快捷搜索:

您的位置:金莎娱乐 > 互联网 > 你真的会用友盟吗,App的用户质量如何评估

你真的会用友盟吗,App的用户质量如何评估

发布时间:2019-11-08 11:06编辑:互联网浏览(90)

    原标题:每日增长:设计一款好的的APP或微信小程序需要注意什么 1

    本文主要讲述两个主题:

    数据统计平台调研报告

    做客户端的朋友们对友盟一定不陌生,它通过对客户端地毯式的数据统计给了产品运营汪太多可以研究的东西。但是,你真的会用友盟吗?我第一次用友盟时,单是看基础数据都头疼啊!然后鼓捣了以下干货,希望能够帮助到大家!

    如何去设计一款用户友好度高的APP或者是新起之秀的微信小程序呢,我们需要从以下角度去考虑产品的结构。

    一:App运营中相关统计指标的解读

    一、调研目的

    注:以下观点来自个人总结及网友经验交流,如有不当之处欢迎指正,图片来源未知,侵删。

    1,受众人群分析——知己知彼,懂用户方能做出更受欢迎的应用,用户是移动应用分析的主体,任何的分析都离不开对用户的了解,用户作为应用的受众群体,有着丰富各异的特征。尤其在现今移动互联网高速发展的时代里,追求用户覆盖数量是绝大部分移动应用运营的核心目标。不仅应用的人气需要用户,应用的盈利能力也需要依赖用户,而要想从用户那里赚到钱,就必须对用户的人群属性、兴趣爱好、地域分布等一清二楚,所以全面的“受众分析”功能就显得非常有必要了。了解用户的喜好等特点之后,也能指导开发者以及运营推广人员进行精准广告投放,只把广告投给真正的潜在用户。

    二:如何评估不同推广渠道的用户质量?

    目前有多种APP应用数据统计平台,如友盟、腾讯移动分析、Cobub Razor、Bugly等。当前运营统计需求有按公司进行分组统计PV、UV等数据,因此需要对上述几个平台进行调研。

    一、基础用户/留存分析

    所以,受众人群分析不仅能帮助开发者推进“开源”,更能通过指导广告投放帮助开发者“节流”,也只有知己知彼,才能投其所好,让自己的应用越来越受到用户的喜欢。

    第一部分:App运营中相关统计指标的解读

    1.名词解释:

    l新增(激活)用户:设备第一次下载并启动即算作1个新增用户,可按日/周/月查看。

    (1)新增和活跃用户分析:新增和活跃两大指标是用户分析中最基础的数据,新增用户反映了移动应用或者小程序用户增长情况,通常情况下,新用户占比越高说明应用的未来发展潜力越大,而日活跃度越高说明应用的用户粘性越大。下面分别就新增和活跃用户分析方法进行介绍。通常移动应用分析系统都能够对新增用户按照时间序列的方式进行展示,以表现其发展趋势如何。例如,选择最近30天内新增用户的发展趋势,可以得到按天分布的统计数据,条件允许的话能做到“按时”新增用户分布统计。

    开发者在做移动应用统计工具时,每天必看的就是新增用户、活跃用户、留存用户,以及使用时长等指标。究竟这些指标代表什么涵义?容易产生哪些误解?本文就“启动类”指标和“时长类”指标做个简单解读。

    PV:即页面浏览量;用户每1次对APP中的每个网页访问均被记录1次。用户对同一页面的多次访问,访问量累计。

    l新增用户占比:某时段内新增用户占该时段活跃用户的比例。

    将统计颗粒度从“天”精确到“时”可以了解一天当中哪个时间段新增用户最多,然后根据这个数据调整推广渠道的广告投放时段,在新增用户高峰期之前一两个小时进行定向投放,可以获得最高的广告效果等。对于日活跃度(简称“日活”)的分析,可以帮助开发者了解用户粘性和依赖度,通常用百分比来进行统计,日活跃度数据也依据应用类型而千差万别,高日活跃度应用主要集中在工具类、游戏类和社交类,所以分析的时候应该结合自身应用类型。移动统计中日活分析也可以按照时间段对比维度进行分析,例如选择最近一个月和上个月的日活跃度数据进行对比。

    一、启动类指标

    UV:指访问某个站点或点击某条新闻的不同IP地址的人数。

    l活跃用户:在所选的时间段内至少打开过一次应用的用户数;当天的新增用户计入当天的活跃用户。

    (2)留存用户分析:最常见的就是“首次使用留存”分析,是指首次使用应用的用户中,在第一次使用完毕之后的某一相同间隔时间段内再次使用的情况。例如,选择最近30天内新增用户中,“周留存”情况的统计分析,就是指最近30天内第N周的新增用户,在第N周之后的每一周内留存比例的情况。而“日留存”、“月留存”等含义以此类推。

    1:新增用户

    二、调研内容

    l活跃用户明细:体现出在指定时间段内活跃用户的占比,可以此判断推广效果。

    (3)人群属性分析:用户是一个一个真实存在的人,那么用户群体一定有其特定的人群属性,包括性别、年龄、学历、行业、兴趣等。所以对于某一个应用,其人群属性一定有倾向性特点,例如应用A的用户群体具有高学历、男性多、计算机行业多、爱好读书等特点。统计系统内就集成了全面的人群属性分析功能,通过IP归类检索,获取移动应用的用户在PC端访问时留下的Cookies,结合后台用户群属性碎片,进行比对分析其属性特征。

    指首次联网打开应用的用户。如果一个用户首次打开某APP,那这个用户定义为该APP的新增用户。注意,卸载再安装不会被算作新增;老用户更新应用程序版本会被算成新版本的用户,但不算做新增用户;还有,下载未安装或者安装未启动的用户都不会被计算在内。

    1.友盟

    l活跃用户占比:某日/周/月的活跃用户占所选时间段总活跃用户的比例。

    整合大数据用户画像功能,标签体系包含4大类别,24个垂直领域,近300个兴趣标签,多维度描绘了app用户群体的兴趣爱好、使用习惯和需求。可用户app的个性化内容运营,个性化消息推送、广告精准投放等多个场景。目前移动统计报表中已展现有用户性别、学历、年龄、行业及兴趣分布情况,并提供用户画像的移动统计SDK包,同步集成移动统计和用户画像功能,提供更为丰富的用户属性分析报告。

    再补充个开发者经常问的问题,新版本发布了,老版本还有新增用户数据,是为什么?产生这个现象通常有两个原因:第一,曾经下载了老版本的用户刚刚联网启动应用,此时收到数据,并以服务器时间为准,记为新增用户。第二,老版本的安装包被某些渠道抓去使用,有用户仍可以下载到。

    友盟包含如下统计分析种类:

    l启动次数:打开应用视为启动,完全退出或者退出至后台视为启动结束。

    (4)用户地域分布:移动开发者为什么需要了解用户地域分布情况呢?第一,了解用户最集中的区域有利于开发者制定有效的城市推广策略,如较成熟的城市需要进行老用户的维护,而用户较少的城市可以重点考虑做新用户推广和扩张等;第二,对于部分大型移动应用如电商应用或游戏应用,开发者需要了解集中了80%用户的关键城市,对其做增加带宽、增设CDN服务器等策略的调整,保证集中的用户区域也能有较好的用户体验等。

    2:活跃用户

    1)应用概况

    示例:有APP在发新版本后,出现DAU急剧下降的情况,这种问题该如何分析?首先,DAU分成新用户和老用户。开发者可以先查看近段时间的推广状况,以此来查看新增趋势的变化;然后再观察新用户的沉淀(留存)。

    通过可视化分省/分国家地图和饼图等方式,直观地向开发者展示了应用的地域分布全部数据,而且可以按照累计启动用户、累计启动次数、累计新用户、平均使用时长等指标进行细分统计,提供详细的分析报表。

    打开应用的用户即为活跃用户。活跃对用户进行排重,即同一个用户一天内多次打开应用被记为一个活跃用户。(活跃用户包括新用户和老用户两部分。)

    实时统计:今日与历史数据的对比

    l留存率:顾名思义就是指“有多少用户留下来了”,举个例子:9月1日新增用户100人,9月2日这100人中有50人再次启动了应用,9月3日有55人再次使用,那么9月1日新增用户的次日留存为50%,两天后留存为55%。留存用户和留存率体现了应用的质量和保留用户的能力。

    今天的笔记分享到此为止,明日笔记主题为“通过用户行为分析,优化应用流程和页面设计”。

    3:周/月活跃用户

    整体趋势:APP应用的整体概要、用户数的趋势统计

    示例:对于发布新版本的APP,要进一步筛查新版本的产品变动和各渠道留存率,看是产品的问题还是渠道推广的问题。案例中APP的版本更新无较大变化,新增趋势也比较稳定,说明不是产品的问题,后来发现主推渠道的留存率非常低,于是问题的关键就被发现了,新版本在主推渠道推广上存在问题。

    关注每日增长,每天一点增长小知识,小故事,让你不再为自己的用户而担心!

    指某个自然周(月)内启动过应用的用户,该周(月)内的多次启动只记一个活跃用户。

    2)用户分析

    图片 1

    图片 2返回搜狐,查看更多

    4:留存用户

    新增用户:按日、周对第一次进行启动的用户的统计

    l用户新鲜度:体现新老用户的活跃程度。

    责任编辑:

    顾名思义,留存指的就是“有多少用户留下来了”。留存用户是指某段时间的新增用户在下个时间段再次启动应用的用户。这部分用户占当时新增用户的比例即为留存率。

    活跃用户:按日、周对启动过一次的用户的统计

    上层是新用户,新用户的数量及占比跟应用推广行为相关。如果您的应用是新应用,或者最近推广力度非常强,新用户占比会比较大。下层是老用户,老用户的数量及占比跟应用的质量和维持老用户的能力有关。如果您的应用处于稳定增长中,维系老用户的能力较强,老用户占比会比较大。

    日留存例举:某应用3月1日新增用户100个,这100个用户有50个在3月2日再次启动了该应用,则3月1日的新增用户1日后留存为50%。如果这100个用户有30个在3月3日再次启动了该应用,则3月1日的新增用户2日后留存为30%,N日后留存依次同理。

    沉默用户:用户在安装后或次日无启动行为的统计

    l用户活跃度:体现单个用户的活跃程度(单个活跃用户活跃了几天)。

    周留存例举:某应用A周(3月3日~3月9日)新增用户1000个,这1000个新增用户在B周(3月10日~3月16日)有270个启动了应用,则A周的新增用户1周后留存为270/1000=27%,N周后留存依次同理。

    启动次数:对用户打开应用次数统计

    最上层为活跃1天的用户,依次向下,分别为活跃2天的用户,活跃3天的用户...活跃15天的用户。活跃天数越多的用户,是最近常使用的用户,也是忠诚度较高的用户。发展稳定、留存良好的应用,随着用户忠诚度的提升和不断积累,活跃天数高的用户成分和占比也会逐步增加。

    月留存例举:某应用3月份新增用户5000个,这5000个新增用户在4月份有550个再次启动了该应用,则3月份的新增用户1月后留存为550/5000=11%,N月后留存依次同理。

    版本分布:应用的版本进行统计

    l使用时长:可查看用户一次启动使用应用的时长分布,以及一天使用时长分布。

    5:升级用户

    行业对比:同行业APP对比

    基本的指标介绍到这,参考友盟的统计分析,我认为用户活跃度、用户留存率和自定义事件这几个指标是普遍有用的,起码在产品推广初期这几个指标是最重要的。其他一些常见的指标如设备型号、网络类型、地域分布等信息在评判渠道质量的时候也有参考性作用,接下来和大家聊聊如何利用这些指标来评估渠道用户质量。

    应用版本号发生变化的用户视为升级用户,通常是指由老版本升级到新版本的用户。(也包括新版本变更为老版本的情况)

    3)用户构成

    二、基础渠道分析

    二、时长类指标

    周用户构成:对回流用户、连续活跃用户、忠诚用户的统计

    l渠道新增用户**友盟定义的新增用户统计是用户安装并联网启动的数量。市场统计的量(下载量/注册量)和第三方统计平台的量经常有偏差,这往往是由于第三方统计平台统计的是激活量。所以必须定义是按下载量/注册量来算,还是按设备ID来识别一个用户。

    1:单次使用时长

    用户成分转化:对变化系数的趋势统计

    l留存分析:在App推广中,大家通常会要求渠道推广商给出次日留存和七日留存的数据,这就造成个别推广商在造假的时候只刷了次日和七日的留存率...我就遇到过一个开发者的应用,次日留存和七日留存都维持到30% ~ 40%,但一查看三日留存、四日留存,数据惨不忍睹齐刷刷的全都是“0”。这样的数据很明显不是真实的用户产生的数据。

    一次启动内使用应用的时间长短被称作单次使用时长,使用时长统计的是应用一次启动内在前台的时长。注意,应用在后台的运行时长均不会被算到使用时长里。

    4)留存分析

    l使用时长:再教大家一招,真实用户行为产生的数据和造假数据的使用时长一定是存在差异的。运营同学通常对应用的使用时长分布会有一个整体的把握。如果通过数据发现,某一渠道的使用时长和其他渠道有明显的差异,那这个渠道的数据真实性就值得怀疑了。

    2:平均单次使用时长

    留存用户:某段时间新增的用户,经过一段时间后,仍继续使用的用户

    l终端属性:这里我所说的终端属性包括设备型号、网络和运营商、地域分布。曾经接触过一个知名公司的运营同学,他们一直怀疑渠道商有数据造假的行为,但一直苦于找不到明确的证据证明,经过多项数据指标的对比,最后在终端属性的数据中发现了蛛丝马迹,正常渠道的机型多为三星、小米等设备,而这个渠道的机型却90%以上都是一款市价400元左右的廉价安卓手机,其中还有一些型号居然是是一款安卓开发版!

    平均单次使用时长=某日总使用时长/某日总启动次数。

    5)渠道分析


    3:日使用时长

    分析各渠道用户数量的趋势对比

    相关文章:

    一天内使用应用的总时长被称作日使用时长。

    6)用户参与度

    你真的会用友盟吗?【基础进阶篇(2)】

    平均日使用时长=某日总使用时长/某日总活跃用户。

    使用时长:一次启动的使用时长

    你真的会用友盟吗?【参考标准篇(3)】

    第二部分:如何评估不同推广渠道的用户质量?

    使用频率:日启动的次数

    目前,移动应用推广公司大量出现,鱼龙混杂,甚至有开发者吐槽“数万元推广费用,获得上万激活量,却只有7个真实用户!”

    访问页面:用户一次启动访问的页面数量

    如何评估各个推广渠道的,撕开不良推广渠道的伪装?下面总结了一些通过统计工具辨别渠道质量的高招:

    使用间隔:同一用户两次启动间隔时间

    一、明确基础指标定义

    7)功能使用

    1:新增用户

    页面访问路径:用户从打开到离开应用整个过程中每一步骤的页面访问。

    也就是我们常说的激活用户。用户只下载不使用是没有任何意义的,因此在评估渠道用户质量的时候不能只关注下载量,还要兼顾使用量,用户下载应用并启动使用才能称为你真正的用户!

    自定义事件:事件的触发次数。

    2:活跃用户

    事件转化率:整个事件的最终转化率

    活跃用户是指在所选的时间段内至少打开过一次应用的用户。当然,当天的新增用户同样是当天的活跃用户。

    8)终端属性

    3:使用时长

    设备机型、分辨率、操作系统、网络、运营商、地域等信息

    即用户一次启动使用应用的时长分布。

    9)错误分析

    4:留存率

    错误趋势:错误数、影响用户数、影响用户/活跃用户、错误解决率

    顾名思义就是指“有多少用户留下来了”。举个例子:9月1日新增用户100人,9月2日这100人中有50人再次启动了应用,9月3日有55人再次使用,那么9月1日新增用户的次日留存为50%,两天后留存为55%。留存用户和留存率体现了应用的质量和保留用户的能力。

    错误列表

    基础指标就介绍到这,参考统计分析,其中用户活跃度、用户留存率和自定义事件是普遍有用的,起码在产品推广初期这几个指标是最重要的。其他一些常见指标如设备型号、网络类型、地域分布等信息在评判渠道质量时也有参考性作用,下面和大家聊聊如何利用这些指标来评估渠道用户质量。

    10)社会化分享

    二、利用基础指标评估渠道用户质量

    如果集成了友盟的社会化分享,可统计应用社会化分享

    1:留存分析

    11)消息推送

    在App推广中,大家通常会要求渠道推广商给出次日留存和七日留存的数据,这也就造成有个别推广商在造假的时候只刷了次日和七日的留存率。在工作中就遇到过一个开发者的应用,次日留存和七日留存都维持到30%—40%,但一查看三日留存、四日留存,数据惨不忍睹,齐刷刷的全都是“0”。这样的数据很明显不是真实用户产生的数据。

    友盟实现了消息推送功能。

    2:使用时长

    12)APP发送策略

    再教大家一招,真实用户行为产生的数据和造假数据的使用时长一定是存在差异的。运营朋友通常对应用的使用时长分布会有一个整体的把握,如果通过数据发现,某一渠道的使用时长和其他渠道有明显的差异,那这个渠道的数据真实性就值得怀疑了。

    启动时发送、按间隔发送

    3:终端属性

    调研结论:友盟可支持很多数据的统计,包括其自己的社会化分享和消息推送,植入SDK方便快捷,属于埋点统计,支持用户分组,分组方式如下:

    这里我所说的终端属性包括设备型号、网络和运营商、地域分布。曾经接触过一个知名公司的运营朋友,他们一直怀疑渠道商有数据造假的行为,但一直苦于找不到明确的证据证明,经过多项数据指标的对比,最后在终端属性的数据中发现了蛛丝马迹:正常渠道的机型多为三星、小米等设备,而这个渠道的机型90%以上却是一款市价400元左右的廉价安卓手机,其中还有一些型号居然是一款安卓开发板!

    a)活跃时间

    近年来,数据造假越来越专业化、产业化!不过,只要大家活用统计分析工具,总能撕开不良渠道推广商的伪装,在看似漂亮的推广数据背后找到造假的蛛丝马迹,通过各种数据指标的对比,筛选出效果最佳的推广渠道。

    b)触发、不触发事件

    来源:手游江湖

    SDK无法修改,不能发送到指定服务器,无法支撑需求。

    2.腾讯移动分析

    腾讯移动分析是腾讯出的一款数据统计平台,可统计的数据有:

    1)应用概况

    实时统计:今日与历史数据的对比

    整体趋势:APP应用的整体概要、用户数的趋势统计

    2)用户、设备分析

    用户留存率:某段时间新增的用户,经过一段时间后,仍继续使用的用户

    用户流失与回流:在一个观察周期后不活跃的用户与超过一个周期后,用户再次使用的统计

    用户活跃度:

    用户画像:通过用户数据画出用户基本画像

    设备画像:用过设备基本信息

    用户时段:启动次数、新增用户、活跃用户

    周用户构成:对一周内的回流、流失、活跃、忠实用户的统计

    3)版本渠道分析

    渠道分布:不同渠道的新增、活跃、启动次数等

    渠道效果:不同渠道的留存、使用时长、使用次数

    版本分布:不同版本的新增、活跃、启动次数、时长

    4)用户参与度

    使用时长、频率:

    页面访问:人均访问页面数量

    页面路径:从一个页面去向其他路径的分流情况

    页面来源:所选页面访问量的来源情况

    5)事件分析

    自定义事件:事件的触发次数

    漏斗模型:事件转化

    6)质量监控

    错误统计:错误发生次数

    错误分析:错误原因

    错误告警:当错误达到一定比率,可邮件、微信通知开发人员

    统计接口监控:对统计的接口的失败率,耗时等监控

    网速监控:感觉意义不大。。

    7)上报策略

    实时发送

    wifi下发送

    批量发送(达到30条发送)

    启动时发送

    开发者模式

    间隔时间发送

    调研结论:腾讯移动分析统计内容较细,SDK植入便捷,支持用户群组,用户群支持如下情况:

    a)时间段范围

    b)设备属性

    c)触发自定义事件

    d)触发漏斗

    由于SDK不能修改,无法发送到指定URL,另外群组无法支持运营需求。

    3.CobubRazor

    Cobub Razor是一款开源的统计平台,服务平台可以部署在本地,SDK可以自行修改上传地址和参数格式。其平台统计内容有:

    1)应用概况

    分布渠道:按渠道统计新增、日活、启动次数、使用时长、周活、月活等

    版本分布:按版本统计新增、活跃用户数

    2)用户

    使用频率:统计使用次数

    使用时长:统计每次使用时长

    分时段趋势:按时段统计活跃、新增数量

    页面访问路径:用户的页面访问路径比例

    地域分析:按地域统计用户启动次数和新增用户数量

    用户留存:

    用户行为轨迹

    3)终端网络

    设备型号

    操作系统

    分辨率

    运营商

    联网方式

    厂商

    4)事件转化率

    事件转化率:即自定义事件流的转化率

    5)错误分析

    错误趋势

    错误列表

    6)发送策略

    启动时发送

    立即发送

    定时发送

    调研结论:Cobub

    Razor,其统计平台统计内容相对较少,不支持分组统计,不过可以对其SDK进行修改,将数据发送到指定URL上。再由服务器开发人员开发统计平台。

    4.Bugly

    Bugly将运营统计和bug上报分成两个模块,即Bugly更加重视bug分析处理,其统计项如下:

    1)应用概览

    对使用用户、启动次数、安装用户、版本渠道统计

    2)用户分析

    版本分布:累计新增用户、使用用户、启动次数

    留存分析:用户的留存分析

    使用频率、时长:可按渠道、版本统计用户启动次数、使用时长

    3)渠道分析

    渠道分布:分渠道统计用户启动次数、新增用户数

    4)异常上报

    异常概览:统计用户崩溃率、次数崩溃率、发生次数、影响用户数、用户联网数等,可多版本对比

    崩溃分析:崩溃的log,开发者可设置已处理,可按版本、是否处理查询,崩溃详情可以查看手机信息及崩溃日志和页面跟踪

    卡顿分析:统计遇到的卡顿异常,及相应的手机信息、日志和页面跟踪

    错误分析:

    调研结论:Bugly正如其名,更加注重APP出现的bug分析处理,在数据统计方面统计项较少,统计内容不丰富。建议采用bugly对app进行bug统计分析。

    图片 3

    本文由金莎娱乐发布于互联网,转载请注明出处:你真的会用友盟吗,App的用户质量如何评估

    关键词:

上一篇:强行拼车拒载,滴滴停运的夜晚

下一篇:没有了