APP数据化运营.docx

数据分析方法论明确数据分析的目的做数据分析，必须要有一个明确的目的，知道自己为什么要做数据分析，想要达到什么效果。比如：为了评估产品改版后的效果比之前有所提升；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，接下来需要确定应该收集的数据都有哪些。收集数据的方法说到收集数据，首先要做好数据埋点。所谓“埋点”，就是在正常的功能逻辑中添加统计代码，将自己需要的数据统计出来。目前主流的数据埋点方式有两种：第一种：自己开发。开发时加入统计代码，并搭建自己的数据查询系统。第二种：利用第三方统计工具。常见的第三方统计工具有：网站分析工具：Alexa、中国网站排名、网络媒体排名（iwebchoice）、Google Analytics、百度统计移动应用分析工具：Flurry、Google Analytics、友盟、TalkingData、Crashlytics不同产品，不同目的，需要的支持数据不同，确定好数据指标后，选择适合自己公司的方式来收集相应数据。产品的基本数据指标新增：新用户增加的数量和速度。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。用户的活跃数越多，越有可能为产品带来价值。留存率：用户会在多长时间内使用产品。如：次日留存率、周留存率等。传播：平均每位老用户会带来几位新用户。流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。常见的数据分析法和模型这里主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用户到最终用户这个过程中用户数量的变化趋势，从而寻找到最佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。比如，这个例子是分析从用户进入网站到最终购买商品的变化趋势。从用户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。比如第一个，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%，那说明这个过程，没有达到行业平均水平，我们就需要分析具体原因在哪里，再有针对性的去优化和改善。当然，上面这是我们设计的一种理想化的漏斗模型，数据有可能是经过汇总后得出的。而真实的用户行为往往可能并不是按照这个简单流程来的。此时需要分析用户为什么要经过那么复杂的路径来达到最终目的，思考这中间有没有可以优化的空间。AARRR模型这个是所有的产品经理都必须要掌握的一个数据分析模型。AARRR（Acquisition、Activation、Retention、Revenue、Refer）是硅谷的一个风险投资人戴维 · 麦克鲁尔在2008年时创建的，分别是指获取、激活、留存、收入和推荐。举个例子，用AARRR模型来衡量一个渠道的好坏。如果单从数据表面来看，A渠道会更划算，但实际这种结论是有问题的，用AARRR模型具体分析如下：渠道A的单个留存用户成本是60元，单个付费用户成本是300元；而渠道B的单个留存用户成本是20元，单个付费用户成本是33元，这样对比下来，明显B渠道的优势远远大于A渠道。数据能真实的反映一款APP的运营状况，帮助开发者进一步了解产品、了解用户。但问题是，面对如此多的数据报表，该关注哪些指标?怎样去分析数据才能解决问题?如何获取这些有价值的数据?关键性的数据指标可分四类：用户获取、用户质量、内容使用、关键行为转化。用户获取下载量和激活量可以真实反映渠道获取用户的能力;其次，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—更深的行为，用户获取的链条上，每个环节都会发生转化，要逐个分析每个环节的提升空间。从而降低每个用户的获取成本。用户质量。它能帮助开发者优化用户获取步骤。它有两个典型的指标，留存和活跃。留存率可以一定程度地反映出产品对用户的适配程度;活跃度反映的则是用户对产品的依赖程度。当基本的留存率和活跃度有保证之后,开发者可以看一些更细节的行为指标如关键行为点击率，这个指标对于有些应用来说可能是付费，可能是分享、评论、注册或者你认可的APP重要操作。内容使用在做分析之前，先把页面分成三类：导航页、流程页和内容页。导航页汇集了很多入口，这个页面的作用是让用户快速找到想用的模块;流程页的主要功能是引导用户完成最终的目标;最后一类是内容页，类似商品墙，主要展示的是详情。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，如果用户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。除了对页面的表现进行评估, 还可以通过自定义事件来监测更为具体的点击和操作。关键行为转化（最关键）想要提高点击率，要依靠漏斗模型来优化关键行为的转化率和转化路径。李荟分享了一个电商导购应用的案例，它的用户典型使用路径：打开客户端—浏览最