APP資料分析,到底是在分析什麼?
當下,逢運營必談資料分析,APP運營更是如此。資料分析的用意本不在於資料本身,而是要打造一個數據反饋閉環。收集資料,設計基礎資料指標,多維度交叉分析不同指標,以資料甄別問題,再反向作用產品,最終形成資料驅動產品設計的閉環。
從運營小白到產品經理,提到APP資料分析,必談DAU、MAU、留存率、頻率、時長…..那麼,究竟如何將這些資料分析和日常運營結合起來呢?針對同一款產品的資料分析,一定要根據產品的生命週期(PLC, Product Lifetime Cycle)來做分析工作,不同時期資料分析的重心也有所區別,下面就從產品的幾個重要時期——初創期、成長期、成熟期、衰退期,結合案例來聊聊。
一、初創期
這一階段是檢驗產品定位和運營對使用者與市場判斷是否正確的時期,即驗證產品或服務是否解決了某個群體的問題,也即常說的痛點;對運營來說,則是能否找到使用者與產品的契合點,並根據使用者的反饋快速迭代調整產品,以此獲取第一批種子使用者並擴大他們的影響力。
產品和運營階段要有MVP思想,要用比較小的成本來驗證產品和運營手段等。在產品同質化的網際網路環境下,獲取長尾使用者的成本比搶佔巨頭的使用者成本要小的多,因此,初創時期的產品一定要找準自己的定位,否則很容易陷入運營的困境。
關鍵資料——留存率
當前使用者符合目標受眾特徵時,核心關注這些使用者的留存率、使用時長/頻率、使用者的黏性等指標,這裡就產品和運營比較關注的留存率展開來講。
留存率的分析,對運營和產品人員來說非常重要。在前期沒有參考指標的情況下,可以通過了解行業資料,知道自己的APP在整個行業的水平,然後從新增使用者、活躍使用者、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,再考慮優化調整產品。
二、快速成長期
經過了產品打磨的初始階段,產品有了一定累積使用者,加以運營手段讓產品進入快速成長期。這一時期,需要關注使用者留存、使用者時長、使用者畫像的變化等資料,但可以將側重點關注在使用者的整個生命週期的管理,其中以新使用者的增長、啟用、轉化到產品穩定活躍使用者的整個漏斗分析為主。
新使用者的增長和啟用
這個階段對運營來說,就是小步快跑、快速試錯的營銷突擊戰,最大程度和範圍內實現病毒式營銷,實現使用者的自增長。
所謂的“小步快跑”,就是快速地、不停歇地執行一個個的營銷專案,不要花費太多時間在專案前的討論中,而是要用實際效果去檢驗專案質量。
三、成熟期
當產品進入成熟期,意味著:技術穩定,成本降低,實現規模化生產,潛在的購買者逐漸轉向為現實的購買者,有很多的忠實使用者;競爭對手也比較多和強大。運營人員需要採取比較主動的策略,延長成熟期。
這時候需要關注的資料主要在:總使用者數、新增使用者、流失使用者、迴流使用者;各渠道的日活躍(DAU)、周活躍(WAU)、月活躍(MAU);
流失與迴流
使用者流失無法避免,但產品和運營人員必須瞭解使用者流失的原因,同時加入運營手段進行流失使用者的召回和沉睡使用者的喚醒。
營銷廣告投放渠道轉化率
對於一些穩定的投放渠道,要多關注轉化率,並進行渠道的優化,此時可以採用一些第三方資料分析服務的產品,監控廣告的播放與轉化,採取一些運營手段,提升轉化率;
例如,先關注各渠道的投放和轉化率,並分析各落地頁面以及跳出頁面的比率,隨之調整優化產品頁面。
舉個栗子:渠道統計輔助工具shareinstall,在APP頁面的處理上就很有特色。
問題描述:
APP內部內容通過網頁、簡訊、社交媒體推廣時的困難——APP內部的具體內容,如某網店、某網紅的直播室、某件商品的優惠介面等,如果通過網頁或是各種社交媒體宣傳時,使用者點選宣傳連結,只能開啟APP,然後得使用APP搜尋功能才能找到它們,而不是點選後直達所推廣的網店、網紅的直播室、該商品的優惠介面。這就造成了使用者體驗的割裂,影響到網店、網紅等對APP內部內容推廣的積極性。
問題解決:
採用Shareinstall方案,APP內部具體內容通過網頁、簡訊、社交媒體推廣時,使用者點選連結,可以直接開啟APP並自動到達相應的推廣介面(對於使用者終端沒有安裝APP的情況,則在安裝後直接展示所推廣的APP內部介面),使得使用者體驗流暢,推廣內容到達率大大提高。
四、衰退期
任何產品都可能隨著科技的發展和市場消費的升級等,進入衰退期。而產品想要不斷有新的使用者進來,就需要用優良的內容和卓越的產品功能吸引使用者。
作為一款APP,不論是使用者調查還是演算法分析都要分析出使用者的關注點,只有這樣才能緊跟使用者需求,抓住他們的吸引力。
相關推薦
用Fiddler抓取PC、手機瀏覽器\APP資料包,分析埋點
先關了防火牆 然後隨便下一個fiddler,然後別升級…… 然後點開下圖的配置 然後如下圖配置 如下圖繼續設定,埠號找一個沒人用的,一般來說用8888,不過8888由於預設的用它的太多了,所以最好換一個,記下這個伺服器埠號 然後用電腦開個手機熱點然後手機連
深度構建使用者畫像|資料標籤,關聯分析,RFM,使用者體系
無論是提供商品還是服務,使用者畫像都是資料探勘工作的重要一環。一個準確和完整的使用者畫像甚至可以說是許多網際網路公司賴以生存的寶貴財富。我們也已經聽過了無數使用者畫像的神奇功能和成功案例,比如亞馬遜,淘寶的機器學習團隊使用使用者的瀏覽行為,購物車狀態和購買記錄開發關聯推薦系統,使點選率和銷量大幅提升
抖音APP資料介面加密演算法分析
抖音作為一款日活超過1億的優秀APP,其客戶端與服務端的通訊方式很值得APP開發者去研究和學習,為了保護其資料,客戶端請求資料的介面都進行了加密,未經過加密處理的url,請求的時候不會返回資料,這裡以最新的3.0版本為例,分析一下加密演算法。 https://
ElasticSearch教程——kibana巢狀聚合,下鑽分析,聚合分析
兩個核心概念:bucket和metric city name 北京 小李 北京 小王 上海 小張 上海 小麗 上海 小陳 基於city劃分buckets 劃分出來兩個bucket,一個是北京bucket,一個是上海bucket 北京bucket:包含了2個人,小
編譯原理實驗報告一:PL0語言編譯器分析(PL0,詞法分析,語法分析,中間程式碼生成)
實驗報告一:PL0語言編譯器分析一、實驗目的 通過閱讀與解析一個實際編譯器(PL/0語言編譯器)的原始碼, 加深對編譯階段(包括詞法分析、語法分析、語義分析、中間程式碼生成等)和編譯系統軟體結構的理解,並達到提高學習興趣的目的。二、實驗要求(1) 要求掌握基本
07.巢狀聚合,下鑽分析,聚合分析
聚合分析(group by + avg + sort) 第一個分析需求:計算每個tag下的商品數量 GET /ecommerce/product/_search { “aggs”: { “group_by_tags”: { “terms”: { “field”: “tags” } } } }
python 微信群男女比例分析,區域分析,柱狀圖顯示
本文使用python中的itchat模組獲取微信資訊,並用matlab進行資料顯示,這兩個模組沒有的可直接在控制檯 pip install ** 進行安裝,話不多說,先上效果圖 一、男女比例分析 二、各個地區的男女數量-柱狀圖 三、各個
ElasticSearch之——巢狀聚合,下鑽分析,聚合分析
1、第一個分析需求計算每個tag下的商品數量GET /ecommerce/product/_search { "aggs": { "group_by_tags": { "terms": { "field": "tags" } } } }將文
編譯原理實驗報告三:語法分析(PL0,詞法分析,語法分析,中間程式碼生成)
實驗報告三:語法分析一、實驗目的 通過設計、開發一個S語言的語法分析程式,實現對源程式的語法檢查和結構分析,加深對相關課堂教學內容的理解,提高語法分析方法的實踐能力。二、實驗要求根據下列S語言的語法規則,進行語法分析(1) <程式>→[<常量說明
主成分分析,聚類分析,因子分析的基本思想以及他們各自的優缺點
一、基本思想主成分分析 就是將多項指標轉化為少數幾項綜合指標,用綜合指標來解釋多變數的方差- 協方差結構。綜合指標即為主成分。所得出的少數幾個主成分,要儘可能多地保留原始變數的資訊,且彼此不相關。因子分析 是研究如何以最少的資訊丟失,將眾多原始變數濃縮成少數幾個因子變數,以及
快速入門案例實戰之電商網站商品管理:巢狀聚合,下鑽分析,聚合分析
第一個分析需求:計算每個tag下的商品數量 GET /ecommerce/product/_search { "aggs": { "group_by_tags": { "terms": { "field": "tags" } } } }
APP資料分析,到底是在分析什麼?
當下,逢運營必談資料分析,APP運營更是如此。資料分析的用意本不在於資料本身,而是要打造一個數據反饋閉環。收集資料,設計基礎資料指標,多維度交叉分析不同指標,以資料甄別問題,再反向作用產品,最終形成資料驅動產品設計的閉環。 從運營小白到產品經理,提到APP資料分析,必談DA
【轉載】Android Bug分析系列:第三方平臺安裝app啟動後,home鍵回到桌面後點擊app啟動時會再次啟動入口類bug的原因剖析
特殊 返回 androidm android系統 圖片 管理 相關 OS 簡便 前言 前些天,測試MM發現了一個比較奇怪的bug。 具體表現是: 1、將app包通過電腦QQ傳送到手機QQ上面,點擊安裝,安裝後選擇打開app (此間的應用邏輯應該是要觸發 【閃屏頁
查閱相關資料,回答下列問題 如果你為Liz開發問題賬戶分析系統,你準備如何進行需求分析,第一步要做什麽? 你認為目前需求分析材料中欠缺哪些內容?
blog 頁面 name 需求分析 界面 tid 一個 credit 做什麽 .如果我為liz開發問題賬戶系統時,我第一步會做的是需求的征集與客戶進行溝通交流,準確了解和描述客戶需求,並能夠從客戶的語言中幫助用戶挖掘需求; 2.材料中還欠缺
做好渠道流量跟蹤分析,避免APP推廣白花錢
開發者 業務 splay src 計劃 ive creat 關聯 目標 地推是 App 獲客的一種有效方式,相比於線上推廣,地推數據的監測更加困難。如何監測 App地推渠道流量,發掘出優質渠道、優質地域以及優質地 ?? 地推是 App 獲客的一種有效方式,相比於線上推廣,地
網路廣告投放的資料分析,投放應該找誰?
廣告的問題實質是營銷的問題,讓咱們一同共享! 1、網路廣告作用點評方針體系: 網路廣告和傳統媒體廣告蕞大的區別在於:互動性、口碑性和獲韌戶名單, CPC(點選本錢)和CPA(獲客本錢)是點評廣告價效比的重要方針;CPM則一般衡量大尺度廣告的作用;CTR點選率則一般用來衡量廣告的衝擊力和使用者活
6.簡單提取小紅書app資料(簡單初步試採集與分析)-1
採集小紅書資料爬蟲:1.本來是要通過app端的介面去直接採集資料,但是app介面手機端設定本地代理這邊開啟抓包後就不能正常訪問資料。所以就採用了微信小程式裡的小紅書app介面去採集資料。2.通過 fiddler去抓包,手機端進入小程式埠選擇彩妝向下滑動請求資料,這邊fiddler就會抓到請求資料和相應的
小白入門學習資料分析,為什麼都選擇python入門?
小白入門資料分析,最大的困惑就是從哪些入手,科多大資料公司通過三年的大資料專項人才培訓專案,對零基礎的小白接觸的多了,自然就比較瞭解了,本文主要探討資料分析入門,為什麼選擇python語言,以及python語言的作用有哪些? 1、傳說中的WEB開發 在國內,豆瓣一開始就使用Python
做資料分析,Python和R究竟哪個更強?
作者: Enoch Kan編譯: Mika本文為 CDA 資料分析師原創作品,轉載需授權 幾十年來,研究人員和開發人員一直在爭論,進行資料科學和資料分析,Python和R語言哪種才是更好的選擇。近年來,資料科學在生物技術、金融和社交媒體等多個行業迅速發展。資料科學的重要性不僅
【資料運營】在運營中,為什麼文字分析遠比數值型分析重要?一個實際案例,五點分析(下)
https://www.pmcaff.com/article/index/408451832537216?from=profile 本文是《資料分析中,文字分析遠比數值型分析重要!》的下篇,以一個實際案例來聊聊文字分析在實際運營中如何落地。行為脈絡如下:先簡要講述文字分析的分支---情緒分析的基本原