Bugly&友盟&騰訊雲分析の小調研
阿新 • • 發佈:2019-02-12
開篇之前必須宣告下才行,以下內容僅為小編個人針對“專案監管工具”的小小調研任務,並非是為了直戳工具的優與劣。所以下面小編僅針對各工具與專案之間的聯絡,簡單的發表下調研結果。
1.使用者量分析
- 新增使用者
- 活躍使用者
- 累計使用者
- 留存使用者
工具 | 說明(除上) |
---|---|
Bugly | 側重受異常影響的使用者資料分析 |
友盟 | 通過資料分析在各類APP當中的使用者增量趨勢排行 |
騰訊雲分析 | 更多使用者型別以及資料分析(比如QQ使用者性別,年齡,學歷以及新老使用者分佈比例) |
2.參與度分析
- 使用頻率
- 人均/使用時長
- 累計使用者
- 留存使用者
工具 | 說明(除上) |
---|---|
Bugly | 側重受異常影響的使用資料分析,無涉及使用時長分析 |
友盟 | 側重APP分析,包括訪問頁面與使用間隔分析 |
騰訊雲分析 | 側重單個頁面分析,包括頁面路徑來源分析(這裡可能涉及到H5) |
3.渠道分析
- 版本分佈
- 渠道分佈
- 渠道效果
工具 | 說明(除上) |
---|---|
Bugly | 側重受異常影響的版本資料分析,無涉及渠道分析 |
友盟 | 展示不同渠道的使用者使用情況包括留存率 |
騰訊雲分析 | 展示不同渠道的使用者使用情況包括留存率(同友盟) |
4.質量分析
- 異常監控
- 錯誤列表
- 渠道效果
工具 | 說明(除上) |
---|---|
Bugly | 除基本錯誤日誌,還提供相關出錯執行緒日誌,系統日誌以及強大的自定義日誌 |
友盟 | 提供基本的錯誤日誌 |
騰訊雲分析 | 除基本錯誤日誌,還提供介面請求質量(如失敗率和耗時)以及網速監控 |
5.使用功能點分析
- 自定義事件(解釋:埋點)
- 事件轉化率(解釋:漏斗模型分析)
工具 | 說明 |
---|---|
Bugly | * |
友盟 | 提供多個功能點事件(包括頁面訪問路徑,自定義事件,結構化事件)引數 |
騰訊雲分析 | 完全自定義功能點事件引數 |
6.裝置分析
- 裝置終端(包括基本的機型,解析度,作業系統)
- 運營商
工具 | 說明 |
---|---|
Bugly | 僅產生異常所對應的基礎裝置資料分析 |
友盟 | 除以上資訊還提供裝置所在地域(省市/國家)的資料分析 |
騰訊雲分析 | 除以上資訊還提供當前裝置所處網路環境的資料分析 |
7.其他分析
工具 | 說明 |
---|---|
Bugly | * |
友盟 | 管理:關聯使用者反饋資訊; 管理:推送渠道應用更新; 管理:整合測試(註冊測試機,通過手機實時獲取友盟日誌); 元件:訊息推送(億級別訊息量10分鐘內傳送完畢,線上到達率99%以上); 元件:友盟微社群SDK(使用者間的評論、關注、轉發等互動活動); 元件:多平臺分享; 元件:多媒體服務(輕鬆獲得上傳下載雙向加速、檔案安全儲存、媒體資源多樣化處理等) |
騰訊雲分析 | 管理:關聯使用者反饋資訊; 管理:提供資料分析結果提醒功能(可提醒至個人QQ,微信,郵箱或者手機); 元件:雲Talk(聊天,客服) 元件:社交LBS(實現更多類似QQ附近的功能) |
8.個人總結
- 資訊類的APP-友盟(比如說商業型,新聞型的APP),我們可能更多需要獲取的資料是使用者對某一個商品或者事務的感知程度,通過友盟埋點我們能關鍵獲取到使用者的操作興趣,統計起來比較可以更好幫助APP提升內容質量並優化體驗。除此以外友盟在各方面都能分析一個APP的應用趨勢,並做到不同時段的趨勢對比。
- 社交類的APP-騰訊雲分析+H5,當然H5是非必須的,之所以提到H5是因為騰訊雲分析做到的是跨多平臺的一個監控統計(包括Android,IOS以及WP),可見騰訊雲分析在開發領域上已經為APP+H5的事業好了準備。切入主題,騰訊雲分析除了對專案的管控以外,對獲取使用者與裝置的資訊較為精煉,這對於一個社交類的APP的後期體驗和升級方案(主要指使用者的叢集點)帶來了很大的幫助。
- 各種APP-Bugly,一個“最專業的質量跟蹤平臺”。IOS/Android 崩潰卡頓還是ANR,與上面友盟和騰訊雲分析相比真的是微不足道了,但人家就只做Bug質量監控咋啦。所以,如果你想要接入的APP只是為了能簡簡單單的跟蹤下bug情況以及使用者的使用情況分析,就他沒錯。