APP数据分析的7个思路 如何对APP进行数据分析?

结合作者多年的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 。
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 。

推荐阅读