app產品使用行為如何分析

『壹』 APP如何高效進行用戶分析

APP做用戶分析首先要結合業務特點，建立起高效健全的數據指標體系；其次可結合分析場景，藉助事件分析、漏斗分析等多種分析模型，對用戶行為偏好、基礎屬性等多維度、多指標的數據進行全面分析；最後，基於用戶分析結果，APP還可以做整體運營策略的調整和優化，有效實現精細化運營。以上，APP都可以藉助第三方數據分析平台來完成，比如個推的用戶運營平台就是專門為APP做用戶洞察和數據分析的。現在，個推·用戶運營正限時免費中，APP開發者與運營者可注冊/登錄個推開發者中心免費注冊體驗。

用戶洞察

『貳』 手機端app應用的用戶行為如何進行分析呢

App分析一般會分為是安卓還是蘋果的系統，一般會分析用戶的下載量，激活量，注冊購買量，以及用戶從哪些渠道下載，另外對於用戶在app內的瀏覽路徑也要分析，這樣可以優化app頁面和產品，目前市場上有很多app的數據分析工具（如友盟、SiteApp®），可以根據自己app的類型選擇工具。

『叄』 如何通過應用統計進行用戶行為分析，在APP做到精細化運營

APP是基於目前火熱的移動終端系統而開發的各類應用軟體，隨著終端產品銷售的火熱，其市場前景也相當樂觀，想要通過APP盈利的創業者比比皆是。現階段而言，APP分為免費和付費下載兩大類，其盈利模式各有不同，關鍵點是要如何吸引用戶點擊下載。具有有雷同功能的APP比如瀏覽器、社交類微博等產品，每位用戶至多隻會選擇1-2款產品使用，因此競爭十分激烈；而游戲和工具類APP藉助因其多樣化的特性，發展方向廣闊，能夠滿足單一用戶各種不同的需求，因此下載量大，但競爭依然激烈。通過網易的統計數據我們可以看到，就目前發展而言，游戲和工具類APP是主流產品，但筆者認為今後的盈利點並不在游戲，也不建議開發者盲目跟風游戲應用，因為社會化服務應用也許會在今後成為主流。APP現狀：游戲與工具應用當道，成為市場主體。通過對網易應用市場的分析我們看到，在如今最火熱的蘋果和安卓應用市場，占據最多份額的當屬游戲類APP，其次就是工具類APP。它的產量多也就意味著需求量旺盛，人們紛紛擠進這一領域，就是為了搶占這份市場。一般而言，游戲的主題是多樣化的，只要有吸引人的內容，便能夠得到較好的市場佔有率。但是，通過這份統計表我們同樣應該看到，免費的使用習慣依然占據著國人的消費理念。因此能夠通過免費的APP，通過廣告或個性化，功能化的增值服務盈利對面向國內用戶的開發者而言是一個不錯的選擇。APP的售價也在告訴我們一個這樣的事實，在付費應用中，某些專業領域的應用，例如針對醫療、商業、導航，他們專注於特定有需求的人群,因此收費是最高的。而游戲因其多樣性、普遍性的特點，加上產量高競爭壓力大，平均價格排在所有應用的末尾，薄利多銷的原則是主流。APP未來：解決生活難題的應用越來越受追捧，社會化服務應前景廣泛。在人們的日常生活中總是遇到各種各樣的疑難問題，它讓我們的生活充滿煩躁，抹殺了一天難得的好心情。一款能夠將這些煩惱順利解決的應用，會成為今後的主流，並且只需要稍加推廣，就能夠擁有廣泛的宣傳效果。在這里我們列舉一個真實的例子：如今，在各大城市，「打車難」已經成為繼擁堵之後，困擾上班族日常出行的另一大難題。早晚高峰打車基本用「搶」的，節假日熱門出行目的地等車排長隊成為常態，要是遇上雨雪天，那才是真正的雪上加霜，一「的」難求。而另一個尷尬的事實是，如果您是一位資深打車人，肯定沒少聽的哥抱怨，客人難拉，「空駛」的成本越來越高。針對這類飽受市民和從業者抱怨的情況，就有開發者為此專門打造了一款」打車」手機應用。很多人都會懷疑這樣的應用能夠經手的住市場的檢驗碼？事實是：在今年的倫敦奧運會中，該類APP大展神威，累計下載量就達到20萬次。僅倫敦一地，就有超過12%的計程車（約3200輛）注冊了其服務，並且這一數字還在以每周300輛的速度增長。這款應用在iOS、安卓、塞班和黑莓四大手機平台的下載量均超過了40萬次。其發展之迅速，遠遠超過了其開發者預想，在自己驚訝之餘，已經賺的盆滿缽滿。作為APP開發者，需要理性面對市場的需求，並且應該堅定自己的理想。游戲與工具類應用在今後仍然會成為市場的主要組成部分，而面向社會化服務的應用，將會成為未來一個重要的發展方向。應用市場沒有絕對的暢銷與所謂的冷門，抓住用戶的心才是最重要的。

『肆』 如何對APP進行數據分析

日常數據運營指標，如下載用戶數、新增用戶數、活躍用戶數、付費用戶數等，這些數據都是運營中最基礎最基本的數據，是大Boss們最關注的核心指標。

②渠道分析

對於一個上升期或者衰退期的APP，運營團隊會盡可能尋找大量的渠道來引流，吸引新用戶的關注。互聯網的渠道很多，通常有競價渠道(網路、搜狗、應用商店)、SEO渠道(網路、搜狗)、新媒體渠道(微信公眾號、微博、抖音)、網盟廣告渠道(網路網盟、阿里媽媽)、移動端付費渠道(今日頭條、騰訊廣點通)、免費渠道(QQ群、微信群、貼吧、問答平台、應用商店)、直播平台(虎牙直播、映客)等。

③活躍用戶分析

一個產品不可能滿足所有用戶，魚和熊掌不可兼得，用戶之所以成為了活躍用戶，必然是產品已經滿足了一定的用戶需求。活躍用戶分析中，反映粘性和活性的指標，都值得細致研究。

④用戶畫像分析

用戶畫像其實就是用戶信息的標簽化。如性別、年齡、手機型號、網路型號、職業收入、興趣偏好等等。用戶畫像分析的核心工作就是給用戶打標簽，通過人制定的標簽規則，給用戶打上標簽，使得能夠通過標簽快速讀出其中的信息，最終做標簽的提取和聚合，形成用戶畫像。

⑤產品核心功能轉化分析

當用戶向您業務價值點方向進行了一次操作，就產生了一次轉化。這里的業務價值點包括但不限於完成注冊、下載、購買等行為。在互聯網產品和運營的分析領域中，轉化分析是最為核心和關鍵的場景。

⑥用戶流失分析

流失用戶召回是運營工作中的重要部分，定義流失用戶是用戶流失分析的起點。用戶流失是一個過程不是一個節點，流失用戶在正式停止使用產品之前會表現出一些異常行為特徵：訪問頻次大幅降低，在線時長大幅下降，交互頻率大幅降低等。

⑦用戶生命周期分析

在APP用戶的整個生命周期中，從用戶價值貢獻的角度可以分為4個不同的時期，分別是考察期、形成期、穩定期和衰退期。每個時期的用戶給APP帶來不同的價值。

『伍』 怎麼分析一款App

1.怎麼分析一款App？
首先我也是聽了黑馬程序員的公開課才了解到這么多的，既然是做產品分析，那麼產品分析可以包含的方面比較多，可以包含以下方面：
(1)產品定位分析：為哪些人解決了什麼問題？
(2)用戶需求分析：需求點是什麼？使用場景是什麼？
(3)產品市場分析：市場容量如何？競品如何？
(4)產品功能分析：產品的功能架構是什麼？主要的一些功能模塊的設計邏輯分析？功能的好壞？
(5)產品UI分析：頁面的排版，設計風格、設計與產品定位的關系如何？
(6)產品交互分析：某些功能和頁面的交互設計合理性？
(7)運營方面分析：某些社區類產品的運營方式是否合理？運營的策略是否能達到效果？
除了上面以外，也可以用一些其他方面的分析，但主要還是跟產品的生命周期相關的一些角度去進行分析。

『陸』 APP用戶分析（上）

ppt地址： ppt報告

以4周用戶行為數據為基礎，運用多維度分析，對比分析，漏斗分析等方法，得到如下結論：

1. 男性用戶佔比60%；年齡段為5，6的用戶佔比超70%；用戶等級集中分布在1、5、6、7級，其中7級用戶最多，34.2%；用戶城市分布集中在1、3、4、5級城市中，其中4級城市用戶最多，佔比約30%。

2. 用戶白天的使用高峰在10-11點之間，夜間的使用高峰在22-23點之間。一周中的使用高峰在本周四至下周一。周末平均使用次數較工作日稍低。

3. 人均瀏覽次數，在第四周下降明顯，對其進行拆解，發現第四周活躍人數明顯增加，瀏覽次數並沒有明顯增加，活躍用戶增加主要出現在1級用戶與7級用戶，增長率34.3%，年齡段為5，6 的用戶活躍增長率為36.5%。

4. 4周內下單轉化率8%，評價轉化率40%。拆解分析，3級城市的下單轉化率最低，僅為7.2%，六級城市的下單轉化率最高為8.8%。

5. 瀏覽最多的產品是手機，男性偏好外套、茶葉、筆記本，女性偏好美妝，平板。

6. 購買最多的產品是茶葉，男性偏好外套、項鏈，女性偏好美妝，項鏈。

7. 90%的用戶活躍天數為一天，7%的用戶活躍2天，2%的用戶活躍3天，僅1%的用戶活躍超過4天。高活用戶中男性佔比91%，城市分類中5級城市用戶佔比最高為26.6%，等級分類中7級會員佔比最高為61%。

8. 僅有0.3%的用戶在4周內復購。1級用戶，5級城市，年齡段3的用戶下單意願最強。

9. 一天內存在3個下單高峰，分別是10點—12點，14點-16點，20點-23點，工作日的高峰期更加明顯。

某app3月19日至4月15日共計四周，用戶行為數據，部分信息脫敏。

共包含52292個用戶的62770條行為記錄。

以此數據為基礎，對用戶進行分析洞察，增加對用戶的了解。

通過4周用戶數據分析，加深對客戶了解程度。現結合數據，從以下角度展開分析。

1.用戶總體分布情況

用戶年齡，性別，城市，用戶等級情況。

2.用戶行為分析

使用時間情況，每天什麼時段，每周什麼時段是用戶使用高峰期

使用頻率情況，每個行為的人均次數以及周、日的變化趨勢

行為轉化率，用戶行為路徑的轉化率是怎樣的，變化趨勢如何

行為偏好，用戶使用時，不同（性別）用戶的行為偏好如何

3.重點用戶分析

高活躍用戶時如何分布的

付費用戶時如何分布的，每天的交易高峰在什麼時段

#新增客戶分布，都買什麼

（暫時擱置

1 男生的使用高峰與女生

2 夜間都是誰再用）

男性瀏覽

女性瀏覽

男性購買

女性購買

客戶活躍天數

高活躍用戶，活躍天數大於等於4天

用戶下單次數

不同下單次數的用戶數

『柒』 五步法幫你深度分析一個APP產品

微信搜索公眾號: 饅頭UX ，了解更多優質文章內容

不知道你是經常會遇到這樣的情況：

拿到一個APP產品不知道如何去分析他的好壞，又或者總是分析的很片面，要麼僅僅是交互，要麼僅僅是視覺

那麼有什麼好方法能夠幫助我們更全面更系統的分析一個APP產品的好壞呢？

我們需要明白的一點是，我們在分析產品時，應該從山頂逐漸往下看，才能夠看到山的全貌，站在山腳下只能看到自己視野幾百米的范圍。

接下來

我們去分析一個APP產品的時候，就可以通過一個萬能的公式更全面更系統的去層層剖析:

1、戰略存在層(它為什麼存在)

產品的核心驅動力是什麼？

這個產品帶給用戶的價值是什麼？

這個產品帶給企業的價值是什麼？

2、能力范圍層(我們自身能力)

能做什麼，不能做什麼？

現在的能力儲備是否能夠支持？

做到這個需要什麼樣的能力儲備？

3、資源結構層(內外部資源有哪些)

產品的利益相關者有哪些？

內外部有哪些資源？

競爭對手是哪些，相對於他們優勢和劣勢在哪裡？

4、角色框架層(產品各個角色)

體:產品構建的矩陣如何，這個產品處於什麼位置？

面:各個板塊的使用場景、目的是什麼？

線: 頁面的布局如何？

點: 這個功能的目的是什麼？用戶如何交互？使用流程是否合理？...

5、感知層(如何感知產品的不同)

感知層很多時候設計師都會糾結在細節裡面，總會分析色彩、圖標、間距等。而感知層最重要的是要分析這個產品的調性如何？和其他同類的差異在哪裡？界面設計是否能夠吸引用戶？

最後

我們通過這個五個步驟去分析下今日頭條APP

1、戰略存在層

核心驅動力 ：演算法推薦+優質內容

用戶價值 ：今日頭條帶給用戶的價值是通過了解用戶的喜好，精準推薦給用戶最感興趣的內容，提升用戶的閱讀效率

產品價值 ：以今日頭條作為基礎的流量池為其他產品相互導流

2、能力范圍層

2019以前今日頭條的slogan是「 你關心的，才是頭條 」定義今日頭條的核心是推薦演算法

而2019年之後今日頭條的slogan是 「信息創造價值 」定義今日頭條的核心是打造優質的內容，讓信息創造價值

今日頭條從技術到內容的轉變，靠的是今日頭條的長久以來的能力儲備，所以我們會看到今日頭條推出的一系列對內容創作者的扶持計劃。     

3、資源結構層

今日頭條的利益相關者 ：消費信息的用戶、產生內容的創作者、廣告商

競爭對手 : 騰訊新聞（騰訊）、網易新聞（網易）、搜狐新聞（搜狐）、微博...

優勢 :今日頭條通過推薦演算法構建了早期產品的核心競爭力，吸引了大批大V和信息消費者，具有先發優勢，之後又通過內容產品矩陣構建自己的護城河

劣勢 : 競爭壓力大，都在競相進入內容領域

4、角色框架層

體:

今日頭條經過幾年的發展，逐漸構建起一個內容聚合平台（圖文、短視頻、長視頻...），作為基礎的流量池，為其他的產品相互導流

面:

首頁模塊你可能感興趣的，和你感興趣的內容

西瓜視頻，你可能感興趣的短視頻

放映廳，你可能感興趣的長視頻

所以，我們從導航欄就能夠可以看到今日頭條產品所構建起來的面：

核心是千人千面的定製化推薦，核心之外是圖文、短視頻、長視頻

接下去，就是線和面的分析，這就到了布局和功能層級了，這是交互方面的內容，我就不再一一細說了

線: 頁面的布局如何？

點: 加這個功能的目的是什麼？用戶如何交互？使用流程是否合理？

註：APP角色框架層都能夠如上圖一樣由面到線再到點，逐一進行解構分析

4、感知層

人去感知一個物體通常常是通過5種感覺： 視覺、聽覺、味覺、嗅覺、觸覺 。互聯網的產品不像線下體驗店5感都能夠體現，而我們感知互聯網產品主要通過視覺和聽覺這2種感覺。

我們聽到的是今日頭條的報道、今日頭條的視頻廣告

看到的是是今日頭條的產品、廣告圖。而的核心是今日頭條的"信息創造價值"，圍繞這個最基本的核心，給用戶的感知才是一致的，才是和其他產品塑造差異化的核心要點。

基於這些我們再去分析裡面的細節就游刃有餘了

比如，同為新聞自媒體平台，今日頭條把內容創作者放置在列表頁明顯的位置，而網易新聞、騰訊新聞在內容列表創作者的名字卻被弱化了，原因就在於今日頭條定位的是自媒體新聞平台，重點在於內容創作者，而網易新聞、騰訊新聞定位的是新聞媒體平台，重點在於內容。

在文章的最後，饅頭想要說的是，任何東西要想看清事物的全貌，都需要站在高處往下看，別被你身處的位置所局限。

微信搜索公眾號: 饅頭UX ，了解更多優質文章內容

『捌』 App數據分析，到底要分析什麼

按大眾化的分法，產品的生命周期(PLC, Proct Lifetime Cycle)分為初創期、成長期、成熟期、衰退期，在產品的每個階段，數據分析的工作權重和分析重點有所區別，下面按階段結合案例來聊聊。

一、初創期

初創期的重點在於驗證產品的核心價值，或者說驗證產品的假設：通過某種產品或服務可以為特定的人群解決某個問題。這個階段應當遵循MVP(Minimum Variable Proct) 的思想，以最小的成本來驗證創業的想法，並根據用戶的反饋快速迭代以調整解決方案，最終在數據上得到驗證。

案例：

拿之前做的某款國外移動端論壇社交應用為例，產品在idea時期(12,13年左右)發現了論壇用戶經常在吐槽從移動端Wap頁訪問論壇速度慢、廣告多、完全沒有移動端適配，於是我們提出假設：做一個App，連接論壇系統與用戶，讓論壇用戶在移動端也能享受流暢的論壇訪問體驗，並且用戶願意為了這種體驗付費。

於是在初期，整個產品完全圍繞看帖、發帖兩個核心場景進行挖掘，在論壇里進行宣傳，售價$18，發現有許多用戶為之付費，且這些用戶的留存率達到60%+(當然與用戶付費了有關)，有一半的用戶使用時長都超過了70分鍾。當時沒過多久陸續出來了一些競品 (Vbulletin團隊，當時最大的論壇系統，開發了一個移動端的App，意圖解決同樣的問題)，但是沒過多久都遠遠落在了我們後面，就是因為整個團隊遵循MVP的思想，按用戶反饋專心反復打磨看帖、發帖的流暢體驗，獲得了非常好的用戶口碑並領先市場，也獲得了某著名矽谷投資機構的投資。

關鍵數據——目標人群畫像

除此之外，初創期可以通過接入一些第三方的應用監測SDK來了解初期用戶群體的畫像，從側面驗證用戶群體與假設的目標用戶群體特徵是否一致，常見的是人口學屬性(性別、年齡、學歷、地域)。

案例：

今年4月初在和國內某健身類的APP的產品經理聊到， 該APP最初是一款健身、運動記步的工具App，在產品前期新用戶的次日留存處於業內平均水平，在其觀察到目標用戶群體的畫像時，發現女性用戶明顯比男性用戶要多，且女性用戶留存明顯比男性用戶要高。於是決定在產品策略上向女性用戶傾斜，主攻女性健身、減脂、美容方向的功能以及內容推薦，產品整體次日留存率相比之前增長近100%。

同樣，最近服務了一個鵝廠內部客戶，他們開發了一款新產品，意在面向年輕人群體，結果卻發現其用戶年齡分布以青少年和老年人居多：

這正好與他們的用戶渠道相關，原來他們有一款面向青少年和老年人的產品，為了給產品帶來第一批用戶，他們直接從老的產品將用戶引流過來，結果發現他們並非產品的目標用戶。

關鍵數據——留存率

在當前用戶符合目標受眾特徵時，核心關注這些用戶的留存率、使用時長/頻率、用戶的黏性等指標，這里就留存率展開來講。

留存率的維度分很多種(7日，雙周，30日等)，依據產品特徵來選擇，若產品本身滿足的是小眾低頻需求，留存率則宜選擇雙周甚至是30日;留存率高，代表用戶對產品價值認可並產生依賴，一般來說，假設便能得到驗證，通常低於20%的留存會是一個比較危險的信號。

介紹一個以數據為驅動的先行指標模型，可以通過找到先行性指標指導產品設計，從而提升留存率。先看下先行性指標的定義，先行性指標是指新用戶在使用產品早期的一種產品行為，這個指標與用戶的留存率指標之間存在著非常高的線性相關關系，可以預測用戶是否會在產品中留存下來。

用自己總結的公式來描述，大致如下：

積極預測可能性(%)：表示用戶執行了該行為，即可預測該用戶留存活躍的可能性

消極預測可能性(%) ：表示用戶如果不執行該行為，即可預測該用戶不留存活躍的可能性

最終，先行性指標的可信度=積極預測可能性 X 消極預測可能性 ，我們直接看案例。

案例

拿之前的論壇社交App為假設，假設「用戶在注冊前10天內添加好友超過7個」為先行性指標，那麼我們計算一組數據：

其中，用戶前10天內添加好友超過7個，則其30日留存下來可能性為99%;若添加好友小於7個，則其30日不留存下來(流失)可能性為95%，綜合指標可信度為0.9405。

同理，計算以下兩個先行性指標可信度：

最終，我們得到對比：

以上只是假設的數據，實際上，我們需要對比十幾個甚至是二十幾個行為指標才能找出先行性可信度最高的行為。

這個模型中第一條「新用戶在注冊後的10天內添加好友超過7個」，也就是Facebook一個經典的「aha moments」，所謂」aha moments」即當用戶意識到產品的核心價值的時刻，也就是我們的「先行指標」。

(Facebook，Instagram推薦好友截圖)

除此之外，先行性指標應當滿足以下條件：

二、快速成長期

經過了產品打磨的初始階段，產品有了較好的留存率了，這個時候產品開始進入自發增長期。自發增長期的產品階段，仍需要關注用戶留存、用戶時長、用戶畫像的變化等數據，但可以將側重點關注在用戶的整個生命周期的管理，其中以新用戶的增長、激活、觸發「aha moments」到產品穩定活躍用戶的整個漏斗分析為主。

新用戶的增長和激活

其中新用戶的增長和激活一般有兩種方式，第一種是構建產品的病毒性傳播系數, 讓產品自發增長，《精益運營數據分析》書中有提到的幾個用戶病毒式傳播分類很有趣：

原生病毒性，即通過App本身的邀請好友功能而傳播吸引的新用戶的方式;

口碑病毒性，即通過口碑傳播，用戶主動通過搜索引擎成為的新用戶;

人工病毒性，即通過人工干預，如有獎邀請等激勵措施來鼓勵用戶進行邀請行為。

這里關注的一個指標稱之為「病毒式傳播系數」，感興趣的同學可以自行深入了解。

新用戶下載->激活->『Aha Moments』->產品穩定活躍

產品開始進入自發增長期後，需要關注用戶從新用戶到活躍用戶(留存後)、到核心用戶的生命周期，並將每個過程的關鍵指標提煉並精細化。

案例

以之前的論壇社交APP為例，新用戶進入產品會看到一個歡迎頁(如左下圖)，經過注冊、登錄後會看到產品的首頁(如右下圖的Feed流頁面)，多數App都有類似的流程：

一個新用戶從進入App歡迎頁到最終成為核心用戶大概是以下流程：新用戶(探索發現產品價值中)-> 旁觀者(逐漸認知產品價值並有一定的參與感)-> 生產者(認同產品價值並積極參與)：

按大眾化的分法，產品的生命周期(PLC, Proct Lifetime Cycle)分為初創期、成長期、成熟期、衰退期，在產品的每個階段，數據分析的工作權重和分析重點有所區別，下面按階段結合案例來聊聊：

此時，對各個階段的用戶行為進行指標分解：

新用戶&探索發現者：

歡迎頁跳出率

新用戶注冊率

新用戶引導流程轉化率

初始看到Feed頁跳出率

搜索結果轉化率

推送許可權開通率

旁觀者(路過者)：

平均每個用戶關注板塊數

平均每個用戶關注其他用戶數

平均每個活躍用戶贊/分享數

Feed卡片展示數

Feed卡片點擊數

訂閱內容推送點擊率

內容生產者：

· 平均每個活躍用戶發帖數

· 平均每個活躍用戶發照片、視頻數

· 平均每個用戶在論壇內使用時長

· 活躍用戶在論壇內行為分布

精細化的拆分用戶生命周期前中期的行為指標，在產品快速增長期幫助了產品不斷打磨細節，將用戶從新進到成為核心用戶體驗不斷完善。與此同時，在各節點數據提升並穩定後，產品運營的同學則開始進行各種推廣、投放的宣傳以擴大盤子、佔領市場。

三、成熟期

隨著用戶快速增長，產品不斷完善，產品在進入成熟期前後，數據運營關注的重心開始從用戶生命周期的前半段(吸引、激活、留存)往後半段(流失、迴流)開始偏移。

這里分享一個在增長期和成熟期關注的數據模板 Daily Net Change (應用自John Egan@Pinterest)，區別於只關注DAU、MAU數據，只關注活躍用戶數的增減很多時候都是取悅自己，而這個模型能幫助直觀地觀察到用戶增長的因子是什麼，或者用戶盤子變化的情況，通過一張圖展示了產品的新增、迴流和留存情況。

其中Net Change = 新增用戶 + 迴流用戶 – 流失用戶。

新增用戶即當天有多少新用戶加入

迴流用戶即多少老用戶連續28天沒有使用，今天又開始使用

流失用戶即有多少已有用戶剛好最後一次使用應用是在28天前

流失與迴流

在關注流失迴流的過程中，數據會揭示當前用戶盤子的一個變化情況，具體分析流失原因則可以參考下方流程：

核心思路即，通過回訪定性+數據驗證為主要手段，確定流失原因，改變產品運營策略以預防用戶流失或拉回用戶，促進迴流。

除此之外，對於一些穩定的投放渠道，普通的改善方法可能提升轉化有限，此時可以進行更精細化的渠道分析來優化提升ROI：

案例：

提升ROI

四、衰退期

最終，產品進入衰退期，一般在進入衰退期前可以採取兩種方式：

1、規模化

常出現在零售業中，如開一家按摩養生店，在一定范圍內收獲好評，那產品成熟的時候則可以開啟連鎖加盟模式，通過迅速而廣泛的擴大市場形成品牌效應，以形成壁壘，此時衰退的風險則被抵禦。

2、生態化

在產品增長或接近完善時，單一的產品很容易存在需求過於垂直、用戶無法形成依賴的問題，可以開發具有協同能力的新產品以搭建完整的產品生態，使得在當前產品上無法被得到滿足或失去興趣的用戶被引流到新產品，作為新產品的新用戶;同時新產品的用戶也能在新產品上被引流回老產品，產品之間形成互相依賴的鏈條，最終用戶有效流轉，形成生態。

本文轉載自搜狐，作者：商助科技， 鏈接：http://www.sohu.com/a/217398072_501610

『玖』 如何做好安卓app數據分析

行業數據
行業數據對於一個APP來說，至關重要。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。這種縱向的對比，會讓自己的產品定位、發展方向更加清晰。

用戶分析
產品吸引到用戶下載和使用之後，首先要知道的就是用戶是誰。所以，我們需要詳盡地了解到用戶的設備終端類型、網路及運營商、地域的分布特徵。這些數據可以幫助了解用戶的屬性，在產品改進以及產品推廣中，就可以充分利用這些數據制定精準的策略。

評估渠道效果
在國內，獲取用戶的渠道是非常多的，如微博、微信、運營商商店、操作系統商店、應用商店、手機廠商預裝、CPA廣告、交叉推廣、限時免費等等。看一個APP的數據，首先要知道用戶從哪裡來，哪裡的用戶質量最高，這樣開發者就會面臨一個選擇和評估渠道的難問題。但是通過統計分析工具，開發者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最適合自身的渠道，從而獲得最好的推廣效果。

用戶行為分析
在關注完用戶的屬性後，我們還要高度關注用戶在應用內的行為，因為這些行為最終決定著產品所能夠帶來的價值。開發者可以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。

產品受歡迎程度
在了解了用戶的行為之後，我們應該看一下自己的產品是否足夠受歡迎，這是一個應用保持生命力的根本。開發者可以從留存用戶、用戶參與度（使用時長、使用頻率、訪問頁面、使用間隔）等維度評價用戶粘度。進行數據對比分析的時候，要充分利用時間控制項和渠道控制項，可以對比不同時段不同渠道的用戶粘度，了解運營推廣手段對不同渠道的效果。

需要的話可以發一份小靈靈的數據分析給你~

『拾』 如何通過應用統計進行用戶行為分析，在APP做到精細化運營

問題比較泛，只能粗略回答了 ：） 一、精細化運營的目標 比如說你的產品只是個工具，那恐怕談不上過多的精細化運營，一般做好常規的用戶行為分析、再配合用戶定性研究，用於指導產品的設計即可；如果是內容型產品，或者功能和內容兼具的產品，那確實需要考慮。 2.設計統計框架 假設用戶在你的app上會頻繁進行交互和使用功能，同時還會瀏覽或者產生內容，那麼需要在產品設計的同時，把你的統計框架設計好。 二、簡要的操作流程 1.數據採集首先列出你需要的數據項，接著評估哪部分是需要APP上報的，哪部分是後台可以統計的，然後分別在前後台加上。一般來講，APP上報採集的數據，在發布前一定要經過謹慎的校驗和測試，因為一旦版本發布出去而數據採集出了問題，不僅之前的功夫都白做了，還會帶來一大堆臟數據，同時還有可能降低客戶端的運行效率，得不償失。 2.數據整理數據採集完之後，需要將各種原始數據加工成為產品經理需要的直觀的可看數據，這里需要做一些基本的數據邏輯關聯和展示，就不贅述了。 3.數據分析按照一開始設計的統計框架，你可以很清楚的看到自己需要的數據了。 當然以上只是基礎得不能再基礎的分析，再深入一點的，例如你拿到這些數據，可以分析使用A功能的用戶同時還喜歡B功能，二者關聯性較強，是否可以在前端設計時更多的考慮整合，或者界面上的調整；比如分析點擊流，大部分用戶訪問或使用APP的路徑是怎麼樣的，是不是把核心功能藏得太深了？再比如可以分析不同用戶屬性，比如男性用戶和女性用戶，他們在用戶行為上是否有明顯差異？等等。 不同產品的數據分析方式和模型差距非常大，沒法一下子就說清楚。所以以上更多的是舉例。 三、一些需要注意的原則 1.數據本身是客觀的，但被解讀出來的數據一定是主觀的，同樣的數據由不同的人分析很可能得出完全相反的結論，所以一定不能提前帶著觀點去分析（比如已經有了假設，再用數據去論證）； 2.APP採集數據，一定是優先順序比較低的事情，不能因為數據的採集而影響產品的性能和用戶體驗，更不能採集用戶的隱私數據（雖然國內很多APP並沒有這么做）； 3.數據不是萬能的，還是要相信自己的判斷。