app产品使用行为如何分析

‘壹’ APP如何高效进行用户分析

APP做用户分析首先要结合业务特点，建立起高效健全的数据指标体系；其次可结合分析场景，借助事件分析、漏斗分析等多种分析模型，对用户行为偏好、基础属性等多维度、多指标的数据进行全面分析；最后，基于用户分析结果，APP还可以做整体运营策略的调整和优化，有效实现精细化运营。以上，APP都可以借助第三方数据分析平台来完成，比如个推的用户运营平台就是专门为APP做用户洞察和数据分析的。现在，个推·用户运营正限时免费中，APP开发者与运营者可注册/登录个推开发者中心免费注册体验。

用户洞察

‘贰’ 手机端app应用的用户行为如何进行分析呢

App分析一般会分为是安卓还是苹果的系统，一般会分析用户的下载量，激活量，注册购买量，以及用户从哪些渠道下载，另外对于用户在app内的浏览路径也要分析，这样可以优化app页面和产品，目前市场上有很多app的数据分析工具（如友盟、SiteApp®），可以根据自己app的类型选择工具。

‘叁’ 如何通过应用统计进行用户行为分析，在APP做到精细化运营

APP是基于目前火热的移动终端系统而开发的各类应用软件，随着终端产品销售的火热，其市场前景也相当乐观，想要通过APP盈利的创业者比比皆是。现阶段而言，APP分为免费和付费下载两大类，其盈利模式各有不同，关键点是要如何吸引用户点击下载。具有有雷同功能的APP比如浏览器、社交类微博等产品，每位用户至多只会选择1-2款产品使用，因此竞争十分激烈；而游戏和工具类APP借助因其多样化的特性，发展方向广阔，能够满足单一用户各种不同的需求，因此下载量大，但竞争依然激烈。通过网易的统计数据我们可以看到，就目前发展而言，游戏和工具类APP是主流产品，但笔者认为今后的盈利点并不在游戏，也不建议开发者盲目跟风游戏应用，因为社会化服务应用也许会在今后成为主流。APP现状：游戏与工具应用当道，成为市场主体。通过对网易应用市场的分析我们看到，在如今最火热的苹果和安卓应用市场，占据最多份额的当属游戏类APP，其次就是工具类APP。它的产量多也就意味着需求量旺盛，人们纷纷挤进这一领域，就是为了抢占这份市场。一般而言，游戏的主题是多样化的，只要有吸引人的内容，便能够得到较好的市场占有率。但是，通过这份统计表我们同样应该看到，免费的使用习惯依然占据着国人的消费理念。因此能够通过免费的APP，通过广告或个性化，功能化的增值服务盈利对面向国内用户的开发者而言是一个不错的选择。APP的售价也在告诉我们一个这样的事实，在付费应用中，某些专业领域的应用，例如针对医疗、商业、导航，他们专注于特定有需求的人群,因此收费是最高的。而游戏因其多样性、普遍性的特点，加上产量高竞争压力大，平均价格排在所有应用的末尾，薄利多销的原则是主流。APP未来：解决生活难题的应用越来越受追捧，社会化服务应前景广泛。在人们的日常生活中总是遇到各种各样的疑难问题，它让我们的生活充满烦躁，抹杀了一天难得的好心情。一款能够将这些烦恼顺利解决的应用，会成为今后的主流，并且只需要稍加推广，就能够拥有广泛的宣传效果。在这里我们列举一个真实的例子：如今，在各大城市，“打车难”已经成为继拥堵之后，困扰上班族日常出行的另一大难题。早晚高峰打车基本用“抢”的，节假日热门出行目的地等车排长队成为常态，要是遇上雨雪天，那才是真正的雪上加霜，一“的”难求。而另一个尴尬的事实是，如果您是一位资深打车人，肯定没少听的哥抱怨，客人难拉，“空驶”的成本越来越高。针对这类饱受市民和从业者抱怨的情况，就有开发者为此专门打造了一款”打车”手机应用。很多人都会怀疑这样的应用能够经手的住市场的检验码？事实是：在今年的伦敦奥运会中，该类APP大展神威，累计下载量就达到20万次。仅伦敦一地，就有超过12%的出租车（约3200辆）注册了其服务，并且这一数字还在以每周300辆的速度增长。这款应用在iOS、安卓、塞班和黑莓四大手机平台的下载量均超过了40万次。其发展之迅速，远远超过了其开发者预想，在自己惊讶之余，已经赚的盆满钵满。作为APP开发者，需要理性面对市场的需求，并且应该坚定自己的理想。游戏与工具类应用在今后仍然会成为市场的主要组成部分，而面向社会化服务的应用，将会成为未来一个重要的发展方向。应用市场没有绝对的畅销与所谓的冷门，抓住用户的心才是最重要的。

‘肆’ 如何对APP进行数据分析

日常数据运营指标，如下载用户数、新增用户数、活跃用户数、付费用户数等，这些数据都是运营中最基础最基本的数据，是大Boss们最关注的核心指标。

②渠道分析

对于一个上升期或者衰退期的APP，运营团队会尽可能寻找大量的渠道来引流，吸引新用户的关注。互联网的渠道很多，通常有竞价渠道(网络、搜狗、应用商店)、SEO渠道(网络、搜狗)、新媒体渠道(微信公众号、微博、抖音)、网盟广告渠道(网络网盟、阿里妈妈)、移动端付费渠道(今日头条、腾讯广点通)、免费渠道(QQ群、微信群、贴吧、问答平台、应用商店)、直播平台(虎牙直播、映客)等。

③活跃用户分析

一个产品不可能满足所有用户，鱼和熊掌不可兼得，用户之所以成为了活跃用户，必然是产品已经满足了一定的用户需求。活跃用户分析中，反映粘性和活性的指标，都值得细致研究。

④用户画像分析

用户画像其实就是用户信息的标签化。如性别、年龄、手机型号、网络型号、职业收入、兴趣偏好等等。用户画像分析的核心工作就是给用户打标签，通过人制定的标签规则，给用户打上标签，使得能够通过标签快速读出其中的信息，最终做标签的提取和聚合，形成用户画像。

⑤产品核心功能转化分析

当用户向您业务价值点方向进行了一次操作，就产生了一次转化。这里的业务价值点包括但不限于完成注册、下载、购买等行为。在互联网产品和运营的分析领域中，转化分析是最为核心和关键的场景。

⑥用户流失分析

流失用户召回是运营工作中的重要部分，定义流失用户是用户流失分析的起点。用户流失是一个过程不是一个节点，流失用户在正式停止使用产品之前会表现出一些异常行为特征：访问频次大幅降低，在线时长大幅下降，交互频率大幅降低等。

⑦用户生命周期分析

在APP用户的整个生命周期中，从用户价值贡献的角度可以分为4个不同的时期，分别是考察期、形成期、稳定期和衰退期。每个时期的用户给APP带来不同的价值。

‘伍’ 怎么分析一款App

1.怎么分析一款App？
首先我也是听了黑马程序员的公开课才了解到这么多的，既然是做产品分析，那么产品分析可以包含的方面比较多，可以包含以下方面：
(1)产品定位分析：为哪些人解决了什么问题？
(2)用户需求分析：需求点是什么？使用场景是什么？
(3)产品市场分析：市场容量如何？竞品如何？
(4)产品功能分析：产品的功能架构是什么？主要的一些功能模块的设计逻辑分析？功能的好坏？
(5)产品UI分析：页面的排版，设计风格、设计与产品定位的关系如何？
(6)产品交互分析：某些功能和页面的交互设计合理性？
(7)运营方面分析：某些社区类产品的运营方式是否合理？运营的策略是否能达到效果？
除了上面以外，也可以用一些其他方面的分析，但主要还是跟产品的生命周期相关的一些角度去进行分析。

‘陆’ APP用户分析（上）

ppt地址： ppt报告

以4周用户行为数据为基础，运用多维度分析，对比分析，漏斗分析等方法，得到如下结论：

1. 男性用户占比60%；年龄段为5，6的用户占比超70%；用户等级集中分布在1、5、6、7级，其中7级用户最多，34.2%；用户城市分布集中在1、3、4、5级城市中，其中4级城市用户最多，占比约30%。

2. 用户白天的使用高峰在10-11点之间，夜间的使用高峰在22-23点之间。一周中的使用高峰在本周四至下周一。周末平均使用次数较工作日稍低。

3. 人均浏览次数，在第四周下降明显，对其进行拆解，发现第四周活跃人数明显增加，浏览次数并没有明显增加，活跃用户增加主要出现在1级用户与7级用户，增长率34.3%，年龄段为5，6 的用户活跃增长率为36.5%。

4. 4周内下单转化率8%，评价转化率40%。拆解分析，3级城市的下单转化率最低，仅为7.2%，六级城市的下单转化率最高为8.8%。

5. 浏览最多的产品是手机，男性偏好外套、茶叶、笔记本，女性偏好美妆，平板。

6. 购买最多的产品是茶叶，男性偏好外套、项链，女性偏好美妆，项链。

7. 90%的用户活跃天数为一天，7%的用户活跃2天，2%的用户活跃3天，仅1%的用户活跃超过4天。高活用户中男性占比91%，城市分类中5级城市用户占比最高为26.6%，等级分类中7级会员占比最高为61%。

8. 仅有0.3%的用户在4周内复购。1级用户，5级城市，年龄段3的用户下单意愿最强。

9. 一天内存在3个下单高峰，分别是10点—12点，14点-16点，20点-23点，工作日的高峰期更加明显。

某app3月19日至4月15日共计四周，用户行为数据，部分信息脱敏。

共包含52292个用户的62770条行为记录。

以此数据为基础，对用户进行分析洞察，增加对用户的了解。

通过4周用户数据分析，加深对客户了解程度。现结合数据，从以下角度展开分析。

1.用户总体分布情况

用户年龄，性别，城市，用户等级情况。

2.用户行为分析

使用时间情况，每天什么时段，每周什么时段是用户使用高峰期

使用频率情况，每个行为的人均次数以及周、日的变化趋势

行为转化率，用户行为路径的转化率是怎样的，变化趋势如何

行为偏好，用户使用时，不同（性别）用户的行为偏好如何

3.重点用户分析

高活跃用户时如何分布的

付费用户时如何分布的，每天的交易高峰在什么时段

#新增客户分布，都买什么

（暂时搁置

1 男生的使用高峰与女生

2 夜间都是谁再用）

男性浏览

女性浏览

男性购买

女性购买

客户活跃天数

高活跃用户，活跃天数大于等于4天

用户下单次数

不同下单次数的用户数

‘柒’ 五步法帮你深度分析一个APP产品

微信搜索公众号: 馒头UX ，了解更多优质文章内容

不知道你是经常会遇到这样的情况：

拿到一个APP产品不知道如何去分析他的好坏，又或者总是分析的很片面，要么仅仅是交互，要么仅仅是视觉

那么有什么好方法能够帮助我们更全面更系统的分析一个APP产品的好坏呢？

我们需要明白的一点是，我们在分析产品时，应该从山顶逐渐往下看，才能够看到山的全貌，站在山脚下只能看到自己视野几百米的范围。

接下来

我们去分析一个APP产品的时候，就可以通过一个万能的公式更全面更系统的去层层剖析:

1、战略存在层(它为什么存在)

产品的核心驱动力是什么？

这个产品带给用户的价值是什么？

这个产品带给企业的价值是什么？

2、能力范围层(我们自身能力)

能做什么，不能做什么？

现在的能力储备是否能够支持？

做到这个需要什么样的能力储备？

3、资源结构层(内外部资源有哪些)

产品的利益相关者有哪些？

内外部有哪些资源？

竞争对手是哪些，相对于他们优势和劣势在哪里？

4、角色框架层(产品各个角色)

体:产品构建的矩阵如何，这个产品处于什么位置？

面:各个板块的使用场景、目的是什么？

线: 页面的布局如何？

点: 这个功能的目的是什么？用户如何交互？使用流程是否合理？...

5、感知层(如何感知产品的不同)

感知层很多时候设计师都会纠结在细节里面，总会分析色彩、图标、间距等。而感知层最重要的是要分析这个产品的调性如何？和其他同类的差异在哪里？界面设计是否能够吸引用户？

最后

我们通过这个五个步骤去分析下今日头条APP

1、战略存在层

核心驱动力 ：算法推荐+优质内容

用户价值 ：今日头条带给用户的价值是通过了解用户的喜好，精准推荐给用户最感兴趣的内容，提升用户的阅读效率

产品价值 ：以今日头条作为基础的流量池为其他产品相互导流

2、能力范围层

2019以前今日头条的slogan是“ 你关心的，才是头条 ”定义今日头条的核心是推荐算法

而2019年之后今日头条的slogan是 “信息创造价值 ”定义今日头条的核心是打造优质的内容，让信息创造价值

今日头条从技术到内容的转变，靠的是今日头条的长久以来的能力储备，所以我们会看到今日头条推出的一系列对内容创作者的扶持计划。     

3、资源结构层

今日头条的利益相关者 ：消费信息的用户、产生内容的创作者、广告商

竞争对手 : 腾讯新闻（腾讯）、网易新闻（网易）、搜狐新闻（搜狐）、微博...

优势 :今日头条通过推荐算法构建了早期产品的核心竞争力，吸引了大批大V和信息消费者，具有先发优势，之后又通过内容产品矩阵构建自己的护城河

劣势 : 竞争压力大，都在竞相进入内容领域

4、角色框架层

体:

今日头条经过几年的发展，逐渐构建起一个内容聚合平台（图文、短视频、长视频...），作为基础的流量池，为其他的产品相互导流

面:

首页模块你可能感兴趣的，和你感兴趣的内容

西瓜视频，你可能感兴趣的短视频

放映厅，你可能感兴趣的长视频

所以，我们从导航栏就能够可以看到今日头条产品所构建起来的面：

核心是千人千面的定制化推荐，核心之外是图文、短视频、长视频

接下去，就是线和面的分析，这就到了布局和功能层级了，这是交互方面的内容，我就不再一一细说了

线: 页面的布局如何？

点: 加这个功能的目的是什么？用户如何交互？使用流程是否合理？

注：APP角色框架层都能够如上图一样由面到线再到点，逐一进行解构分析

4、感知层

人去感知一个物体通常常是通过5种感觉： 视觉、听觉、味觉、嗅觉、触觉 。互联网的产品不像线下体验店5感都能够体现，而我们感知互联网产品主要通过视觉和听觉这2种感觉。

我们听到的是今日头条的报道、今日头条的视频广告

看到的是是今日头条的产品、广告图。而的核心是今日头条的"信息创造价值"，围绕这个最基本的核心，给用户的感知才是一致的，才是和其他产品塑造差异化的核心要点。

基于这些我们再去分析里面的细节就游刃有余了

比如，同为新闻自媒体平台，今日头条把内容创作者放置在列表页明显的位置，而网易新闻、腾讯新闻在内容列表创作者的名字却被弱化了，原因就在于今日头条定位的是自媒体新闻平台，重点在于内容创作者，而网易新闻、腾讯新闻定位的是新闻媒体平台，重点在于内容。

在文章的最后，馒头想要说的是，任何东西要想看清事物的全貌，都需要站在高处往下看，别被你身处的位置所局限。

微信搜索公众号: 馒头UX ，了解更多优质文章内容

‘捌’ App数据分析，到底要分析什么

按大众化的分法，产品的生命周期(PLC, Proct Lifetime Cycle)分为初创期、成长期、成熟期、衰退期，在产品的每个阶段，数据分析的工作权重和分析重点有所区别，下面按阶段结合案例来聊聊。

一、初创期

初创期的重点在于验证产品的核心价值，或者说验证产品的假设：通过某种产品或服务可以为特定的人群解决某个问题。这个阶段应当遵循MVP(Minimum Variable Proct) 的思想，以最小的成本来验证创业的想法，并根据用户的反馈快速迭代以调整解决方案，最终在数据上得到验证。

案例：

拿之前做的某款国外移动端论坛社交应用为例，产品在idea时期(12,13年左右)发现了论坛用户经常在吐槽从移动端Wap页访问论坛速度慢、广告多、完全没有移动端适配，于是我们提出假设：做一个App，连接论坛系统与用户，让论坛用户在移动端也能享受流畅的论坛访问体验，并且用户愿意为了这种体验付费。

于是在初期，整个产品完全围绕看帖、发帖两个核心场景进行挖掘，在论坛里进行宣传，售价$18，发现有许多用户为之付费，且这些用户的留存率达到60%+(当然与用户付费了有关)，有一半的用户使用时长都超过了70分钟。当时没过多久陆续出来了一些竞品 (Vbulletin团队，当时最大的论坛系统，开发了一个移动端的App，意图解决同样的问题)，但是没过多久都远远落在了我们后面，就是因为整个团队遵循MVP的思想，按用户反馈专心反复打磨看帖、发帖的流畅体验，获得了非常好的用户口碑并领先市场，也获得了某着名硅谷投资机构的投资。

关键数据——目标人群画像

除此之外，初创期可以通过接入一些第三方的应用监测SDK来了解初期用户群体的画像，从侧面验证用户群体与假设的目标用户群体特征是否一致，常见的是人口学属性(性别、年龄、学历、地域)。

案例：

今年4月初在和国内某健身类的APP的产品经理聊到， 该APP最初是一款健身、运动记步的工具App，在产品前期新用户的次日留存处于业内平均水平，在其观察到目标用户群体的画像时，发现女性用户明显比男性用户要多，且女性用户留存明显比男性用户要高。于是决定在产品策略上向女性用户倾斜，主攻女性健身、减脂、美容方向的功能以及内容推荐，产品整体次日留存率相比之前增长近100%。

同样，最近服务了一个鹅厂内部客户，他们开发了一款新产品，意在面向年轻人群体，结果却发现其用户年龄分布以青少年和老年人居多：

这正好与他们的用户渠道相关，原来他们有一款面向青少年和老年人的产品，为了给产品带来第一批用户，他们直接从老的产品将用户引流过来，结果发现他们并非产品的目标用户。

关键数据——留存率

在当前用户符合目标受众特征时，核心关注这些用户的留存率、使用时长/频率、用户的黏性等指标，这里就留存率展开来讲。

留存率的维度分很多种(7日，双周，30日等)，依据产品特征来选择，若产品本身满足的是小众低频需求，留存率则宜选择双周甚至是30日;留存率高，代表用户对产品价值认可并产生依赖，一般来说，假设便能得到验证，通常低于20%的留存会是一个比较危险的信号。

介绍一个以数据为驱动的先行指标模型，可以通过找到先行性指标指导产品设计，从而提升留存率。先看下先行性指标的定义，先行性指标是指新用户在使用产品早期的一种产品行为，这个指标与用户的留存率指标之间存在着非常高的线性相关关系，可以预测用户是否会在产品中留存下来。

用自己总结的公式来描述，大致如下：

积极预测可能性(%)：表示用户执行了该行为，即可预测该用户留存活跃的可能性

消极预测可能性(%) ：表示用户如果不执行该行为，即可预测该用户不留存活跃的可能性

最终，先行性指标的可信度=积极预测可能性 X 消极预测可能性 ，我们直接看案例。

案例

拿之前的论坛社交App为假设，假设“用户在注册前10天内添加好友超过7个”为先行性指标，那么我们计算一组数据：

其中，用户前10天内添加好友超过7个，则其30日留存下来可能性为99%;若添加好友小于7个，则其30日不留存下来(流失)可能性为95%，综合指标可信度为0.9405。

同理，计算以下两个先行性指标可信度：

最终，我们得到对比：

以上只是假设的数据，实际上，我们需要对比十几个甚至是二十几个行为指标才能找出先行性可信度最高的行为。

这个模型中第一条“新用户在注册后的10天内添加好友超过7个”，也就是Facebook一个经典的“aha moments”，所谓”aha moments”即当用户意识到产品的核心价值的时刻，也就是我们的“先行指标”。

(Facebook，Instagram推荐好友截图)

除此之外，先行性指标应当满足以下条件：

二、快速成长期

经过了产品打磨的初始阶段，产品有了较好的留存率了，这个时候产品开始进入自发增长期。自发增长期的产品阶段，仍需要关注用户留存、用户时长、用户画像的变化等数据，但可以将侧重点关注在用户的整个生命周期的管理，其中以新用户的增长、激活、触发“aha moments”到产品稳定活跃用户的整个漏斗分析为主。

新用户的增长和激活

其中新用户的增长和激活一般有两种方式，第一种是构建产品的病毒性传播系数, 让产品自发增长，《精益运营数据分析》书中有提到的几个用户病毒式传播分类很有趣：

原生病毒性，即通过App本身的邀请好友功能而传播吸引的新用户的方式;

口碑病毒性，即通过口碑传播，用户主动通过搜索引擎成为的新用户;

人工病毒性，即通过人工干预，如有奖邀请等激励措施来鼓励用户进行邀请行为。

这里关注的一个指标称之为“病毒式传播系数”，感兴趣的同学可以自行深入了解。

新用户下载->激活->‘Aha Moments’->产品稳定活跃

产品开始进入自发增长期后，需要关注用户从新用户到活跃用户(留存后)、到核心用户的生命周期，并将每个过程的关键指标提炼并精细化。

案例

以之前的论坛社交APP为例，新用户进入产品会看到一个欢迎页(如左下图)，经过注册、登录后会看到产品的首页(如右下图的Feed流页面)，多数App都有类似的流程：

一个新用户从进入App欢迎页到最终成为核心用户大概是以下流程：新用户(探索发现产品价值中)-> 旁观者(逐渐认知产品价值并有一定的参与感)-> 生产者(认同产品价值并积极参与)：

按大众化的分法，产品的生命周期(PLC, Proct Lifetime Cycle)分为初创期、成长期、成熟期、衰退期，在产品的每个阶段，数据分析的工作权重和分析重点有所区别，下面按阶段结合案例来聊聊：

此时，对各个阶段的用户行为进行指标分解：

新用户&探索发现者：

欢迎页跳出率

新用户注册率

新用户引导流程转化率

初始看到Feed页跳出率

搜索结果转化率

推送权限开通率

旁观者(路过者)：

平均每个用户关注板块数

平均每个用户关注其他用户数

平均每个活跃用户赞/分享数

Feed卡片展示数

Feed卡片点击数

订阅内容推送点击率

内容生产者：

· 平均每个活跃用户发帖数

· 平均每个活跃用户发照片、视频数

· 平均每个用户在论坛内使用时长

· 活跃用户在论坛内行为分布

精细化的拆分用户生命周期前中期的行为指标，在产品快速增长期帮助了产品不断打磨细节，将用户从新进到成为核心用户体验不断完善。与此同时，在各节点数据提升并稳定后，产品运营的同学则开始进行各种推广、投放的宣传以扩大盘子、占领市场。

三、成熟期

随着用户快速增长，产品不断完善，产品在进入成熟期前后，数据运营关注的重心开始从用户生命周期的前半段(吸引、激活、留存)往后半段(流失、回流)开始偏移。

这里分享一个在增长期和成熟期关注的数据模板 Daily Net Change (应用自John Egan@Pinterest)，区别于只关注DAU、MAU数据，只关注活跃用户数的增减很多时候都是取悦自己，而这个模型能帮助直观地观察到用户增长的因子是什么，或者用户盘子变化的情况，通过一张图展示了产品的新增、回流和留存情况。

其中Net Change = 新增用户 + 回流用户 – 流失用户。

新增用户即当天有多少新用户加入

回流用户即多少老用户连续28天没有使用，今天又开始使用

流失用户即有多少已有用户刚好最后一次使用应用是在28天前

流失与回流

在关注流失回流的过程中，数据会揭示当前用户盘子的一个变化情况，具体分析流失原因则可以参考下方流程：

核心思路即，通过回访定性+数据验证为主要手段，确定流失原因，改变产品运营策略以预防用户流失或拉回用户，促进回流。

除此之外，对于一些稳定的投放渠道，普通的改善方法可能提升转化有限，此时可以进行更精细化的渠道分析来优化提升ROI：

案例：

提升ROI

四、衰退期

最终，产品进入衰退期，一般在进入衰退期前可以采取两种方式：

1、规模化

常出现在零售业中，如开一家按摩养生店，在一定范围内收获好评，那产品成熟的时候则可以开启连锁加盟模式，通过迅速而广泛的扩大市场形成品牌效应，以形成壁垒，此时衰退的风险则被抵御。

2、生态化

在产品增长或接近完善时，单一的产品很容易存在需求过于垂直、用户无法形成依赖的问题，可以开发具有协同能力的新产品以搭建完整的产品生态，使得在当前产品上无法被得到满足或失去兴趣的用户被引流到新产品，作为新产品的新用户;同时新产品的用户也能在新产品上被引流回老产品，产品之间形成互相依赖的链条，最终用户有效流转，形成生态。

本文转载自搜狐，作者：商助科技， 链接：http://www.sohu.com/a/217398072_501610

‘玖’ 如何做好安卓app数据分析

行业数据
行业数据对于一个APP来说，至关重要。了解行业数据，可以知道自己的APP在整个行业的水平，可以从新增用户、活跃用户、启动次数、使用时长等多个维度去对比自己产品与行业平均水平的差异以及自己产品的对应的指标在整个行业的排名，从而知道自己产品的不足之处。这种纵向的对比，会让自己的产品定位、发展方向更加清晰。

用户分析
产品吸引到用户下载和使用之后，首先要知道的就是用户是谁。所以，我们需要详尽地了解到用户的设备终端类型、网络及运营商、地域的分布特征。这些数据可以帮助了解用户的属性，在产品改进以及产品推广中，就可以充分利用这些数据制定精准的策略。

评估渠道效果
在国内，获取用户的渠道是非常多的，如微博、微信、运营商商店、操作系统商店、应用商店、手机厂商预装、CPA广告、交叉推广、限时免费等等。看一个APP的数据，首先要知道用户从哪里来，哪里的用户质量最高，这样开发者就会面临一个选择和评估渠道的难问题。但是通过统计分析工具，开发者可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据找到最适合自身的渠道，从而获得最好的推广效果。

用户行为分析
在关注完用户的属性后，我们还要高度关注用户在应用内的行为，因为这些行为最终决定着产品所能够带来的价值。开发者可以通过设置自定义事件以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化水平。

产品受欢迎程度
在了解了用户的行为之后，我们应该看一下自己的产品是否足够受欢迎，这是一个应用保持生命力的根本。开发者可以从留存用户、用户参与度（使用时长、使用频率、访问页面、使用间隔）等维度评价用户粘度。进行数据对比分析的时候，要充分利用时间控件和渠道控件，可以对比不同时段不同渠道的用户粘度，了解运营推广手段对不同渠道的效果。

需要的话可以发一份小灵灵的数据分析给你~

‘拾’ 如何通过应用统计进行用户行为分析，在APP做到精细化运营

问题比较泛，只能粗略回答了 ：） 一、精细化运营的目标 比如说你的产品只是个工具，那恐怕谈不上过多的精细化运营，一般做好常规的用户行为分析、再配合用户定性研究，用于指导产品的设计即可；如果是内容型产品，或者功能和内容兼具的产品，那确实需要考虑。 2.设计统计框架 假设用户在你的app上会频繁进行交互和使用功能，同时还会浏览或者产生内容，那么需要在产品设计的同时，把你的统计框架设计好。 二、简要的操作流程 1.数据采集首先列出你需要的数据项，接着评估哪部分是需要APP上报的，哪部分是后台可以统计的，然后分别在前后台加上。一般来讲，APP上报采集的数据，在发布前一定要经过谨慎的校验和测试，因为一旦版本发布出去而数据采集出了问题，不仅之前的功夫都白做了，还会带来一大堆脏数据，同时还有可能降低客户端的运行效率，得不偿失。 2.数据整理数据采集完之后，需要将各种原始数据加工成为产品经理需要的直观的可看数据，这里需要做一些基本的数据逻辑关联和展示，就不赘述了。 3.数据分析按照一开始设计的统计框架，你可以很清楚的看到自己需要的数据了。 当然以上只是基础得不能再基础的分析，再深入一点的，例如你拿到这些数据，可以分析使用A功能的用户同时还喜欢B功能，二者关联性较强，是否可以在前端设计时更多的考虑整合，或者界面上的调整；比如分析点击流，大部分用户访问或使用APP的路径是怎么样的，是不是把核心功能藏得太深了？再比如可以分析不同用户属性，比如男性用户和女性用户，他们在用户行为上是否有明显差异？等等。 不同产品的数据分析方式和模型差距非常大，没法一下子就说清楚。所以以上更多的是举例。 三、一些需要注意的原则 1.数据本身是客观的，但被解读出来的数据一定是主观的，同样的数据由不同的人分析很可能得出完全相反的结论，所以一定不能提前带着观点去分析（比如已经有了假设，再用数据去论证）； 2.APP采集数据，一定是优先级比较低的事情，不能因为数据的采集而影响产品的性能和用户体验，更不能采集用户的隐私数据（虽然国内很多APP并没有这么做）； 3.数据不是万能的，还是要相信自己的判断。