2012和2013，很多大型互聯網公司的移動流量已經超過了PC流量，很多大型互聯網公司的PC業務用戶向移動端遷移，呈現出PC業務增長緩慢，移動業務增長迅速的趨勢。據第三方數據機構統計，網民使用手機的比例進壹步上升，從2065，438+03年2月的865，438+0.0%上升到2065，438+05年6月的88.9%，也就是說，中國近90%的網民在使用手機上網，達到近6億的規模。壹個互聯網公司如果在移動端沒有拳頭產品，很快就會被移動互聯網的浪潮顛覆。未來兩三年，移動互聯網將得天下。
從數據可以看出，移動互聯網是互聯網發展最重要的方向。因此，對於擁抱互聯網的企業來說，設計和運營移動互聯網應用(以下簡稱APP)成為了移動互聯網時代最重要的任務。在移動互聯網的設計和運營中，數據分析起著非常基礎但又非常重要的作用。在互聯網公司，任何APP都必須提前規劃好數據系統，才能上線運營。有了數據，才能科學運營。因此，本文將介紹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，包括用戶規模和質量、參與度分析、渠道分析、功能分析、用戶屬性分析。用戶規模和質量維度主要用於分析用戶規模指標，壹般是產品考核的關鍵指標；參與分析主要分析用戶的活躍度；渠道分析主要分析渠道推廣的效果；功能分析主要分析功能活躍度、頁面訪問路徑、轉化率；用戶屬性分析主要分析用戶特征。本文將就這五個維度進行闡述。
第壹，用戶規模和質量
用戶規模和質量的分析包括五個常用指標:活躍用戶、新增用戶、用戶構成、用戶留存率和每個用戶的總活躍天數。用戶規模和質量是APP分析最重要的維度，其指標相對於其他維度也是最重要的。產品負責人應該關註這個維度的指標。
(1)活動用戶指示器
活躍用戶是指在壹定統計周期內啟動了某個應用(APP)的用戶。活躍用戶數壹般按照設備維度統計，即壹段時間內啟動的設備(如手機、平板)數量。活躍用戶是衡量應用用戶規模的壹個指標。通常壹個產品成功與否只取決於壹個指標，那麽這個指標壹定是活躍用戶數。很多互聯網公司把活躍用戶數作為產品負責人的KPI考核指標。根據統計周期的不同，活躍用戶數可分為日活躍數(DAU)、周活躍數(WAU)和月活躍數(MAU)。用戶每天要打開的大部分應用，如新聞app、社交APP、音樂APP等。，他們產品的KPI評價指標是DAU。為什麽？如果這些APP考核的指標是月活躍用戶數，會怎麽樣？月活躍用戶只要要求用戶每月啟動壹次應用，就可以算作月活躍用戶。所以，如果把月活躍用戶數作為壹個應該每天啟動的應用的KPI，那麽負責產品運營的人就會“偷懶”。產品運營只需要每月想辦法啟動壹次應用，說不定推兩三個活動給用戶就能實現。這樣的評估會導致產品沒有吸引力，甚至不健康。如果以日活躍用戶作為KPI來評價這款產品，產品運營負責人肯定會設計用戶每天想用的功能或者更新用戶每天想看的內容來吸引用戶使用。
(2)新用戶指標
新用戶是指安裝應用程序後第壹次啟動應用程序的用戶。根據統計時間跨度的不同，分為日新增用戶、周新增用戶和月新增用戶。新用戶的指標主要是衡量營銷推廣渠道效果的最基本指標；另壹方面，新用戶占活躍用戶的比例也可以用來衡量產品的健康程度。如果壹個產品的新用戶比例過高，說明產品的活躍度來自推廣，這是非常值得關註的，尤其是用戶的留存率。
(3)用戶構成指標
用戶構成是分析周活躍用戶或月活躍用戶的構成，有助於通過新老用戶的結構了解活躍用戶的健康狀況。以周活躍用戶為例。周活躍用戶包括以下幾類用戶，包括本周回歸用戶，N周連續活躍用戶，忠實用戶，持續活躍用戶。本周返回的用戶是指上周未啟動應用，本周啟動應用的用戶；N周活躍用戶是指N周內每周至少啟動壹次應用的活躍用戶；忠實用戶是指連續活躍5周或以上的用戶；持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(約1周，但小於等於4周)沒有啟動應用的用戶。
(4)用戶留存指數
用戶留存率是指在壹定統計周期內，經過壹段時間後仍然啟動應用的用戶在新增用戶數中所占的比例。用戶留存率可重點關註次日、7日、14日、30日留存率。次日留存率是某個統計周期內(比如今天)第二天(比如明天)再次啟動應用的新用戶比例；7天留存率是壹定統計周期內(比如今天)第7天再次啟動應用的新用戶比例；14和30天留存率等等。用戶留存率是驗證產品用戶吸引力的重要指標。通常我們可以用用戶留存率來比較同壹類別不同應用的用戶吸引力。如果對於壹個應用來說，在版本相對成熟的情況下，如果用戶留存率發生了明顯的變化，說明用戶質量發生了明顯的變化，很可能是推廣渠道質量的變化導致的。
(5)每個用戶的總活躍天數指數
每個用戶的TAD(每個用戶的總活躍天數)是統計周期內每個用戶在應用中的平均活躍天數。如果統計周期較長，比如超過壹年，那麽每個用戶的總活躍天數基本可以反映用戶流失前在APP上花費的天數，是反映用戶質量，尤其是用戶活躍度的重要指標。
第二，參與分析
常見的參與度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間隔分析。參與度分析主要是分析用戶的活躍度。
(1)啟動時間索引
啟動次數是指用戶在某個統計周期內啟動應用的次數。在數據分析中，壹方面要關註啟動次數的總趨勢，另壹方面要關註人均啟動次數，即相同統計周期內啟動次數與活躍用戶的比值。比如人均日啟動次數就是日啟動次數與日活躍用戶數的比值，反映的是每個用戶每天的平均啟動次數。通常，人均啟動次數和人均使用時間可以壹起分析。
(2)使用期限
總使用時長是指在某個統計周期內，APP從開始使用到結束使用的總時長。使用時間也可以從人均使用時間和單次使用時間兩個角度進行分析。人均使用時間是總使用時間與同壹統計周期內活躍用戶數的比值；單次使用持續時間是同壹統計周期內總使用持續時間與啟動時間的比率。與使用時長相關的指標也是衡量產品活躍度和產品質量的重要指標。原因很簡單。用戶每天的時間是有限而寶貴的。如果用戶願意在妳的產品上投入更多的時間，證明妳的應用對用戶非常重要。啟動次數和使用持續時間可以壹起分析。如果用戶啟動次數多，使用時長長，則該APP是用戶質量非常高，用戶粘性好的應用，比如熱門的社交應用。
(3)訪問頁面
訪問量是指用戶壹次訪問的頁面數量。我們通常需要分析訪問頁面數的分布，即統計某段時間(如1天、7天或30天)內訪問頁面數的活躍用戶分布，如訪問1-2頁的活躍用戶數、訪問3-5頁的活躍用戶數、訪問6-9頁的活躍用戶數、訪問10-29頁的活躍用戶數、訪問10-29頁的活躍用戶數同時，通過不同統計周期(但統計跨度相同，如7天)訪問頁面分布的差異，可以發現用戶體驗的問題。
(4)使用時間間隔
使用間隔是指同壹用戶的兩次相鄰啟動之間的時間間隔。我們通常需要分析使用區間的分布，壹般統計壹個月內用戶使用區間內的活躍用戶分布，比如壹天內使用區間為1的活躍用戶分布，1天，2天...7天，8-14天，15-30天。同時，通過不同統計周期(但統計跨度相同，如30天)使用間隔分布的差異，可以發現用戶體驗的問題。
第三，渠道分析
渠道分析主要是分析各渠道渠道質量的變化和趨勢，從而科學地評估渠道質量，優化渠道推廣策略。渠道分析需要渠道推廣負責人的重視，尤其是在目前移動應用市場渠道作弊盛行的情況下，渠道推廣的分析要特別重視渠道作弊的分析。
渠道分析包括新用戶、活躍用戶、啟動次數、單次使用時長和留存率。這些指標上面已經介紹過了，這裏不再贅述。上面提到的只是信道質量評估的初步維度。如果需要對渠道進行進壹步的研究，尤其是在渠道反作弊的層面上，需要更多的指標，包括:判斷用戶使用行為是否正常的指標，比如按鍵操作活躍度占總活躍度的比例，用戶激活APP的時間是否正常；確定用戶設備是否真實，如型號和操作系統的集中度分析。
總之，如果要深入研究渠道作弊，算法的核心思想就是研究推廣渠道帶來的用戶是否真的是“人”在使用，並從這個方向設計相關的評價指標和算法。比如某個渠道帶來的用戶大多集中在淩晨2點使用APP，所以我們認為這個渠道帶來的用戶很可能不是正常用戶，甚至是機器在作弊。
第四，功能分析
功能分析主要分析功能活躍度、頁面訪問路徑、轉化率。這些指標需要職能運營的產品經理重點關註。
(1)功能活動指數
功能活躍度指標主要關註壹個功能的活躍用戶數、壹個功能的新增用戶數、壹個功能的用戶構成和壹個功能的用戶留存。這些指標的定義類似於本文第壹部分中的“用戶規模和質量”指標。但這部分只是針對某個功能模塊，而不是整個APP。
(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的每壹步的頁面訪問和跳轉。頁面訪問路徑分析的目的是幫助APP用戶在使用APP的不同階段完成任務，提高任務完成的效率。分析APP頁面的訪問路徑要考慮以下三個方面:(a)APP用戶身份的多樣性，可能是妳的會員或潛在會員，也可能是妳的同事或競爭對手；(二)APP用戶使用目的多樣，不同用戶使用APP的目的不同；(c)c)APP用戶訪問路徑的多樣性，即身份相似，目的相似，但訪問路徑很可能不同。所以我們在分析APP頁面的訪問路徑時，需要對APP的用戶進行細分，進而分析APP頁面的訪問路徑。最常用的細分方法是根據使用APP的目的對用戶進行分類。比如汽車類app的用戶可以細分為關註型、意向型、購買型用戶，針對每壹類用戶基於不同的訪問任務進行路徑分析，比如意向型用戶，他們有什麽路徑，在對比不同車型時有什麽問題。另壹種方法是使用壹種算法，根據用戶的所有訪問路徑進行聚類分析，根據訪問路徑的相似度對用戶進行分類，然後對每壹類用戶進行分析。
(3)漏鬥模型
漏鬥模型用於分析產品中關鍵路徑的轉化率，判斷產品流程的設計是否合理，分析用戶體驗。轉化率是指進入下壹個頁面(或頁面瀏覽量)的人數與當前頁面的人數(或頁面瀏覽量)的比值。當用戶只是進入完成壹個產品使用的關鍵任務(比如購物)時，不同步驟之間的轉換就會丟失。如果用戶進入壹個電商網站，瀏覽商品，將商品放入購物車，最後付款，每個環節都有很多用戶流失。通過分析轉化率，可以快速定位用戶使用產品的不同路徑是否存在問題。當然，對於產品經理來說，不壹定要每天看轉化率報告，但是我們可以每天持續監控轉化率。壹旦轉化率出現大幅波動，我們會向相應的產品負責人發送報警郵件，及時發現產品問題。
動詞 （verb的縮寫）用戶屬性分析
用戶屬性分析主要是從用戶使用的設備終端、網絡、運營商以及用戶畫像的角度。
(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分析。在分析過程中，主要分析這些對象的活動用戶、新用戶和啟動時間。即分析不同型號、不同分辨率的設備、不同操作系統的設備的活躍用戶數、新用戶數和啟動時間。
(2)網絡和運營商分析
網絡和運營商主要分析用戶組網方式和使用的電信運營商，針對這些對象主要分析活躍用戶、新增用戶和啟動次數。即聯網模式(包括wifi、2G、3G、4G)的活躍用戶數、新增用戶數和啟動次數以及不同運營商(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。)進行了分析。
(3)區域分析
主要分析不同地區，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特征分析、用戶個人興趣分析和用戶商業興趣分析。人口統計特征包括性別、年齡、教育程度、收入、支出、職業、行業等。用戶個人興趣是指對個人生活興趣的分析，如聽音樂、看電影、健身、養寵物等。用戶商業興趣是指對房產、汽車、金融等消費領域的興趣分析。需要收集這部分用戶的畫像數據，以便支持更詳細的畫像分析。
主要介紹APP的基礎數據分析體系，還有更多指標體系需要根據APP的特點專門設計。比如搜索APP，需要關註與其特性相關的指標，比如搜索關鍵詞數量、人均搜索關鍵詞數量等。此外，還有壹點非常值得註意的是，很多產品經理或運營人員認為本文提到的很多指標，在產品推出後就能自然看到，這是壹個非常普遍的誤區。因為，本文提到的大部分指標，如果不上報數據，不做相關的數據發展統計，就不可能看不到相關的數據報表。因此，產品經理必須在產品上線前對所負責產品的數據系統進行規劃，驅動開發收集和上報相關數據，並在運營過程中動態優化和豐富數據系統。