ITBear旗下自媒体矩阵:

友盟9大数据指标助力App“长生不老”

   时间:2015-11-13 10:05:58 来源:互联网编辑:星辉 发表评论无障碍通道

本人有一位 80 后朋友,在帝都坐拥 n 套房产和车位,是一位不折不扣的土豪。不幸的是他在某一年体检时查出自己患了脂肪肝,土豪朋友被吓坏了,于是制定了严格的饮食和健身计划,并定期到三甲医院检查康复状况,现在已经痊愈。他对医院的要求非常严格,他说:“健康并非玩笑,我只相信权威”。

移动互联网中的 App 很像社会中的人,是这个生态中的组成元素。人有生老病死,但我们要努力避免在必然死亡的道路上偶然死亡。人的健康度可以去权威医院检测,而 App 的健康度首选友盟统计分析来评估。一款产品的整个生命周期通常包括导入期、成长期、成熟期和衰退期,友盟统计分析在 App 的整个生命周期中贯穿运用并发挥着重要价值。

App 导入期

关键词:留存率、活跃度、周用户构成、页面访问路径、错误分析

App上线初期,开发者除了关注新增用户、活跃用户、使用时长等一些基础指标外,了解 App 更多性能的指标还有留存率页面访问路径和错误分析等,近一年友盟又推出了一些更精细的指标帮助开发者深入了解自己的 App,比如周用户构成和用户活跃度。下面解读不一样的指标为 App 带来了哪些不一样的价值。

图1:日留存数据报表

图 1 是两个 App 日留存数据的对比,留存数据直观的反应 App 对用户的留存能力,图中 A 应用相比 B 应用的数据表现显示,留存能力属于较优质的水平。除日留存外,还可以通过选择更长时间窗口来查看周留存和月留存数据,以及单个渠道/版本对应的不同时间粒度留存数据。提高 App 留存率的方法可以借助精准消息推送工具唤醒用户,也可以在 App 中植入微社区功能,通过用户之间的互动吸引回流,另外 App 中的强需求功能点能吸引用户更多回流。

友盟 大数据

图2:用户活跃度

图 2 是两个 App 用户活跃度的对比,用户活跃度是对当日活跃用户在过去 15 天中活跃情况的拆分,图中的色区从上到下依次对应活跃 1 天的用户,活跃 2 天的用户......活跃 15 天的用户,最红色部分的用户对 App 的粘性最高。图中的 A 应用活跃 1 天的用户(即新增用户)增长稳定并且在整个活跃用户中占比较小,说明这可能是一个处于生命周期成熟期的 App,新增的市场空间来自新的移动互联网网民或者设备更新,同时活跃多天的用户占比较高,也说明这是一个优质的 App 。 B 应用活跃用户经过急剧的攀升后又出现了下滑趋势,活跃小于 5 天的用户占绝大比例,这可能是一个刚刚处于导入期的 App ,经过一段时间后不同粘性的活跃用户都出现了下跌,说明用户对 App 的忠诚度并不高,这可能并不是一个强需求或高质量的 App 。

友盟 大数据

图3:周用户构成

图 3 是两个 App 周用户构成的对比,周用户构成是对当周活跃用户在过去的自然周里连续活跃情况的统计,其中本周回流用户是指上周未启动应用这周回流的用户,忠诚用户是只连续活跃 5 周及以上的用户。相比用户活跃度而言,周用户构成可以体现更长时间窗口期的活跃用户粘性情况。通过用户的连续活跃数据可以看出图中 A 应用正值成长的发力期,而 B 应用处于成熟期,并且用户忠诚度高。

友盟 大数据

图4:页面访问路径

页面访问路径直观体现 App 中不同页面的被访问次数和页面之间的跳转关系,以此判断用户在 App 中的跳转使用习惯,发现用户兴趣,同时可判断用户的实际访问行为与 App 设计初衷的吻合度。页面访问路径数据为 UE 设计带来指导方向。

友盟 大数据

图5:错误分析

前四个指标为产品和运营带来更多数据信息,错误分析则是 App 开发人员的有利工具。按发生次数排序的错误摘要列表让开发者对错误有整体的了解和把控,错误详情提供的具体错误代码位置、错误所发生的机型、错误对应的操作系统等信息帮助开发人员快速准确的复现错误并进行第一时间修复。错误分析帮助开发者把因 App 不稳定性而对用户造成的伤害和损失降到最低。

App 成长期

关键词:渠道新增用户、渠道次日留存率

App 在经过一段时间后会由导入期进入到成长期,成长期的 App 离不开市场推广,推广效果的评估是一门学问。判断一个渠道推广效果的优劣离不开渠道分析指标,同时还可结合用户参与度中的使用时长、访问页面等指标辅助评估。

友盟 大数据

图6:渠道新增用户

图 6 两条曲线分别表示两个不同渠道获取新增用户的情况,我们为两个渠道分别命名为橙色渠道和黄色渠道。曲线直观体现了橙色渠道比黄色渠道获取新增用户的能力强,就此很多开发者会认为橙色渠道的推广效果比黄色渠道好,因为它为 App 带来了更多的新增用户。结论正确与否,不妨再通过其他数据验证一下。

友盟 大数据

图7:渠道次日留存率

如图7,对比两个渠道的次日留存率数据,发现黄色渠道的留存率实际比橙色渠道好。黄色渠道虽获取到的新增用户少,但是这些用户更多比例留下来成为 App 的真实用户,说明黄色渠道获取到的用户质量更高。这表明以单一的新增用户来评估渠道质量并不科学。

以上仅例举了通过次日留存率数据辅助分析,建议开发者同时结合多维度数据,并可分配指标权重综合评估。例如评估电商类应用的渠道质量,假设关注新增用户,平均访问页面数和平均使用时长三个指标,并分别为它们分配权重系数0.7,0.2和0.1,各渠道指标乘权重系数,得分越高的渠道推广效果越好。

App 成熟期

关键词:自定义事件、事件转化率(漏斗模型)

成长期过后 App 进入成熟期,成熟期的 App 不论考虑商业化还是优化产品功能,友盟统计分析都能带来更为详细的指导。App 中任何关注的节点都可通过自定义事件埋点监测,在自定义事件的基础上进一步进行转化率分析。

友盟 大数据

图8:自定义事件&事件转化率应用

如图8,以视频类 App 为代表分析自定义事件以及漏斗在实际中的应用,首先选取【频道列表】、【综艺】、【大陆】、【点击播放】四个事件进行埋点,此时可在自定义事件列表查看各个事件对应的被触发数据,直观展现各个节点受用户喜欢的程度。同时将这四个事件按照一定的逻辑顺序加入到漏斗即形成了转化率分析模型,此时可统计到由上一步到下一步的转化情况,根据转化率数据分析问题原因,进而进行运营策略的制定和调整。如上图所示转化率的第一步可判断 App 的用户兴趣所在,第二步可做兴趣细分分析,第三步根据内容的被点击数据判断内容质量,与此三步对应的运营策略分别可以是策划与用户兴趣匹配的活动,增加更多用户感兴趣的节目,调整节目的展示位置和顺序等。

另外可以将在某个时间段触发了某个自定义事件的人定义为一个用户群,然后针对此用户群进行精准的消息推送,目前友盟统计分析和友盟消息推送已经从底层数据上实现打通,为用户更精准的营销提供便利。

友盟统计分析陪伴 App 走过导入,成长,进入成熟,相信每一个 App 开发者都或多或少感受到了数据的价值,友盟统计分析已经成为了App成长路上不可或缺的好伙伴。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  网站留言  |  RSS订阅  |  违规举报  |  开放转载  |  滚动资讯  |  English Version
关闭
ITBear微信账号

微信扫一扫
加微信拉群
电动汽车群
科技数码群