《APP数据化运营》由会员分享，可在线阅读，更多相关《APP数据化运营（7页珍藏版）》请在金锄头文库上搜索。
1、一、 数据分析措施论(一) 明确数据分析的目的做数据分析，必须要有一种明确的目的，懂得自己为什么要做数据分析，想要达到什么效果。例如：为了评估产品改版后的效果比之前有所提高；或通过数据分析，找到产品迭代的方向等。明确了数据分析的目的，接下来需要拟定应当收集的数据均有哪些。(二) 收集数据的措施说到收集数据，一方面要做好数据埋点。所谓“埋点”，就是在正常的功能逻辑中添加记录代码，将自己需要的数据记录出来。目前主流的数据埋点方式有两种： 第一种：自己开发。开发时加入记录代码，并搭建自己的数据查询系统。 第二种：运用第三方记录工具。常用的第三方记录工具有： 网站分析工具：Alexa、中国网站排名、网
2、络媒体排名（iwebchoice）、Google Analytics、百度记录 移动应用分析工具：Flurry、Google Analytics、友盟、TalkingData、Crashlytics不同产品，不同目的，需要的支持数据不同，拟定好数据指标后，选择适合自己公司的方式来收集相应数据。(三) 产品的基本数据指标 新增：新顾客增长的数量和速度。如：日新增、月新增等。 活跃：有多少人正在使用产品。如日活跃（DAU）、月活跃（MAU）等。顾客的活跃数越多，越有也许为产品带来价值。 留存率：顾客会在多长时间内使用产品。如：次日留存率、周留存率等。 传播：平均每位老顾客会带来几位新顾客。 流失率
3、：一段时间内流失的顾客，占这段时间内活跃顾客数的比例。(四) 常用的数据分析法和模型这里重要科普下漏斗分析法和AARRR分析模型。漏斗分析法用来分析从潜在顾客到最后顾客这个过程中顾客数量的变化趋势，从而寻找到最佳的优化空间，这个措施被普遍用于产品各个核心流程的分析中。例如，这个例子是分析从顾客进入网站到最后购买商品的变化趋势。从顾客进入网站到浏览商品页面，转化率是40%；浏览商品到加入购物车转化率是20%等，那要找出哪个环节的转化率最低，我们需要有对比数据。例如第一种，进入网站到浏览商品，如果同行业水平的转化率是45%，而我们只有40%，那阐明这个过程，没有达到行业平均水平，我们就需要分析具体
4、因素在哪里，再有针对性的去优化和改善。固然，上面这是我们设计的一种抱负化的漏斗模型，数据有也许是通过汇总后得出的。而真实的顾客行为往往也许并不是按照这个简朴流程来的。此时需要分析顾客为什么要通过那么复杂的途径来达到最后目的，思考这中间有无可以优化的空间。AARRR模型这个是所有的产品经理都必须要掌握的一种数据分析模型。AARRR（Acquisition、Activation、Retention、Revenue、Refer）是硅谷的一种风险投资人戴维 麦克鲁尔在时创立的，分别是指获取、激活、留存、收入和推荐。举个例子，用AARRR模型来衡量一种渠道的好坏。如果单从数据表面来看，A渠道会更划算，但
5、实际这种结论是有问题的，用AARRR模型具体分析如下：渠道A的单个留存顾客成本是60元，单个付费顾客成本是300元；而渠道B的单个留存顾客成本是20元，单个付费顾客成本是33元，这样对比下来，明显B渠道的优势远远不小于A渠道。数据能真实的反映一款APP的运营状况，协助开发者进一步理解产品、理解顾客。但问题是，面对如此多的数据报表，该关注哪些指标?如何去分析数据才干解决问题?如何获取这些有价值的数据?核心性的数据指标可分四类：顾客获取、顾客质量、内容使用、核心行为转化。二、 顾客获取下载量和激活量可以真实反映渠道获取顾客的能力;另一方面，还要分别查看每个环节的转化率，从渠道点击下载激活注册更深的
6、行为，顾客获取的链条上，每个环节都会发生转化，要逐个分析每个环节的提高空间。从而减少每个顾客的获取成本。三、 顾客质量。它能协助开发者优化顾客获取环节。它有两个典型的指标，留存和活跃。留存率可以一定限度地反映出产品对顾客的适配限度;活跃度反映的则是顾客对产品的依赖限度。当基本的留存率和活跃度有保证之后,开发者可以看某些更细节的行为指标如核心行为点击率，这个指标对于有些应用来说也许是付费，也许是分享、评论、注册或者你承认的APP重要操作。四、 内容使用在做分析之前，先把页面提成三类：导航页、流程页和内容页。导航页汇集了诸多入口，这个页面的作用是让顾客迅速找到想用的模块;流程页的重要功能是引导顾客
7、完毕最后的目的;最后一类是内容页，类似商品墙，重要展示的是详情。宏观上讲，内容使用可以从页面的退出率和页面之间的跳转途径去看，如果顾客在内容页或者流程页最后的页面退出都是合理的，开发者需要关注的是导航页和流程页中间的退出。除了对页面的体现进行评估, 还可以通过自定义事件来监测更为具体的点击和操作。五、 核心行为转化（最核心）想要提高点击率，要依托漏斗模型来优化核心行为的转化率和转化途径。李荟分享了一种电商导购应用的案例，它的顾客典型使用途径：打开客户端浏览最热最新点击查看单品点击去淘宝。产品经理拿到数据后，觉得顾客在点击查看单品到点击去淘宝这步转化率不够抱负，后来将按钮上的“去购买”改为“ 查
8、看详情” ， 暗示顾客点击之后有更多有助于购买决策的信息，且不一定要购买，修改上线后， 点击去淘宝的转化率从10%上升到15%。获取到核心数据后，该如何分析解决运营中的问题? 基本措施就是做比较，单纯的看数字并不能协助开发者做判断。建议把不同维度的数据做对比，譬如跟历史数据做比较，或同一时间点的同类APP进行多维度间的对比，可以协助开发者找到数据变化的主线因素。以案例来阐明如何通过度析留存率找到运营中的问题。有APP在发新版本后，浮现DAU急剧下降的状况，这种问题该如何分析?一方面，DAU提成新顾客和老顾客。开发者可以先查看近段时间的推广状况，以此来查看新增趋势的变化;然后再观测新顾客的沉淀(
9、留存)。对于发布新版本的APP,要进一步筛查新版本的产品变动和各渠道留存率，看是产品的问题还是渠道推广的问题。案例中APP的版本更新无较大变化，新增趋势也比较稳定，阐明不是产品的问题，后来发现主推渠道的留存率非常低，于是问题的核心就被发现了，新版本在主推渠道推广上存在问题。最后，擅用分析工具 获取有价值数据，如果你分析的数据没价值，再好的分析措施都是空谈。获取有效数据也需要方略。一方面，在业务层面，开发者需要一种明确的商业指标，在目的基本上建立一套匹配的分析体系;另一方面，从技术角度看，需要有一种精确、稳定、以便、灵活的工具，来帮开发者完毕采集、收集、存储、计算、展示等一套工作流程。另一方面，开发者要注意数据采集的精确性，严防渠道作弊等状况发生，保证ID采集的精确性、一致性。其实，数据自身并不能直接协助改善产品，数据归根究竟是一种度量，想让数据真正发挥作用，一定要基于开发者对业务非常深的理解，并在理解基本上构建科学的分析体系，用有效的分析工具来协助你来进行分析运营。
