[[157843]]

在2012年及2013年諸多大型互聯網公司其移動端的流量已經超越PC端的流量，很多大型互聯網企業PC業務用戶往移動端遷移，呈現出PC業務增長放緩，移動業務增長迅速的態勢。從第三方數據機構統計的數據來看，網民中使用手機上網的人群占比進一步提升，由2013年12月的81.0%提升至2015年6月的88.9%，即中國網民中，接近9成的用戶在使用手機上網，達到接近6億的規模。如果一個互聯網企業沒有在移動端的拳頭產品，將很快被移動互聯網的浪潮顛覆。在未來的兩三年內，得移動互聯網得天下。

從數據看出，移動互聯網是互聯網發展最重要的方向，因此，對于擁抱互聯網的企業來說，設計和運營好移動互聯網應用（下文稱APP）成為移動互聯網時代最重要的任務。而在移動互聯網的設計和運營過程中，數據分析起到很基礎但也很重要的作用。在互聯網企業，任何一個APP都要事先規劃好數據體系，才允許上線運營，有了數據才可以更好的科學運營。因此本文將為大家介紹APP的基礎數據指標體系。

APP的數據指標體系主要分為五個維度，包括用戶規模與質量、參與度分析、渠道分析、功能分析以用戶屬性分析。用戶規模和質量維度主要是分析用戶規模指標，這類指標一般為產品考核的重點指標；參與度分析主要分析用戶的活躍度；渠道分析主要分析渠道推廣效果；功能分析主要分析功能活躍情況、頁面訪問路徑以及轉化率；用戶屬性分析主要分析用戶特征。本文將詳述這五大維度。

一、用戶規模和質量

用戶規模和質量的分析包括活躍用戶、新增用戶、用戶構成、用戶留存率、每個用戶總活躍天數五個常見指標。用戶規模和質量是APP分析最重要的維度，其指標也是相對其他維度最多，產品負責人要重點關注這個維度的指標。

（1）活躍用戶指標

活躍用戶指在某統計周期內啟動過應用（APP）的用戶。活躍用戶數一般按照設備維度統計，即統計一段周期內啟動過的設備（如手機、平板電腦）數量?；钴S用戶是衡量應用用戶規模的指標。通常，一個產品是否成功，如果只看一個指標，那么這個指標一定是活躍用戶數。很多互聯網企業對產品負責人的KPI考核指標都以活躍用戶數作為考核指標?；钴S用戶數根據不同統計周期可以分為日活躍數（DAU）、周活躍數（WAU）、月活躍數（MAU）。大多數希望用戶每天都打開的應用如新聞APP、社交APP、音樂APP等，其產品的KPI考核指標均為日活躍用戶數（DAU）。為什么？如果這些APP考核的指標是月活躍用戶數，那么會出現什么狀況？月活躍用戶只要求用戶在一個月內啟動應用一次既可以計算為月活躍用戶，所以，一個本應該每天都要啟動的應用，如果用月活躍用戶數作為KPI來考核，那么會出現產品運營負責人“偷懶”的情況，產品運營人員只需要每月想辦法讓用戶啟動一次即可，也許向用戶推送兩三個活動就可以實現，這樣的考核會導致產品不夠吸引力甚至是不健康。如果用日活躍用戶來作為KPI來考核這個產品，那么產品運營負責人一定會設計讓用戶每天都想用的功能或者更新每天用戶都想看的內容來吸引用戶來使用。

（2）新增用戶指標

新增用戶是指安裝應用后，首次啟動應用的用戶。按照統計時間跨度不同分為日、周、月新增用戶。新增用戶量指標主要是衡量營銷推廣渠道效果的最基礎指標；另一方面，新增用戶占活躍用戶的比例也可以用來用于衡量產品健康度。如果某產品新用戶占比過高，那說明該產品的活躍是靠推廣得來，這種情況非常值得關注，尤其是關注用戶的留存率情況。

（3）用戶構成指標

用戶構成是對周活躍用戶或者月活躍用戶的構成進行分析，有助于通過新老用戶結構了解活躍用戶健康度。以周活躍用戶為例，周活躍用戶包括以下幾類用戶，包括本周回流用戶、連續活躍n周用戶、忠誠用戶、連續活躍用戶。本周回流用戶是指上周未啟動過應用，本周啟動應用的用戶；連續活躍n周用戶是指連續n周，每周至少啟動過一次應用的活躍用戶；忠誠用戶是指連續活躍5周及以上的用戶；連續活躍用戶是指連續活躍2周及以上的用戶；近期流失用戶是指連續n周（大約等于1周，但小于等于4周）沒有啟動過應用但用戶。

（4）用戶留存率指標

用戶留存率是指在某一統計時段內的新增用戶數中再經過一段時間后仍啟動該應用的用戶比例。用戶留存率可重點關注次日、7日、14日以及30日留存率。次日留存率即某一統計時段（如今天）新增用戶在第二天（如明天）再次啟動應用的比例；7 日留存率即某一統計時段（如今天）新增用戶數在第 7 天再次啟動該應用的比例；14日和30日留存率以此類推。用戶留存率是驗證產品用戶吸引力很重要的指標。通常，我們可以利用用戶留存率對比同一類別應用中不同應用的用戶吸引力。如果對于某一個應用，在相對成熟的版本情況下，如果用戶留存率有明顯變化，則說明用戶質量有明顯變化，很可能是因為推廣渠道質量的變化所引起的。

（5）每個用戶總活躍天數指標

每個用戶的總活躍天數指標（TAD，Total Active Days per User）是在統計周期內，平均每個用戶在應用的活躍天數。如果統計周期比較長，如統計周期一年以上，那么，每個用戶的總活躍天數基本可以反映用戶在流失之前在APP上耗費的天數，這是反映用戶質量尤其是用戶活躍度很重要的指標。

二、參與度分析

參與度分析的常見分析包括啟動次數分析、使用時長分析、訪問頁面分析和使用時間間隔分析。參與度分析主要是分析用戶的活躍度。

（1）啟動次數指標

啟動次數是指在某一統計周期內用戶啟動應用的次數。在進行數據分析時，一方面要關注啟動次數的總量走勢，另一方面，則需要關注人均啟動次數，即同一統計周期的啟動次數與活躍用戶數的比值，如人均日啟動次數，則為日啟動次數與日活躍用戶數的比值，反映的是每天每用戶平均啟動次數。通常，人均啟動次數和人均使用時長可以結合一起分析。

（2）使用時長

使用總時長是指在某一統計統計周期內所有從APP啟動到結束使用的總計時長。使用時長還可以從人均使用時長、單次使用時長等角度進行分析。人均使用時長是同一統計周期內的使用總時長和活躍用戶數的比值；單次使用時長是同一統計周期內使用總時長和啟動次數的比值。使用時長相關的指標也是衡量產品活躍度、產品質量的重要指標，道理很簡單，用戶每天的時間是有限的且寶貴的，如果用戶愿意在你的產品投入更多的時間，證明你的應用對用戶很重要。啟動次數和使用時長可以結合一起分析，如果用戶啟動次數高，使用時長高，該APP則為用戶質量非常高，用戶粘性好的應用，比如現在很流行的社交應用。

（3）訪問頁面

訪問頁面數指用戶一次啟動訪問的頁面數。我們通常要分析訪問頁面數分布，即統計一定周期內（如1天、7天或30天）應用的訪問頁面數的活躍用戶數分布，如訪問1-2頁的活躍用戶數、3-5頁的活躍用戶數、6-9頁的活躍用戶數、10-29頁的活躍用戶數、30-50頁的活躍用戶數，以及50頁以上的活躍用戶數。同時，我們可以通過不同統計周期（但統計跨度相同，如都為7天）的訪問頁面分布的差異，以便于發現用戶體驗的問題。

（4）使用時間間隔

使用時間間隔是指同一用戶相鄰兩次啟動的時間間隔。我們通常要分析使用時間間隔分布，一般統計一個月內應用的用戶使用時間間隔的活躍用戶數分布，如使用時間間隔在1一天內、1天、2天……7天、8-14天、15-30天的活躍用戶數分布。同時，我們可以通過不同統計周期（但統計跨度相同，如都為30天）的使用時間間隔分布的差異，以便于發現用戶體驗的問題。

三、渠道分析

渠道分析主要是分析個渠道在相關的渠道質量的變化和趨勢，以科學評估渠道質量，優化渠道推廣策略。渠道分析需要渠道推廣負責人重點關注，尤其是目前移動應用市場渠道作弊較為盛行的情況下，渠道推廣的分析尤其是要重點關注渠道作弊的分析。

渠道分析包括新增用戶、活躍用戶、啟動次數、單次使用時長和留存率等指標。這些指標均在上文闡述過，在此就不在贅述。以上提到的只是渠道質量評估的初步維度，如果還需要進一步研究渠道，尤其是研究到渠道防作弊層面，指標還需要更多，包括：判斷用戶使用行為是否正常的指標，如關鍵操作活躍量占總活躍的占比，用戶激活APP的時間是否正常；判斷用戶設備是否真實，如機型、操作系統等集中度的分析。

總之，如果要深入研究渠道作弊，算法的核心思想是研究推廣渠道所帶來的用戶是否是真的“人”在用，從這個方向去設計相關的評估指標和算法，如某渠道帶來的用戶大部分集中在凌晨2點使用APP，我們就認為這種渠道所帶來的用戶很可能不是正常人在使用，甚至是機器在作弊。

四、功能分析

功能分析主要分析功能活躍情況、頁面訪問路徑以及轉化率。這些指標需要功能運營的產品經理重點關注。

（1）功能活躍指標

功能活躍指標主要關注某功能的活躍人數、某功能新增用戶數、某功能用戶構成、某功能用戶留存。這些指標的定義與本文第一部分的“用戶規模與質量”的指標類似。只是，本部分只關注某一功能模塊，而不是APP整體。

（2）頁面訪問路徑分析

APP頁面訪問路徑統計用戶從打開應用到離開應用整個過程鐘每一步的頁面訪問和跳轉情況。頁面訪問路徑分析的目的是在達到APP商業目標之下幫助APP用戶在使用APP的不同階段完成任務，并且提高任務完成的效率。APP頁面訪問路徑分析需要考慮以下三方面問題：（a）APP用戶身份的多樣性，用戶可能是你的會員或者潛在會員，有可能是你的同事或者競爭對手等；（b）APP用戶目的多樣性，不同用戶使用APP的目的有所不同；（c）APP用戶訪問路徑的多樣性，即時是身份類似、使用目的類似，但訪問路徑也很可能不同。因此，我們在做APP頁面訪問路徑分析的時候，需要對APP用戶做細分，然后再進行APP頁面訪問路徑分析。最常用的細分方法是按照APP的使用目的來進行用戶分類，如汽車APP的用戶便可以細分為關注型、意向型、購買型用戶，并對每類用戶進行基于不同訪問任務的進行路徑分析，比如意向型的用戶，他們進行不同車型的比較都有哪些路徑，存在什么問題。還有一種方法是利用算法，基于用戶所有訪問路徑進行聚類分析，基于訪問路徑的相似性對用戶進行分類，再對每類用戶進行分析。

（3）漏斗模型

漏斗模型是用于分析產品中關鍵路徑的轉化率，以確定產品流程的設計是否合理，分析用戶體驗問題。轉化率是指進入下一頁面的人數（或頁面瀏覽量）與當前頁面的人數（或頁面瀏覽量）的比值。用戶從剛進入到完成產品使用的某關鍵任務時（如購物），不同步驟之間的轉換會發生損耗。如用戶進入某電商網站，到瀏覽商品，到把商品放入購物車，最后到支付，每一個環節都有很多的用戶流失損耗。通過分析轉化率，我們可以比較快定位用戶使用產品的不同路徑中，那一路徑是否存在問題。當然，對于產品經理，其實不用每天都看轉化率報表，我們可以對每天的轉化率進行連續性的監控，一旦轉化率出現較大的波動，便發告警郵件給到相應的產品負責人，以及時發現產品問題。

五、用戶屬性分析

用戶屬性分析主要從用戶使用的設備終端、網絡及運營商分析和用戶畫像角度進行分析。

（1）設備終端分析

設備終端的分析維度包括機型分析、分辨率分析和操作系統系統分析，在分析的時候，主要針對這些對象進行活躍用戶、新增用戶數、啟動次數的分析。即分析不同機型的活躍用戶數、新增用戶數和啟動次數，分析不同分辨率設備的活躍用戶數、新增用戶數和啟動次數，分析不同操作系統設備的活躍用戶數、新增用戶數和啟動次數。

（2）網絡及運營商分析

網絡及運營商主要分析用戶聯網方式和使用的電信運營商，主要針對這些對象進行活躍用戶、新增用戶數、啟動次數的分析。即分析聯網方式（包括wifi、2G、3G、4G）的活躍用戶數、新增用戶數和啟動次數，分析不同運營商（中國移動、中國電信、中國聯通等）的活躍用戶數、新增用戶數和啟動次數。

（3）地域分析

主要分析不同區域，包括不同省市和國家的活躍用戶數、新增用戶數和啟動次數。

（4）用戶畫像分析

用戶畫像分析包括人口統計學特征分析、用戶個人興趣分析、用戶商業興趣分析。人口統計學特征包括性別、年齡、學歷、收入、支出、職業、行業等；用戶個人興趣指個人生活興趣愛好的分析，如聽音樂、看電影、健身、養寵物等；用戶商業興趣指房產、汽車、金融等消費領域的興趣分析。用戶畫像這部分的數據需要進行相相關的畫像數據采集，才可以支撐比較詳細的畫像分析。

本文主要介紹了APP基礎的數據分析體系，還有更多的指標體系需要根據APP的特性進行特殊設計，比如，搜索APP需要關注與其特性相關的指標如搜索關鍵詞數、人均搜索關鍵詞數等。另外，還有一個非常值得關注的是，很多產品經理或者運營人員認為本文提到的很多指標，產品上線后便自然可以看到，這是一個非常常見的誤區。因為，本文提到的大多數指標，如果不進行數據打點上報，并進行相關的數據開發統計，就不能看不到相關的數據報表。所以，產品經理在產品上線前一定要規劃好自己所負責的產品的數據體系，驅動開發進行相關的數據采集上報，并在運營過程中，動態優化和豐富數據體系。