友盟9大数据指标助力App“长生不老”

引言：友盟统计中有很多不同类别的数据指标，帮助开发者和运营人员更精细的判断App在初创期、成长期、成熟期的质量。本文聚集了一些实用的数据指标，帮助开发者了解哪些指标更值得关注！

有位80后青年，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。下面为大家介绍下不一样的指标能为App带来了哪些不一样的价值。

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。

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。

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，忠诚用户是指连续活跃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。

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。

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。

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。

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。

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Ap成长路上不可或缺的好伙伴。