app流失率指什么

❶ 02 如何衡量APP的盈利能力、广告的投资回报率

与成本相对应，则是收入、利润和投资回报率。而分析衡量收入、利润、投资回报率的角度多、指标名词多。通常情况下，新手在计算产品回收情况时，会被这些数据指标感到迷惑。

衡量一款APP的盈利能力，一般除了看流水收入Revenue，还需要看投资回报率ROI、ROAS和用户价值LTV、ARPU等指标。

分析用户价值的角度来看，则一般看LTV、ARPU等；

广告投放角度看，更多则是看流量渠道/广告平台/广告campaign带来的ROI、ROAS。

LTV（Life Time Value） ，指用户生命周期价值有时候也被称作CLV（Customer Lifetime Value）；指的是在消费者作为产品用户的时，从注册到卸载的整个生命周期中，可以在消费者身上赚取多少收入。

计算产品LTV的最基本目的就是：用户会使用你的产品多少个月；平均每个月你能从用户身上赚多少钱。

不同产品计算LTV的公式不同，一般来说有以下几个角度：

用户生命周期价值（LTV）

=每个付费用户平均收入 （ARPU）×用户生命周期（LT）

=顾客终身购买次数×客单价×毛利率

=某个客户每个月的购买频次×客单价×毛利率 ×（1/月流失率）

用户生命周期：是流失率的倒数（1/流失率），如果APP的流失率是20%，那么APP用户的生命周期是5个月伍滚（一个用户留在你APP上的平均月份）。“1/月流失率”是得出平均每个客户在该平台能碰橘谈够留存的总时长是多少月。

ARPU（Average Revenue Per Pay User） ：每个付费用户平均收入。

计算公式：ARPPU =总收入 / 付费用户数量

ARPU注重的是一个时间段内从每个用户所得到的收入。很明显，高端的用户越多，ARPU越高，用户的留存期越长ARPU越高。一般来说，发达国家地区的ARPU比发展中国家地区的ARPU高。IOS设备的ARPU比Android设备的ARPU高。

但需要注意的是，ARPU值高未必说明利润高，因为利润还需要考虑成本，如果每用户的成本也很高，那么即使ARPU值很高，利润也未必高。

ROI（Return On Investment) ，指投资回报率。

计算公式：ROI=利润/成本×100%=（收入-成本）/成本×100%

对于一些APP来说，LTV计算的周期比较长，而用ROI观测广告的投资回报率更为直接方便。因此，ROI广告投放最为常用的盈利指标之一。

一般来笑碰说，ROI，也会细分看新用户的ROI和总ROI。而新用户ROI，还会按时间维度，细分看3日ROI、7日ROI、14日ROI等。

ROAS（Return On Ad Spend） ，指目标广告支出回报率，即每刀的广告花费能带来多少收入。

计算公式：ROAS=总收入/广告支出 x 100%

举例：这个广告花了我1000刀，给我带来了5000刀的收入，则ROAS=5，意思是你在FB上花1刀就能带来5刀的收入。

这个指标主要是测量广告花费的，算是战术层级。而ROI不仅包含广告费，还考虑了其他方面的因素，属于战略层级。

❷ 从哪些指标可以进行app模块位置优势

• 数据化运营

  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。

• 收集数据

  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。

• 产品的基本数据指标

  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。

❸ 大数据分析中，有哪些常见的大数据分析模型

对于互联网平台而言的产品，主要可以分为两大类：商品和服务。想要通过数据分析提高产品的销量，首先要了解哪些数据需要分析？

哪些数据需要分析？

一、运营模块

从用户的消费流程来看，可以划分为四个部分：引流，转化，消费，存留。

• 流量

流量主要体现在引流环节，按照流量结构可以分为渠道结构，业务结构以及地区结构等。渠道结构，可以追踪各个渠道的流量情况，通过渠道流量占比来分析各渠道的质量。业务结构，根据指定业务对活动的流量进行追踪，观察活动前，中，后流量的变化情况，对活动效果做出评估。

• 转化率

转化率=期望行为人数/作用总人数。提升转化率意味着更低的成本，更高的利润, 最经典的分析模型就是漏斗模型。

• 流失率和留存率

通过各个渠道或者活动把用户引流过来，但过一段时间就会有用户流失掉，这部分用户就是流失用户，而留下来的这部分用户就是留存用户。流失可以分为刚性流失，体验流失和竞争流失，虽然流失是不可避免的，但可以根据对流失的分析，做出相应的对策来挽留用户。关于留存，通过观察存留的规律，定位存留阶段，可以辅助市场活动、市场策略定位等，同时还可以对比不同用户、产品的功能存留情况，分析产品价值，及时对产品做出调整。

• 复购率

复购率可以分为“用户复购率”和“订单复购率”，通过分析复购率，可以进一步对用户粘性进行分析，辅助发现复购率问题，制定运营策略， 同事还可以进行横向（商品、用户、渠道）对比分析， 细化复购率，辅助问题定位。

二、销售模块

销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等。

三、商品模块

重要指标分析：包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、畅滞销分析等， 用来评判商品价值，辅助调整商品策略

四、用户模块

重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留情况等

用户价值分析：可以根据RFM模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户做出进一步分析。

用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。

根据需要分析的数据选择分析模型

一、用户模型

用户模型是一种在营销规划或商业设计上描绘目标用户的方法，经常有多种组合，方便规划者用来分析并设置其针对不同用户所展开的策略。传统的用户模型构建方法有两种：基于访谈和观察构建用户模型（严谨可靠但费时）、临时用户模型（基于行业专家或者市场调查数据构建，快速但不够可靠）。

改进的用户模型构建方法：基于用户行为数据的用户模型

优势：对传统方式进行简化，降低数据分析的门槛；让数据分析更科学、高效、全面，可以更直接地应用于业务增长，指导运营策略。

方法：

1. 整理、收集对用户的初始认知

2. 对用户进行分群

3. 分析用户的行为数据

4. 推测目标动机

5. 对用户进行访谈调查验证

6. 用户模型建立修正

同时，还可以将收集到的用户信息映射成为用户的属性或用户的行为信息，并存储起来形成用户档案；实时关注自身数据的波动，及时做出战略性调整。

二、事件模型

事件模型是用户行为数据分析的第一步，也是分析的核心和基础，它背后的数据结构、采集时机以及对事件的管理是事件模型中的三大要素。

什么是事件？

事件就是用户在产品上的行为，它是用户行为的一个专业描述，用户在产品上所有获得的程序反馈都可以抽象为事件，由开发人员通过埋点进行采集。举个例子：用户在页面上点击按钮就是一个事件。

事件的采集

事件-属性-值的结构：事件（用户在产品上的行为），属性（描述事件的维度），值（属性的内容）

在事件采集过程中，灵活运用事件-属性-值的结构，不仅可以最大化还原用户使用场景，还可以极大地节省事件量，提高工作效率。

采集的时机：用户点击、网页加载完成、服务器判断返回。在设计埋点需求文档时，采集时机的说明尤为重要，也是保证数据准确性的核心。

举个例子：电商销售网页的事件采集

上图中，每一环代表用户的一步，不同的颜色代表不同的行为，同一环颜色占比越大代表在当前步骤中用户行为越统一，环越长说明用户的行为路径越长。

八、用户分群模型

用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。

基于用户行为数据的分群模型：当回归到行为数据本身，会发现对用户的洞察可以更精细更溯源，用历史行为记录的方式可以更快地找到想要的人群。

四个用户分群的维度：

• 用户属性：年龄、性别、城市、浏览器版本、系统版本、操作版本、渠道来源等；

• 活跃于：通过设置活跃时间，找到指定之间段内的活跃用户；

• 做过/没做过：通过用户是否进行某行为，分析用户与产品交互的“亲密度”；

• 新增于：通过设置时间段，精确筛选出新增用户的时间范围；

如何提高产品销量是一个综合性的问题，需要结合多种模型进行数据分析，以上内容是对一些知识的归纳，希望能够对您有所帮助。