）課程性質

• 免費
• 付費

（3）上線時間

（4）課程節數

（5）課程分類

（6）主講老師

（7）課程被瀏覽

• UV
• PV
• Time

（8）課程訂閱

（9）音視頻播放

• UV
• PV
• Time

（10）完課率

• 按單節計算
• 按單堂計算

2. 矩陣分析

“內容指標”與“用戶指標”的分析方法相同，都采用矩陣分析法。這里就不重復講述了。

3. 案例實戰

例子1：如何判斷我們的課程文字包裝和頁面展示是否吸引人?

（1）通過定位字段“課程ID”導出所有課程的標題

（2）通過“訂閱人數”與“被瀏覽的UV數”進行對比，可以得到同等展現機會下訂閱率較高的課程，進而判斷課程包裝做的較好的課程。

例子2：如何判斷我們的課程是否有銷售潛力，進而把受歡迎的課程調整到首頁展示?

判斷此問題，僅需對比兩個衡量指標

（1）“訂閱人數”與“被瀏覽的UV”的對比值

（2）完課率指標（按單節計算、按單堂計算）的數值