APP数据化运营.docx
- 文档编号:24572820
- 上传时间:2023-05-29
- 格式:DOCX
- 页数:8
- 大小:106.74KB
APP数据化运营.docx
《APP数据化运营.docx》由会员分享,可在线阅读,更多相关《APP数据化运营.docx(8页珍藏版)》请在冰豆网上搜索。
APP数据化运营
一、数据分析方法论
(一)明确数据分析的目的
做数据分析,必须要有一个明确的目的,知道自己为什么要做数据分析,想要达到什么效果。
比如:
为了评估产品改版后的效果比之前有所提升;或通过数据分析,找到产品迭代的方向等。
明确了数据分析的目的,接下来需要确定应该收集的数据都有哪些。
(二)收集数据的方法
说到收集数据,首先要做好数据埋点。
所谓“埋点”,就是在正常的功能逻辑中添加统计代码,将自己需要的数据统计出来。
目前主流的数据埋点方式有两种:
∙第一种:
自己开发。
开发时加入统计代码,并搭建自己的数据查询系统。
∙第二种:
利用第三方统计工具。
常见的第三方统计工具有:
∙网站分析工具:
Alexa、中国网站排名、网络媒体排名(iwebchoice)、GoogleAnalytics、XX统计
∙移动应用分析工具:
Flurry、GoogleAnalytics、友盟、TalkingData、Crashlytics
不同产品,不同目的,需要的支持数据不同,确定好数据指标后,选择适合自己公司的方式来收集相应数据。
(三)产品的基本数据指标
∙新增:
新用户增加的数量和速度。
如:
日新增、月新增等。
∙活跃:
有多少人正在使用产品。
如日活跃(DAU)、月活跃(MAU)等。
用户的活跃数越多,越有可能为产品带来价值。
∙留存率:
用户会在多长时间内使用产品。
如:
次日留存率、周留存率等。
∙传播:
平均每位老用户会带来几位新用户。
∙流失率:
一段时间内流失的用户,占这段时间内活跃用户数的比例。
(四)常见的数据分析法和模型
这里主要科普下漏斗分析法和AARRR分析模型。
漏斗分析法
用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势,从而寻找到最佳的优化空间,这个方法被普遍用于产品各个关键流程的分析中。
比如,这个例子是分析从用户进入网站到最终购买商品的变化趋势。
从用户进入网站到浏览商品页面,转化率是40%;浏览商品到加入购物车转化率是20%等,那要找出哪个环节的转化率最低,我们需要有对比数据。
比如第一个,进入网站到浏览商品,如果同行业水平的转化率是45%,而我们只有40%,那说明这个过程,没有达到行业平均水平,我们就需要分析具体原因在哪里,再有针对性的去优化和改善。
当然,上面这是我们设计的一种理想化的漏斗模型,数据有可能是经过汇总后得出的。
而真实的用户行为往往可能并不是按照这个简单流程来的。
此时需要分析用户为什么要经过那么复杂的路径来达到最终目的,思考这中间有没有可以优化的空间。
AARRR模型
这个是所有的产品经理都必须要掌握的一个数据分析模型。
AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一个风险投资人戴维·麦克鲁尔在2008年时创建的,分别是指获取、激活、留存、收入和推荐。
举个例子,用AARRR模型来衡量一个渠道的好坏。
如果单从数据表面来看,A渠道会更划算,但实际这种结论是有问题的,用AARRR模型具体分析如下:
渠道A的单个留存用户成本是60元,单个付费用户成本是300元;而渠道B的单个留存用户成本是20元,单个付费用户成本是33元,这样对比下来,明显B渠道的优势远远大于A渠道。
数据能真实的反映一款APP的运营状况,帮助开发者进一步了解产品、了解用户。
但问题是,面对如此多的数据报表,该关注哪些指标?
怎样去分析数据才能解决问题?
如何获取这些有价值的数据?
关键性的数据指标可分四类:
用户获取、用户质量、内容使用、关键行为转化。
二、用户获取
下载量和激活量可以真实反映渠道获取用户的能力;其次,还要分别查看每个环节的转化率,从渠道点击—下载—激活—注册—更深的行为,用户获取的链条上,每个环节都会发生转化,要逐个分析每个环节的提升空间。
从而降低每个用户的获取成本。
三、用户质量。
它能帮助开发者优化用户获取步骤。
它有两个典型的指标,留存和活跃。
留存率可以一定程度地反映出产品对用户的适配程度;活跃度反映的则是用户对产品的依赖程度。
当基本的留存率和活跃度有保证之后,开发者可以看一些更细节的行为指标如关键行为点击率,这个指标对于有些应用来说可能是付费,可能是分享、评论、注册或者你认可的APP重要操作。
四、内容使用
在做分析之前,先把页面分成三类:
导航页、流程页和内容页。
导航页汇集了很多入口,这个页面的作用是让用户快速找到想用的模块;流程页的主要功能是引导用户完成最终的目标;最后一类是内容页,类似商品墙,主要展示的是详情。
宏观上讲,内容使用可以从页面的退出率和页面之间的跳转途径去看,如果用户在内容页或者流程页最后的页面退出都是合理的,开发者需要关注的是导航页和流程页中间的退出。
除了对页面的表现进行评估,还可以通过自定义事件来监测更为具体的点击和操作。
五、关键行为转化(最关键)
想要提高点击率,要依靠漏斗模型来优化关键行为的转化率和转化路径。
李荟分享了一个电商导购应用的案例,它的用户典型使用路径:
打开客户端—>浏览最热最新—>点击查看单品—>点击去淘宝。
产品经理拿到数据后,认为用户在点击查看单品到点击去淘宝这步转化率不够理想,后来将按钮上的“去购买”改为“查看详情”,暗示用户点击之后有更多有利于购买决策的信息,且不一定要购买,修改上线后,点击去淘宝的转化率从10%上升到15%。
获取到核心数据后,该怎样分析解决运营中的问题?
基本方法就是做比较,单纯的看数字并不能帮助开发者做判断。
建议把不同维度的数据做对比,譬如跟历史数据做比较,或同一时间点的同类APP进行多维度间的对比,能够帮助开发者找到数据变化的根本原因。
以案例来说明如何通过分析留存率找到运营中的问题。
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)。
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。
最后,擅用分析工具获取有价值数据,如果你分析的数据没价值,再好的分析方法都是空谈。
获取有效数据也需要策略。
首先,在业务层面,开发者需要一个明确的商业指标,在目标基础上建立一套匹配的分析体系;其次,从技术角度看,需要有一个准确、稳定、方便、灵活的工具,来帮开发者完成采集、收集、存储、计算、展示等一套工作流程。
其次,开发者要注意数据采集的准确性,严防渠道作弊等状况发生,保证ID采集的准确性、一致性。
其实,数据本身并不能直接帮助改善产品,数据归根到底是一种度量,想让数据真正发挥作用,一定要基于开发者对业务非常深的理解,并在理解基础上构建科学的分析体系,用有效的分析工具来帮助你来进行分析运营。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- APP 数据 运营