app開發前為什么要數據分析?APP數據分析有意義嗎?app開發團隊肯定告訴你：當然！數據分析的用意本不在于數據本身，而是要打造一個數據反饋閉環。設計基礎數據指標，多維度交叉分析不同指標，以數據甄別問題，再反向作用產品，最終形成數據驅動產品設計的閉環。

　　事實上，APP數據分析并沒有那么神圣，而一般常用的數據指標也都不難掌握。事實上，數據指標的設計基于兩點事實：

　　1、商業模式和業務背景;2、數據分析動機和目的;

　　數據分析解決方案的提供商是比較多的，甚至說數據分析本身也成為了創業的一種可能。友盟、CNZZ、Talking Data、騰訊云都提供了成套的數據解決方案。數據分析建模類似于數學的排列組合理論，選擇基礎指標配合具體的業務需要，因此在數據建模之前有必要掌握常用的數據指標。萬丈高樓平地起! 

　　基礎指標

　　1、用戶：總用戶數、新用戶數、留存用戶、轉化率、地域分析;

　　2、活躍：日活躍(DAU)、周活躍(WAU)、月活躍(MAU);

　　3、營收：付費人數、付費率、付費點分布;

　　4、應用：啟動次數、使用頻率、使用時長、使用間隔、版本分布、終端類型、錯誤分析;

　　5、功能：功能活躍、頁面訪問路徑、核心動作的轉化率;

　　分析維度

　　你賺錢的方式決定了你應該關注的指標。從長遠來講，企業風險較高的部分往往是與其如何賺錢直接相關的。基于以上的基礎數據指標，結合數據分析的兩點事實，可以選取所需的指標，完成APP數據分析：

　　1、用戶分析

　　分析用戶屬性為產品改進及推廣提供充分、可靠的數據制定精準的策略;

　　1.1用戶規模

　　基礎指標：總用戶數、新增用戶、流失用戶、回流用戶;

　　統計維度：按年、月、周、曰;

　　指標比例：統一使用”率“表示;

　　指標說明：蘋果端很難取值，可以間接地轉化;以激活APP量代替下載量;安卓比較好處理;日月周維度;新增用戶/總用戶數，說明產品健康度;比值的大小都有影響說明問題;

　　1.2活躍用戶_用戶質量

　　基礎指標：日活躍(DAU)、周活躍(WAU)、月活躍(MAU);

　　統計維度：按日、周、月，按渠道，按分群;

　　指標比例：統一使用”率“表示;

　　指標說明：日、周、月，統計維度依據產品類型/屬性而選取;提高這些指標的方式：采取運營活動，推送，簽到，任務，積分;以功能和內容驅動，用戶APP的使用頻率;

　　1.3用戶構成

　　基礎指標：活躍用戶、啟動次數;

　　統計維度：按年、月、周、曰;

　　a. 本周回流用戶：上周未啟動過應用，本周啟動應用的活躍用戶;

　　b. 連續活躍n周用戶：連續n周，每周至少啟動過一次應用的活躍用戶(第n+1未啟動)

　　c. 忠誠用戶：連續活躍n周及以上的用戶;

　　d. 連續活躍用戶：連續活躍2周以上的的用戶;

　　e. 近期流失用戶：連續n周沒有啟動過應用的用戶(第n+1周啟動過);

　　f. 周活躍用戶：當周啟動過應用的用戶(去重);

　　指標比例：統一使用”率“表示;絕對值——展示的是個用戶成分的數量，百分比展示的是活躍用戶成分占周或曰用戶的比例;

　　對周活躍用戶數據進行的成分分解，并通過歷史數據預測未來數據變化趨勢的模型。該模型幫助您對應用后續的用戶活躍和留存等進行科學預測，并制定有效的規劃和目標;

　　2、應用分析

　　2.1啟動次數

　　基礎指標：總用戶數、新增用戶、流失用戶、回流用戶;

　　統計維度：按月、周或曰，按渠道，按分群;

　　指標比例：某日/周/月的啟動次數占所選時段總啟動次數的比例;

　　指標說明：打開應用視為啟動，完全退出或退至后臺即視為啟動結束;

　　2.2版本分布

　　基礎指標：啟動次數、新增用戶、活躍用戶、升級用戶;

　　統計維度：按時間、版本;

　　指標比例：統一使用”率“表示;不同版本的累計用戶(占累計用戶全體的比例);

　　指標說明：展示累計用戶排名前10的各個版本變化趨勢，可以幫助了解每個版本的新增用戶，版本的升級情況，目前的哪些版本狀況;

　　2.3使用狀況

　　基礎指標：使用時長、使用頻次、使用間隔;

　　統計維度：日、周、月;版本、渠道、時間段;

　　指標比例：某日/周/月的啟動次數占所選時段總啟動次數的比例;

　　指標說明：統計周期內，一次啟動的使用時長;一天內啟動應用的次數;

　　用統一用戶相鄰兩次啟動間隔的時間長度。

　　2.4終端類型、錯誤分析(不做詳細介紹)

　　3、功能分析

　　a. 功能活躍指標：某個功能的活躍用戶，使用量情況;功能驗證;對產品功能的數據分析，確保功能的取舍的合理性,

　　b. 頁面訪問路徑：用戶從打開到離開應用整個過程中每一步驟的頁面訪問、跳轉情況。頁面訪問路徑是全量統計。通過路徑分析得出用戶類型的多樣、用戶使用產品目的的多樣性，還原用戶目的;通過路徑分析，做用戶細分;再通過用戶細分，返回到產品的迭代。

　　c. 漏斗模型：整個漏斗所關心的轉化率的目標是序列中一個事件。用戶轉化率的分析，核心考察漏斗每一層的流失原因的分析。通過設置自定義事件以及漏斗來關注應用內每一步的轉化率，以及轉化率對收入水平的影響。通過分析事件和漏斗數據，可以針對性的優化轉化率低的步驟，切實提高整體轉化水平。

　　4、行業分析

　　指標說明：行業數據可以幫助了解行業內應用的整體水平，可以查看應用的全體應用或同類應用中各個 指標的數據、排名及趨勢，有助于衡量應用的質量和表現;

　　統計維度：用戶規模、更新頻次、應用排名;

　　指標比例：全體排名和同規模排名;

　　了解行業數據，可以知道自己的APP在整個行業的水平，可以從新增用戶、活躍用戶、啟動次數、使用時長等多個維度去對比自己產品與行業平均水平的差異以及自己產品的對應的指標在整個行業的排名，從而知道自己產品的不足之處。

　　5、渠道分析

　　指標說明：渠道質量的評估，不同渠道獲得用戶的行為特征監控、判斷問題;

　　統計維度：時間段、不同渠道對比;基礎對比(新增用戶、新增賬號、活躍用戶、活躍賬號、啟動次數、單次使用時長、次日留存率);

　　可以從多個維度的數據來對比不同渠道的效果，比如從新增用戶、活躍用戶、次日留存率、單次使用時長等角度對比不同來源的用戶，這樣就可以根據數據找到適合自身的渠道，從而獲得較好的推廣效果。