App数据分析的五大维度

APP数据分析
本文APP数数据分析的五大维度,从五个维度介绍怎么去分析一款移动App产品。

第一个维度:用户规模与质量

1、活跃用户指标

这个指标可以反应一个App的成功与否,因为只有真正使用App的人才是真实的用户,也是最有价值的用户。通常我们可以根据产品的类型来选择日活、周活和月活的数据分析。比如社交类的App选择日活,在线学习类的App选择周活,电商可以选择月活。这里面日活的要求最高,因为需要用户每天都启动App,因此App里必须有用户刚性需求的功能,比如我们给很多城市做的App里就有公交模块,用户几乎每天上班坐公交前都会打开我们的App。月活的要求一般通过推送和活动来吸引用户打开App,电商做得比较多,发一条用户感兴趣的商品促销信息等。

2、新增用户指标

这个指标可以用来检验App营销推广效果。新增用户数占用户活跃数的比例可以表现出一款App的健康状况。比如说新增用户数占据了超过40%的活跃用户数,那么我们就需要思考忠诚用户留存率低的问题。

3、用户构成指标

新老用户的构成可以反应一个App的用户结构。我们通常分析周用户构成,因为一周的用户构成相对月和日的计量时间来说比较准确。周用户构成里我们可以关注这几个数据:长期流失用户,流失用户,回流用户,周活跃用户,连续活跃用户,忠实用户。具体的词意可以去看我的那个思维导图。观看这几个数据的变化,可以了解上一周或是近一段时间的运营效果,每个指标的变化都在反应App的用户变化。如果长期流失用户增多,那么我们就应该采取相应的预防措施,配合其他数据还原用户使用场景找到原因。并且找到合适的召回机制,促进回流数据的增长。

4、用户留存率指标

一般选取次日、3日、7日、30日的留存数据来分析。我们这里所说的时间都是第N+1天的数据,比如3日留存数据其实是在第四天取得的数据。3日的留存用的最多的是移动游戏行业,7日留存的数据一般是最低的。如果留存数据有较大的起伏变化,很可能是用户质量留存筛选的过程,因为在推广过程中掺杂了很多质量不高的用户。

5、每个用户总活跃天数指标

这个指标一般按照年度来统计,与它相对应的指标就是用户使用时长。如果再加上每个用户的启动次数,那么就可以多维度分析用户使用行为。

第二个维度:参与度分析

1、启动次数指标

按照天、周、月来统计数据,一般社交产品选择天为统计指标,在线教育选择周来统计。启动次数的总体趋势可以反映出App用户的参与度。如果启动次数呈上涨趋势,那么用户的参与度总体来说就是高。另外,用户的平均启动次数可以看出个体的平均参与度。因为即使是上涨的趋势,但是用户平均参与度如果只有不到1次的启动,那么也是不理想的。

2、使用时长

使用时长反应用户使用App的粘性。使用时长/活跃用户,意味着真正的用户平均使用时长,这才是有意义的数据。使用“使用时长+启动次数+活跃数”来多维度分析。

3、访问页面

页面访问是指用户访问了哪些页面,从数据可以分析出用户最爱浏览哪些页面,在哪些页面停止了继续往下浏览。这些数据可以反馈给产品设计和交互部门,重新反思App的相关设计思路。

页面访问数据分析中我们经常会遇到UV、PV、IP、Visit这几个指标。

UV:Unique Vistor,通过互联网的独立访问量。一般都是通过浏览器里的Cookies来统计UV,所以即使只有一个用户,但是通过不同的浏览器进入同一个网页,也会有好几个UV。

PV:Page View ,页面访问量。统计了一个网站的N个网页总共被访问了多少次。通常,电商的PV要远远大于UV。如果有PV/UV,就会得出用户访问页面的路径长短。

IP:通过IP分析产品在哪些地域受欢迎,可以针对性的按照地域进行相应的推广宣传。

Visit:一般活跃度低的网站10分钟设置一次visit,也就是说我们在线半个小时,visit就是3次。而活跃度高的网站,相应的Visit设置时间就长一点。

4、使用时间间隔

使用间隔可以还原用户的使用场景。如果某个用户的使用间隔在8个小时,那么他很可能是不能在上班时间玩手机,或者至少得出的结论是他没有在上班时间启动App的事实。

第三个维度:渠道分析

研究推广渠道所带来的用户是否是真的“人”在用。

说实话,有些数据是人为造出来的,也就是刷机刷出来的。从激活时间来看,如果都是集中在一个时间点,就很有可能是刷量的。比如从地域看,都是一个地方的,而App是在全国推广的。从使用机型看,都是小米3的用户,显然有很深的刷机行为。当然,如果我们是真的用心的在推广,数据也很真实,那么也可以看到哪些渠道的推广效果比较好。这里的效果分为两块,一块是新增用户增加的比较快的渠道,一块是用户留存率高的渠道。

第四个维度:功能分析

1、功能活跃指标

新功能或者新模块上线时,需要对该功能或模块进行特定的数据跟踪。

2、页面访问路径分析

这个指标基本上就是为了还原用户的使用场景和用户模型设定的。举个例子,一个汽车App。有三种用户:随便看看的,有意向车型的,要购买汽车的。随便看看的用户的页面访问路径就很飘忽,从几万到几百万的车的页面都去访问。而有意向车型的用户则会在相近的车型介绍页浏览。要购买汽车的用户则会根据价格来筛选车型,进行对比分析查看。这样来分析用户的页面访问路径,就能获得更大的价值。

3、漏斗模型

进入首页—》进入商品详情页—》加入购物车—》进入支付页面—》成功付款

这是一个电商网站的漏斗模型,我们可以监测用户的访问路径。如果用户迟迟不进行最后一步的付款操作,那么极有可能是付款页面做得很糟糕。

第五个维度:用户属性分析

1、设备终端分析

如果设备终端显示80%都是iOS用户,则表明App的使用用户普遍高端。其他的终端类型也同样可以这么分析。

2、网络及运营商分析

网络是WiFi还是蜂窝流量,这很可能牵涉到App是否是户外使用的场景。比如“悦跑圈”这个App,在户外跑步使用的人就比在室内的多,因此使用手机移动流量的用户比WiFi的数量多。

3、地域分析

地域+终端属性+网络,多维度分析,可以构建用户的宏观使用情况。

地域主要的数据还是国家和语言。

4、用户画像分析

用户画像其实就是反应了产品的用户特征。

从三个方面来构建用户画像:自然属性、兴趣爱好、商业属性

自然属性:性别、年龄、学历、职业、工作地点、故乡、星座、性格

兴趣爱好:阅读?运动?等

商业属性:是否拥有汽车、房产、收入、股票、期权等

社交产品的用户属性的维度最广,而电商的用户属性最容易变现。

用户数据怎么搜集?一般通过用户的行为数据来打标签,但是这比较难。所以说用户的数据很难获取。我们经常会遇到在社交网站注册的时候需要填写很多个人信息,包括工作方面,其实就是社交网站为了尽可能多的获取我们的信息,构建用户画像。

数极客作为国内领先的新一代APP数据分析产品,支持包括Android、iOS等多种平台的APP数据分析。通过数极客深入全面的用户行为分析,可以快速发现数据中存在的问题,优化问题并达到数据驱动增长的目标。