移动应用数据分析白皮书.pdf

《移动应用数据分析白皮书.pdf》由会员分享，可在线阅读，更多相关《移动应用数据分析白皮书.pdf（23页珍藏版）》请在三一文库上搜索。

1、Mobile App Data Analysis White Paper 移动应用数据分析白皮书 目录 2 移动应用数据分析介绍 6移动应用数据分析价值 移动应用数据分析思路8 移动应用分析指标9 移动应用数据分析方法15 移动应用数据分析白皮书 2 移动应用数据分析介绍 移动应用概念 移动智能设备的普及，用户的信息获取从以浏览器为入 口的方式转化为独立移动应用（即以 Cookie 技术作为用户画 像提取的方式不再可能完整描绘移动设备用户），通过独立 应用程序的方式获取所需要的信息和使用需求。 至此，在 PC 时代的一切流量通过浏览器传递，并以此 了解背后人群的方式被打破，独立应用程序的盛行，

2、使得用 户行为信息更加离散和碎片，只了解用户在自己应用中的使 用行为，却无法串联整个移动设备的行为信息（形成了“信 息孤岛”效应）。但对应用开发者而言，分析自身的应用则 可以进一步了解移动用户，加之结合行业数据，则可以改进 信息传递和产品体验。 目前在移动互联网的应用类型主要有： 移动应用特征 如何进行数据埋点，并进行业务分析，则要结合移动应 用的特征确定，如下则是优秀移动应用具备的特征： 移动应用数据分析白皮书 3 可用优先 保持简单 减少点击 移动应用，首先能被使用。 移动应用分布在不同的渠道和不同的移动设备上，尤其是在 Android 平台，设备机型覆盖极为碎片化，如何开发，测试， 上线

3、可用的移动应用，则是获取更多用户，树立产品口碑的 关键。 移动应用，讲求核心体验。 移动设备就是体验产品，应用带来的核心产品体验反映的则 是核心功能。多数应用本身所附带的功能会很多，但是用户 对于应用的使用， 聚焦的则是最基本， 也是最核心的几个模块。 所以什么是用户需要的功能，哪些模块，页面流量会比较大， 核心设计是否如预期设计一样，有较好的效果，则是需要挖 掘和分析的。 移动应用，讲求移动化的操作体验。 智能移动设备，解放了用户的手指。PC 产品的设计基本要通 过用户的鼠标来完成操作，移动应用产品则基本靠用户手指 在操作，所以减少点击操作，更多的利用手势，滑动等移动 体验操作，则会大大降低

4、用户的使用门槛，而体验的设计与 分析则要建立在详细的指标，A/B Test，用户分群的使用上， 验证其设计是合理，且有效的。 移动应用数据分析白皮书 4 可以定制 设备为本 目标集中 优化速度 移动应用，充分展现个人意志。 每个移动用户对于应用的使用，都有定制的需求，无论是功 能类应用的配置，还是信息娱乐类应用的收藏，分享等等， 用户有充分表达自我的权利，而这些使用喜好和配置习惯， 是需要加以整理和向用户诉说的，理想的定制，是减少用户 犯错和重复尝试的最佳解决方式。 移动应用，符合设备具备的体验和风格。 移动设备有陀螺仪，各种感应装置，这些都为应用的开发和 设计，给出了更多的选择空间，此外，在

5、不同平台上，其设 计规范也会作为应用设计必须考量的重要因素，比如 iOS 平 台的设计规范中，注重更多的细节处理。 移动应用，聚焦用户核心诉求。 移动用户的应用使用极为碎片化和明显需求化，随时随地的 使用，要求，其应用的设计和开发，需要重点突出满足用户 的需求，快速找到内容。 移动应用，极致优化产生价值。 移动应用的载体是移动设备，如果本身移动产品的设计和加 载，消耗了太多的存储、流量和内存，对用户来说都是不可 以忍受的，极致的优化和速度，将产生巨大的用户影响，粘 性及价值则进一步提升。 移动应用功能 注册登录 移动应用最基本的功能，却体现了应用的开发基本质量； 移动应用数据分析白皮书 5 应

6、用分析 核心目的 分析目标 通过在应用内进行标准的数据埋点，进而获取用户对应用的 下载，激活，使用，留存，转化等使用和行为数据，并进行 基于移动产品体验设计，业务服务支持的数据统计分析，其 侧重点放在了在线和离线两部分行为分析。 优化产品运营策略， 改进产品质量， 获得更多优质移动端用户。 移动应用分析 统计分析 数据优化应用，不断改善产品，赢得用户； 游戏机制 游戏化的机制，将进一步刺激用户长久和稳定在应用中留存； 反馈系统 用户对于应用使用存在预期与反馈循环机制，无反馈的应用 无法立足； 离线能力 在没有网络或者网络较差时，应用的体验和内容设计尤为关 键。 移动应用数据分析白皮书 6 移动

7、应用数据分析价值 了解移动应用运营动态 移动应用数据分析最基本的要素就是要充分了解当前的运营 状况，这是进一定位问题和解决问题的重要手段。 分析方法 应用人群分析 渠道情况分析 基本的运营动态包括以下的内容： 与此同时，我们会在每天，每周，每月提供不同维度下的运 营数据报告，综合了解在当前时间内的应用运营表现。 通过基本的运营数据监控，以趋势，对比等方式，了解变化 及问题所在，及早发现问题，并制定解决方案。 除此之外，可结合行业数据，清楚了解目前自己应用的数据 在行业中的表现位置，并制定有效的运营策略和营销方案。 这些行业数据也可以作为未来在营销活动中的效果衡量标准。 移动应用数据分析白皮书

8、7 分析推广效果和用户质量 挖掘用户行为并提升留存 关注转化并定位具体问题 移动应用的推广依赖渠道的流量，从渠道的维度及时了解， 应用在渠道的表现，分析不同渠道的特质和用户质量，调整 推广策略，降低成本，选择最优渠道，寻找目标客群，提升 用户粘性和产品综合表现。 分析方法 渠道来源分析 用户行为分析 了解用户的应用功能依赖程度及使用行为，从访问路径、页 面、使用时长、使用频率等关键内容转化，挖掘用户使用习 惯和移动设备特点，评估产品改进效果，并修正产品的优化 方向。有效而快速的挖掘用户的行为，提升产品体验和用户 粘性，并完成用户的积累。 分析方法 用户行为分析 基于具体应用业务场景下的转化分析

9、，结合用户使用习惯和 人口学属性，进一步了解应用的定位和版本内容规划，新业 务的探索和信息框架设计等诸多内容，不断优化产品，提升 产品质量和用户粘性。 分析方法 应用质量分析 移动设备分析 8 移动应用数据分析白皮书 移动应用数据分析思路 移动应用分析关键三步 移动应用分析标准阶段 移动应用分析需要经历如下的过程才具有实际的意义： T r a c k i n g A n a l y t i c s I n s i g h t 基础数据追踪监控能力，根据业务导向确定需要进行分析和 追踪的数据，完成基本的基于业务场景下的基本数据追踪， 尤其是通过网盟的推广； 基础的数据指标及分析能力，对于追踪的数

10、据进行，进一步 的业务化指标设计和分析，通过使用一定的统计分析方法和 模型，分析得出有价值的结果，并形成解决方案； 基于基本数据，进行深层次的产品问题和用户价值挖掘，对 最终形成的结论和方案，要加以分析和验证，形成一定的经 验和方法，指导日后的工作。 9 移动应用数据分析白皮书 移动应用分析指标 数据指标是通过对于业务需求的进一步抽象，并进 行数据埋点后，才加工出来的一套计算规则，并通 过有效的方法论思想的引导，最终能够解释业务变 化和分析状况。 对于移动 APP 的评测，我们将重点在以下的几个 方面展开： 行为：APP 的参与度与使用频率 技术：终端设备适配 结构：用户流，页面访问 转化：应

11、用内容的转化效果 移动应用的分类有很多种，不同业务场景，使得每 一个开发团队对于数据分析的需要和角度都有很 大不同，但是经过高度抽象，有几大类数据指标则 是所有类型应用共同分析的需要，也是衡量应用质 量的重要参考。 用户指标 新增用户 定义 安装应用后，首次启动应用的用户。 使用 按照统计时间跨度不同分为日新增 （DNU） ， 周新增 （WNU） ， 月新增（MNU），重点关注新用户占比分析，用于衡量营销 效果。 说明 新增用户按照设备维度进行去重统计，同时如果该设备卸载 了应用，又再一段时间后，重新安装了该应用，且设备未进 行重置，则若再次安装打开，不被计算为一个新增用户。 10 移动应用数

12、据分析白皮书 活跃用户 留存率 流失率 定义 统计时间段内，启动过应用的用户。 使用 按照统计时间跨度不同分为日活跃 （DAU） ， 周活跃 （WAU） ， 月活跃（MAU），重点关注核心用户规模。 说明 活跃用户按照设备维度统计，且在时间段内进行去重计算， 即至少启动过一次。 定义 统计时间段内的新增用户（不含重复安装），记为 A，经过 一段时间后，仍然使用应用的用户占新增用户 A 的比例即为 留存率。 使用 重点关注 7 日，14 日，30 日，并观察留存率的衰减程度。 技术说明 留存率计算分为按照激活设备和活跃设备，但是二者的计算 结果差距则是很大的， 通常我们提到的留存， 均为激活留存

13、率。 衡量内容粘性和应用质量的重要指标。 次日留存率 首个留存日，即新增用户在次日再次使用应用的比例，7 日 留存率就是新增用户在第 7 天再次使用应用的比例，30 日留 存率就是新增用户在第 30 日天再次使用应用的比例；（留存 率 = 留存用户 / 新增用户 *100%）。 定义 某段时间内再不启动应用用户 / 某段时间内总计的用户量。 使用 如同留存一样，重点关注 7 日，14 日和 30 日的流失率。 说明 流失率中的用户量一般指的是活跃用户，比如 7 日流失率指 11 移动应用数据分析白皮书 回访率 一次性用户 生命周期 定义 在最近的 N 天内未启动过应用（流失玩家），但在统计日启

14、 动过应用（召回）的用户占比流失玩家的份额。 使用 观测和评估营销活动，及推送效果质量 技术说明 回访率是一项重要的指标内容，一般是 7 天，14 天和 30 天 的回访率。回访率着重反映了营销方案，对于老用户的刺激 作用。 定义 自新增日后再也没启动过应用的用户 使用 一次性用户是一个关键的营销指标， 和垃圾用户判断的标准。 技术说明 一般划定的界限是至少距离目前要超过 7 天时间才能够定义 是否是一个一次性用户。一次性用户是作为衡量营销方案的 重要参考依据。 定义 用户最后使用应用日期 - 用户首次使用日期 使用 与留存结合，分析用户的生命周期长度和贡献度，生命周期 的演变与活跃用户规模存

15、在很大关系，稳定的用户数，则会 提升生命周期长度。 技术说明 如果用户在一段时间内还能够打开应用，则说明用户并未卸 载应用，且有继续的使用习惯。充分掌握用户的使用频次， 加之有效的推送消息服务，可进一步分析用户的生命周期变 化。 的是某日的日活跃用户为 A 中，有 B 个在随后 7 天不在启动 应用，则 7 日流失就是 B/A。 12 移动应用数据分析白皮书 质量指标 页面访问 次数 页面访问 人数 页面访问率 人均访问 时长 访问总时长 占比 定义 页面被访问（打开）的次数。 使用 结合被访问的人数，查看人均访问次数，展示页面的粘性， 流量的主要聚集地。 定义 页面被访问（打开）的人数。 使

16、用 访问人数作为重要页面转化分析的参考依据，分析页面着陆 情况。 定义 全部被访问页面中，某页面被访问的占比。 定义 在某个页面的平均停留访问时长。 使用 评测某些功能页面的粘性和制作效果，关注重点页面的转化 效果。 说明 某页面总计的停留时长 / 访问该页面的人数。 定义 某个页面的总计访问时长占全部页面访问时长的比例。 使用 筛选用户最佳访问页面，及发现问题页面。 注 此处涉及到的人数均特指为设备数。 13 移动应用数据分析白皮书 错误率 错误事件 转化率 跳出率 （离开应用） 说明 页面时长统计，要充分依托有效的数据埋点工作，理清业务 逻辑，做好转化分析。 定义 从指定页面离开应用或不再

17、进行进一步操作的概率。 使用 页面及路径转化效果评估。 说明 访问该页面之后没有跳转到下一个页面或者直接关闭应用的 次数 / 该页面总访问次数。 定义 错误或者异常发生的概率，错误次数 / 启动次数 or 启动人数 使用 重点关注每启动错误率和每人错误率，基于版本，机型，系 统 说明 关于应用错误的相关信息大部分停留在客户端，尤其在离线 情况下，作为开发者是无法快速发现和定位错误和问题的， 即使在线情况下，如果无上报机制，则同样无法避免问题， 错误率分析一般要基于版本进行分析，对比版本优化效果好 坏。 定义 从漏斗模型中，上一步事件到当前步骤事件的转化率。 使用 对于前后有关联相关的事件，做转

18、化漏斗分析，从中了解转 化率情况。 说明 关键业务优化，可以通过自定义的数据埋点完成数据统计。 14 移动应用数据分析白皮书 定义 统计时间段内，所有从启动应用到结束使用的总计时长 使用 一般会按照“人均使用时长”，“次均使用时长”和“单次 使用时长”来进行分析，衡量用户产品着陆的粘性，也是衡 量活跃度，产品质量的参考依据。 说明 使用时长主要反映用户在客户端的行为，在以服务器作为统 计方式的情况下，我们很难对于移动设备应用的时长做出准 确统计并进行分析。 定义 用户上次使用应用的时间与再次使用的时间差。 使用 使用频数分布，观察应用对于用户的粘性，以及运营内容的 深度。 说明 虽然是使用间隔

19、，但是通过计算同一个设备，先后两次启动 的时间差，来完成使用间隔统计，充分考虑应用周期性和碎 片化使用的特征。 定义 统计时间段内，用户开启应用的次数 使用 重点关注人均启动次数，结合使用时长可进行分析 说明 用户主动关闭应用或应用进入后台超过 30 秒，再返回时统计 为两次启动，启动次数主要看待频数分布情况。 使用间隔 启动次数 使用指标 使用时长 15 移动应用数据分析白皮书 移动应用数据分析方法 移动应用分析关注的四个关键词 流量 衡量推广效果，计算流量全生命周期价值 （CAC vs Valid Users） 参与 用户的交互效率和成本如何 转化 关键业务转化情况如何 留存 获取的流量最

20、终表现如何 不存在绝对的核心指标，主要是核心指标取决于业务的目标 性 移动应用分析主要回答四个问题： 渠道流量分析 渠道的质量分析，移动流量的靶向性会更强，着重在分析渠 道的数量和质量； 用户群体分析 针对用户的行为进行梳理，找到目标客群的使用特点和渠道 用户特点； 内容转化分析 移动应用的功能性决定用户对应用本身的核心诉求非常明确， 所以着力要分析内容的效果； 移动终端分析 移动 APP 分布在众多不同的设备中，其设备的特点制约了用 户对 APP 的使用 16 移动应用数据分析白皮书 应用人群分析 新增用户分析ACQ=F(Campaign,Channel,Users,CAC,Conv%) 关

21、键术语 在进行上述分析时，我们将会涉及到如下的术语： 版本交叉 通过对比移动应用的不同版本的数据表现，了解版本数据变 化。 人群交叉 通过用户行为数据，进行用户分群，查看分群用户各项数据 表现。 渠道交叉 通过对比不同渠道的流量，了解不同渠道的数据表现。 同比 与历史同时期比较，例如 2014 年 5 月与 2013 年 5 月相比。 同比发展速度主要是为了消除季节变动的影响，用以说明本 期发展水平与上年（月，周）同期发展水平对比而达到的相 对发展速度。 环比 与上一统计阶段比较，例如 2014 年 6 月与 2014 年 5 月相比。 报告期水平与前一时期水平之比， 表明现象逐期的发展速度。

22、 DNU（新增用户数） Install/Sign-up by campaign/channel/version/Conversion( 安 装注册 ) Organic Users（自然用户） 17 移动应用数据分析白皮书 活跃用户分析 留存与流失用 户分析 ACT=F(First Time Experience,Usage,Design /UX,Core Users) RET&CHU=F(tutorial,operation,task,alert,push,gameplay, device,churn) DAU（日活跃用户数） DNU/DAU（新增占比份额） Next Day Avtive（次

23、日留存，活跃情况） Usage（使用行为） Login times（启动次数） Login length（使用时长） MAU（月活跃用户数） Retention（留存率） 1day（次日留存率） 7day（7 日留存率） 30day（30 日留存率） Engagement（参与度） DOSU（一次性用户） Login times（启动次数） Login Interval（使用间隔） Churn（流失） 7day （7 日流失） 14day（14 日流失） 30day（30 日流失） Marketing Users（推广用户） Click-to-Install-to-Sync（点击，安装，启动转

24、化率） Fake Users（虚假用户） Login times（启动次数） Avg. length（平均使用时长） Login length per starting（单次启动时长） New Users Perception by Channel（渠道用户流量份额） 18 移动应用数据分析白皮书 Login Days（登录天数） Login Length（登录时长） Login Times（登录次数） 人群属性分析 页面访问分析 POP=F(District,Version,Carrier) District by DAU,DNU,Login times( 各地区及国家用户量 ) Versi

25、on by Channel,DAU,DNU,level-up(各版本渠道， 用户量， 升级用户 ) Carrier by DAU,DNU,Login time( 各运营商的用户量，使用 ) Connection by DAU,DNU,Login time( 各联网方式的用户量及 使用 ) 用户行为分析 页面访问分析既要关注用户是否完成任务，还有完成时间和 交互次数，同时需要进行关键用户的定义，否则不存在实际 的意义。按照用户分群进行页面的分析才具有意义，比如按 照新用户和老用户的方式，使用频率，使用时长，使用设备 划分。 场景一 设计：A 页面向 B 页面跳转比例较低 实际：A 页面向 B 页

26、面跳转比例较高 分析： 用户是否存在实际使用需求？ 用户操作习惯被改变？ 场景二 A 页面和 B 页面的相互跳转频繁 分析： A 页面和 B 页面是否有较强的功能相关性； A 页面的一些关键信息，需要到 B 页面查看； A 页面和 B 页面是否可以进行合并； 19 移动应用数据分析白皮书 设备机型分析 移动设备分析 渠道来源分析 Device=F(Device,Resolution,OS,Network,Carrier) Device by Channel,DAU,DNU( 各渠道，用户的设备 ) Resolution Channel,DAU,DNU( 各渠道，用户的分辨率 ) OS Chan

27、nel,DAU,DNU( 各渠道，用户的操作系统 ) Network Channel,DAU,DNU( 各渠道，用户的网络 ) 渠道来源分析是作为重要维度在各项数据指标中穿插使用。 场景三 从 B 页面回退到 A 页面的次数较多 分析： A 页面是否需要用户输入信息； 回退 A 页面时，保留之前 A 页面的信息； 场景四 A 页面向 B 页面的跳转之前很多，但是目前在持续下滑 分析： B 页面加载速度较慢； B 页面长期无更新； B 页面已失去吸引力； 应用质量分析 事件转化分析 用户使用应用的任务是否完成； 不以转化为目的的用户访问行为； 20 移动应用数据分析白皮书 用户生命周期分析 用户

28、生命期 新用户最后使用应用日期 - 用户首次使用日期。 用户样本选择 生命期的计算针对当前日期两周（14 日）前的全部用户，两 周内新增用户因进入周期过短，将压低平均生命期，而不进 行计算。 生命期气泡图 气泡的大小代表了某生命期段（如：8 14 日用户）所分布 的用户数量和比例；气泡漂浮的高度代表了这个生命期段用 户为应用带来的贡献（使用的次数和时间长度）。 生命期贡献 虚拟化的贡献，贡献由用户的启动次数和使用时长所决定， 越多的使用次数和更长的使用时长将会有更高的贡献。 贡献 % 一种生命期段的用户群的贡献，占全部用户贡献的比例。 使用场景 错误事件分析 着重分析在不同版本，不同设备维度的

29、错误率。 版本效果分析 版本作为重要的筛选维度，综合衡量整体数据表现。 21 移动应用数据分析白皮书 R F E 模型 RECENCY: Last Contact before Days（最后联系时间间隔） FREQUENCY: Customer Lifetime Visits（客户终身到访次 数） ENGAGEMENT: Customer Lifetime Page Impressions （客 户终身页面展现数） RFE 模型通过对于三个维度不同权重的赋予，得到针对每一 个用户的单独得分，用于衡量用户的价值，在用户分群等方 面将起到较大的作用。 平均用户生命周期 样本用户群的生命期加和 / 用户数。 平均生命期贡献 平均每用户全生命期中使用应用的次数。 平均每日每人贡献 某生命期段的用户群，平均一个人在一日中会使用应用的次 数和时间长度。 TalkingData： AppCPA： 新浪微博： TalkingData 客服 QQ： 4008701230 客服邮箱： 商务热线： 4008701230