app流失率指什麼

❶ 02 如何衡量APP的盈利能力、廣告的投資回報率

與成本相對應，則是收入、利潤和投資回報率。而分析衡量收入、利潤、投資回報率的角度多、指標名詞多。通常情況下，新手在計算產品回收情況時，會被這些數據指標感到迷惑。

衡量一款APP的盈利能力，一般除了看流水收入Revenue，還需要看投資回報率ROI、ROAS和用戶價值LTV、ARPU等指標。

分析用戶價值的角度來看，則一般看LTV、ARPU等；

廣告投放角度看，更多則是看流量渠道/廣告平台/廣告campaign帶來的ROI、ROAS。

LTV（Life Time Value） ，指用戶生命周期價值有時候也被稱作CLV（Customer Lifetime Value）；指的是在消費者作為產品用戶的時，從注冊到卸載的整個生命周期中，可以在消費者身上賺取多少收入。

計算產品LTV的最基本目的就是：用戶會使用你的產品多少個月；平均每個月你能從用戶身上賺多少錢。

不同產品計算LTV的公式不同，一般來說有以下幾個角度：

用戶生命周期價值（LTV）

=每個付費用戶平均收入 （ARPU）×用戶生命周期（LT）

=顧客終身購買次數×客單價×毛利率

=某個客戶每個月的購買頻次×客單價×毛利率 ×（1/月流失率）

用戶生命周期：是流失率的倒數（1/流失率），如果APP的流失率是20%，那麼APP用戶的生命周期是5個月伍滾（一個用戶留在你APP上的平均月份）。「1/月流失率」是得出平均每個客戶在該平台能碰橘談夠留存的總時長是多少月。

ARPU（Average Revenue Per Pay User） ：每個付費用戶平均收入。

計算公式：ARPPU =總收入 / 付費用戶數量

ARPU注重的是一個時間段內從每個用戶所得到的收入。很明顯，高端的用戶越多，ARPU越高，用戶的留存期越長ARPU越高。一般來說，發達國家地區的ARPU比發展中國家地區的ARPU高。IOS設備的ARPU比Android設備的ARPU高。

但需要注意的是，ARPU值高未必說明利潤高，因為利潤還需要考慮成本，如果每用戶的成本也很高，那麼即使ARPU值很高，利潤也未必高。

ROI（Return On Investment) ，指投資回報率。

計算公式：ROI=利潤/成本×100%=（收入-成本）/成本×100%

對於一些APP來說，LTV計算的周期比較長，而用ROI觀測廣告的投資回報率更為直接方便。因此，ROI廣告投放最為常用的盈利指標之一。

一般來笑碰說，ROI，也會細分看新用戶的ROI和總ROI。而新用戶ROI，還會按時間維度，細分看3日ROI、7日ROI、14日ROI等。

ROAS（Return On Ad Spend） ，指目標廣告支出回報率，即每刀的廣告花費能帶來多少收入。

計算公式：ROAS=總收入/廣告支出 x 100%

舉例：這個廣告花了我1000刀，給我帶來了5000刀的收入，則ROAS=5，意思是你在FB上花1刀就能帶來5刀的收入。

這個指標主要是測量廣告花費的，算是戰術層級。而ROI不僅包含廣告費，還考慮了其他方面的因素，屬於戰略層級。

❷ 從哪些指標可以進行app模塊位置優勢

• 數據化運營

  評估產品改版後的效果比之前有所提升；或通過數據分析，找到產品迭代的方向等。

• 收集數據

  所謂「埋點」，就是在正常的功能邏輯中添加統計代碼，將自己需要的數據統計出來。

• 產品的基本數據指標

  留存率：用戶會在多長時間內使用產品。如：次日留存率、周留存率等。

  傳播：平均每位老用戶會帶來幾位新用戶。

  流失率：一段時間內流失的用戶，占這段時間內活躍用戶數的比例。

❸ 大數據分析中，有哪些常見的大數據分析模型

對於互聯網平台而言的產品，主要可以分為兩大類：商品和服務。想要通過數據分析提高產品的銷量，首先要了解哪些數據需要分析？

哪些數據需要分析？

一、運營模塊

從用戶的消費流程來看，可以劃分為四個部分：引流，轉化，消費，存留。

• 流量

流量主要體現在引流環節，按照流量結構可以分為渠道結構，業務結構以及地區結構等。渠道結構，可以追蹤各個渠道的流量情況，通過渠道流量佔比來分析各渠道的質量。業務結構，根據指定業務對活動的流量進行追蹤，觀察活動前，中，後流量的變化情況，對活動效果做出評估。

• 轉化率

轉化率=期望行為人數/作用總人數。提升轉化率意味著更低的成本，更高的利潤, 最經典的分析模型就是漏斗模型。

• 流失率和留存率

通過各個渠道或者活動把用戶引流過來，但過一段時間就會有用戶流失掉，這部分用戶就是流失用戶，而留下來的這部分用戶就是留存用戶。流失可以分為剛性流失，體驗流失和競爭流失，雖然流失是不可避免的，但可以根據對流失的分析，做出相應的對策來挽留用戶。關於留存，通過觀察存留的規律，定位存留階段，可以輔助市場活動、市場策略定位等，同時還可以對比不同用戶、產品的功能存留情況，分析產品價值，及時對產品做出調整。

• 復購率

復購率可以分為「用戶復購率」和「訂單復購率」，通過分析復購率，可以進一步對用戶粘性進行分析，輔助發現復購率問題，制定運營策略， 同事還可以進行橫向（商品、用戶、渠道）對比分析， 細化復購率，輔助問題定位。

二、銷售模塊

銷售模塊中有大量的指標，包括同環比、完成率、銷售排行、重點商品佔比、平台佔比等等。

三、商品模塊

重要指標分析：包括貨齡、動銷率、缺貨率、結構指標、價格體系、關聯分析、暢滯銷分析等， 用來評判商品價值，輔助調整商品策略

四、用戶模塊

重點指標分析：包括新增用戶數、增長率、流失率、有效會員佔比、存留情況等

用戶價值分析：可以根據RFM模型，再融入其他個性化參數，對用戶進行價值的劃分，並針對各等級用戶做出進一步分析。

用戶畫像：根據固有屬性、行為屬性、交易屬性、興趣愛好等維度，來為用戶添加標簽與權重，設計用戶畫像，提供精準營銷參考依據。

根據需要分析的數據選擇分析模型

一、用戶模型

用戶模型是一種在營銷規劃或商業設計上描繪目標用戶的方法，經常有多種組合，方便規劃者用來分析並設置其針對不同用戶所展開的策略。傳統的用戶模型構建方法有兩種：基於訪談和觀察構建用戶模型（嚴謹可靠但費時）、臨時用戶模型（基於行業專家或者市場調查數據構建，快速但不夠可靠）。

改進的用戶模型構建方法：基於用戶行為數據的用戶模型

優勢：對傳統方式進行簡化，降低數據分析的門檻；讓數據分析更科學、高效、全面，可以更直接地應用於業務增長，指導運營策略。

方法：

1. 整理、收集對用戶的初始認知

2. 對用戶進行分群

3. 分析用戶的行為數據

4. 推測目標動機

5. 對用戶進行訪談調查驗證

6. 用戶模型建立修正

同時，還可以將收集到的用戶信息映射成為用戶的屬性或用戶的行為信息，並存儲起來形成用戶檔案；實時關注自身數據的波動，及時做出戰略性調整。

二、事件模型

事件模型是用戶行為數據分析的第一步，也是分析的核心和基礎，它背後的數據結構、採集時機以及對事件的管理是事件模型中的三大要素。

什麼是事件？

事件就是用戶在產品上的行為，它是用戶行為的一個專業描述，用戶在產品上所有獲得的程序反饋都可以抽象為事件，由開發人員通過埋點進行採集。舉個例子：用戶在頁面上點擊按鈕就是一個事件。

事件的採集

事件-屬性-值的結構：事件（用戶在產品上的行為），屬性（描述事件的維度），值（屬性的內容）

在事件採集過程中，靈活運用事件-屬性-值的結構，不僅可以最大化還原用戶使用場景，還可以極大地節省事件量，提高工作效率。

採集的時機：用戶點擊、網頁載入完成、伺服器判斷返回。在設計埋點需求文檔時，採集時機的說明尤為重要，也是保證數據准確性的核心。

舉個例子：電商銷售網頁的事件採集

上圖中，每一環代表用戶的一步，不同的顏色代表不同的行為，同一環顏色佔比越大代表在當前步驟中用戶行為越統一，環越長說明用戶的行為路徑越長。

八、用戶分群模型

用戶分群即用戶信息標簽化，通過用戶的歷史行為路徑、行為特徵、偏好等屬性，將具有相同屬性的用戶劃分為一個群體，並進行後續分析。

基於用戶行為數據的分群模型：當回歸到行為數據本身，會發現對用戶的洞察可以更精細更溯源，用歷史行為記錄的方式可以更快地找到想要的人群。

四個用戶分群的維度：

• 用戶屬性：年齡、性別、城市、瀏覽器版本、系統版本、操作版本、渠道來源等；

• 活躍於：通過設置活躍時間，找到指定之間段內的活躍用戶；

• 做過/沒做過：通過用戶是否進行某行為，分析用戶與產品交互的「親密度」；

• 新增於：通過設置時間段，精確篩選出新增用戶的時間范圍；

如何提高產品銷量是一個綜合性的問題，需要結合多種模型進行數據分析，以上內容是對一些知識的歸納，希望能夠對您有所幫助。