《APP数据实践渠道系列（一）（二） .doc》由会员分享，可在线阅读，更多相关《APP数据实践渠道系列（一）（二） .doc（6页珍藏版）》请在三一文库上搜索。
1、渠道系列一：选择适合自己的App渠道 最近看到很多人在谈App如何选择渠道，由于工作的关系，自己在渠道选择方面也有些经验，所以来凑个热闹，将选择渠道的方式总结出来和大家一起交流。对任何一个CP而言，选择渠道的时候，千万别过于迷信渠道的大小。渠道没有最好，只有最合适。一般大渠道，产品多，不一定会给你新App一个好 的位置，但是有些小渠道由于刚起步，会对你的产品非常上心，给予很大支持，拉来的用户不一定比大渠道少，反而成本小很多。所以一定要根据自己的App去选 择渠道，那如何选择合适的渠道呢?一般渠道选择有以下几个方法：方法1：广撒网，多捕鱼，人海战多渠道覆盖同时测试。一般测试12周，根据后台数据，
2、筛选出关心指标的数据，好的渠道留下来。俗话说实践出真知，这样的方法是很有效的，但是有个大缺点，耗费人 力，容易出错。渠道大大小小有数百之多，没有办法都测试全，另外打SDK ，修改图片，也都是很耗时费力的事情，而且渠道数多，数据量大，很难快速比对出自己需要的渠道。方法2：有的放矢，差异战根据自己App产品及运营能力进行针对性投放。l 如果对自己的产品和运营很有信心，那么就挑选最大最热门的渠道上游戏吧，渠道大一定有他的道理，引量肯定是没有问题的，在家里坐等用户爆棚;l 如果感觉自己的产品或运营能力一般，那么就先挑1家大渠道，23家小渠道去调试，慢慢把App调整到好状态以后，再向大渠道或多渠道投放;
3、l 如果对自己的运营能力没有什么信心，那么各渠道引量基本无差别了。如果可以找到独代进行代理，相对而言是比较好的选择，毕竟独代在运营方面还是很有经验的，说不定可以给App注入不一样的生力。使用这个方法，就需要对自己的App和运营能力有良好的认识。看到这里，很多人会表示方法2好像有道理，但是空洞啊，渠道那么多，说选择几家渠道怎么选择呢，有什么评估的方法么?这里介绍一个百试不爽的跟随原则，举个例子：麦当劳和肯德基，我们经常可以看到这两家开在附近，因为他们市场定位相似，顾客群基本上重合，所以 跟随是最快捷高效的选择。选择渠道的时候，也可以采用这种方法，观察各渠道排行榜，选择和自己相近的产品排名靠前的渠
4、道来铺。因为这说明，这个渠道喜欢这 种类型的App的人相对集中，他们会很快关注到你的App。(但是要注意，棋牌类游戏粘性很大，顾客群不容易重合，这个方法不适用。)方法3：数据画像，精准战通过数据模拟用户画像，精准定投渠道精准投放是现行App在渠道投放上的趋势，因为可以将每次的投放价值最大化，节约成本并提升用户质量。CP可以根据App试运行的用户数据，建 立数据模型通过标签体系以及相似度算法圈定该App潜在目标用户群，让渠道根据指定目标用户群精准投放。虽然这种方法智能，高效。但此法对于CP的数据分 析能力要求还是较高，如果能力有限，可选择第三方分析平台协助分析，比如TalkingData Mob
5、ile DMP。以下是三种方法的归纳对比：当然，有了选择渠道方法，还要有有效的评估方式，为什么这个渠道的数据很好，可就是不盈利呢?是渠道作弊?还是我的产品有问题呢?真是让人头 疼，但是行业分享这块的信息真是太少不，各CP只能跌跌撞撞，靠自己摸着石头过河，那下回一起走进数据的世界，用数据说话，让我们拨开迷雾辨真伪。 渠道系列二：去伪存真渠道作弊分析 为什么这个渠道的数据很好，可就是不盈利呢？是我的产品有问题呢？或是渠道作弊？这还真是让人头疼。行业关于渠道作弊这块分享的信息真是太少了，各CP只能跌跌撞撞，靠自己摸着石头过河，那这回我们一起走进数据的世界，用数据说话，拨开迷雾辨真伪吧。初级渠道作弊：
6、同时看一次性用户指标/比例&平均单次使用时长指标渠道的初级作弊，就是只拉新增用户，这种刷作弊的方式较容易发现，因为用户一次性用户指标较低，平均单次使用时长也远低于其它渠道均值，或是自身渠道其它的值。笔者曾经遇到一个做手游的好友，他的产品投到新渠道后，新增用户连续3天暴涨500%，但是留存却不高，想咨询是什么地方有问题。于是我帮他查看了这个新渠道的两个指标：一次性用户指标&平均单次使用时长均低于其它渠道均值，基本上可以判断是渠道作弊了，再看新增用户的时间段，立马验证。正常用户都是在中午和晚上新增较多一个空闲的时间段，而这个增量正好相反，明显是一个上班的时间段（8：00-18：00）。如果你只投放
7、了少量渠道，不能确定数据的时候，也可以对比TalkingData每月出的benchmark里的一次性用户比例&平均使用时长数据进行对比。中级渠道作弊：看页面明细一些手段稍微高一点的作弊，会将你应用中的SDK，打到别的热门应用中去，这样不但新增上去了，而且各项数据都还非常好看，没有破绽，但是就是盈利上不去。这个时候就要需要关注页面明细了，查看页面明细是否是自家的，如果不是自家的页面，那这就很有可能存在作弊的问题。高级渠道作弊：多数据维度比对高级渠道作弊已经超出了一般人类可以想象的范畴，达到了智能级别，无论用户留存、机型、地域、联网等连手机号注册都可以作弊（笔者第一次知道的时候和小伙伴们都惊呆了。
8、）以至笔者当时只能订了一个指标：LTV指标，如果这个指标达不到渠道平均水平，那么就放弃这个渠道，无论这个渠道是否作弊。但是后来随着对应用和渠道接触的越来越多，错杀了不少好渠道，觉得还是要多维度数据指标进行评判，TalkingData就有对这方面数据进行健康度评估。如果要是游戏应用一般看用户玩家等级的比例就可以了，一般渠道是不会雇人去玩游戏升级的。俗话说的好，道高一尺，魔高一丈，以上方法也不一定全面，如果还有别的分析渠道作弊的方法，大家多多分享出来。当然渠道作弊的情况还是比较少发生的，一般情况下如果应用数据不好，还是给从自己的应用中去找问题。另附：在实际推广中，App铺的渠道是非常多的，要从众多
9、渠道中发现异常或者挑出不合适的渠道非常耗费人力，而且容易出错。所以这里分享一个游戏渠道数据打分模型，根据App设定当渠道高于X分的时候，要加大投放力度，当低于X分的时候，需要跟进该渠道，检查数据是否有异常或者是剔除不合适的渠道。这样可以节省不少人力，并提高排查准确率。这里引用一下游戏数据分析达人石头曾介绍过“Z-score标准化”进行打分处理：数据标准化“Z-score标准化”为样本均值（Excel中函数Average），为样本标准差（Excel中函数STDEV）。标准化多纬度数据：标准化之后接着来就是要想办法把数据变成5分制（也就是1分、2分、3分、4分、5分），这里是将X的套用分数如下：而后根据你目前游戏目标，给不同指标加上权重汇总后，可以得到相应指标（同样这里建议样本数据不能低于5个，不然会影响数据准确性）。这种方法前期需要根据实际情况调整权重，剔除异常值，稳定后，模型使用将会非常快捷、准确、省力、方便。