首页银河娱樂城 › APP的基础数据指标体系,移动应用数据分析体系

APP的基础数据指标体系,移动应用数据分析体系

声明:

考核的重点指标:
参与度分析主要分析用户的活跃度;
渠道分析主要分析渠道推广效果;
功能分析主要分析功能活跃情况、页面访问路径以及转化率;
用户属性分析主要分析用户特征。

APP的数据指标体系主要分为五个维度:用户规模与质量、参与度分析、渠道分析、功能分析以及用户属性分析。本文将详述这五大维度。

文章内容仅代表作者个人意见,与涉及企业的互联网金融发展战略无任何关联。

一、用户规模和质量

用户规模和质量的分析包括活跃用户、新增用户、用户构成、用户留存率、每个用户总活跃天数五个常见指标。

  • 用户规模和质量
    主要是分析用户规模指标,这类指标一般为产品考核的重点指标;

作者简介:金腰子 一颗曾长期混迹于金融与互联网圈的腰子。

1. 活跃用户指标

活跃用户指在某统计周期内启动过应用(APP)的用户。
活跃用户数根据不同统计周期可以分为日活跃数(DAU)、周活跃数(WAU)、月活跃数(MAU)。

  • 参与度分析
    主要分析用户的活跃度;
  • 渠道分析
    主要分析渠道推广效果;
  • 功能分析
    主要分析功能活跃情况、页面访问路径以及转化率;
  • 用户属性分析
    主要分析用户特征。

文章出处:腰腰金融

2. 新增用户指标

新增用户是指安装应用后,首次启动应用的用户。
按照统计时间跨度不同分为日、周、月新增用户。新增用户量指标主要是衡量营销推广渠道效果的最基础指标;另一方面,新增用户占活跃用户的比例也可以用来用于衡量产品健康度。如果某产品新用户占比过高,那说明该产品的活跃是靠推广得来,这种情况非常值得关注,尤其是关注用户的留存率情况。

一、用户规模和质量

用户规模和质量的分析包括活跃用户、新增用户、用户构成、用户留存率、每个用户总活跃天数五个常见指标。用户规模和质量是APP分析最重要的维度,其指标也是相对其他维度最多,产品负责人要重点关注这个维度的指标。

图片 1

3. 用户构成指标

以周活跃用户为例,周活跃用户包括以下几类用户,包括本周回流用户、连续活跃n周用户、忠诚用户、连续活跃用户。
本周回流用户是指上周未启动过应用,本周启动应用的用户;
连续活跃n周用户是指连续n周,每周至少启动过一次应用的活跃用户;
忠诚用户是指连续活跃5周及以上的用户;
连续活跃用户是指连续活跃2周及以上的用户;
近期流失用户是指连续n周(大约等于1周,但小于等于4周)没有启动过应用但用户。
用户构成是对周活跃用户或者月活跃用户的构成进行分析,有助于通过新老用户结构了解活跃用户健康度。

1)活跃用户指标

活跃用户,指在某统计周期内启动过应用(APP)的用户。活跃用户数一般按照设备维度统计,即统计一段周期内启动过的设备(如手机、平板电脑)数量。活跃用户是衡量应用用户规模的指标。通常,一个产品是否成功,如果只看一个指标,那么这个指标一定是活跃用户数

活跃用户数根据不同统计周期可以分为日活跃数(DAU)、周活跃数(WAU)、月活跃数(MAU)。大多数希望用户每天都打开的应用如新闻APP、社交APP、音乐APP等,其产品的KPI考核指标均为日活跃用户数(DAU)。

前面我们说了很多的业务领域,说了很多的故事,年底了,也没啥好说的,干脆说说绩效那点事吧。

4. 用户留存率指标

用户留存率是指在某一统计时段内的新增用户数中再经过一段时间后仍启动该应用的用户比例。
用户留存率可重点关注次日、7日、14日以及30日留存率。
次日留存率即某一统计时段(如今天)新增用户在第二天(如明天)再次启动应用的比例;
7 日留存率即某一统计时段(如今天)新增用户数在第 7
天再次启动该应用的比例;
14日和30日留存率以此类推。用户留存率是验证产品用户吸引力很重要的指标。

通常,我们可以利用用户留存率对比同一类别应用中不同应用的用户吸引力。如果对于某一个应用,在相对成熟的版本情况下,如果用户留存率有明显变化,则说明用户质量有明显变化,很可能是因为推广渠道质量的变化所引起的。

2)新增用户指标

新增用户是指安装应用后,首次启动应用的用户。按照统计时间跨度不同分为日、周、月新增用户。

新增用户量指标主要是衡量营销推广渠道效果的最基础指标;另一方面,新增用户占活跃用户的比例也可以用来用于衡量产品健康度。如果某产品新用户占比过高,那说明该产品的活跃是靠推广得来,这种情况非常值得关注,尤其是关注用户的留存率情况。

按照一位管理学长者的说法,管理的要素就是计划、组织、领导、控制。计划当然是前提,因为无论是组织设计还是领导力构建,还是最终的控制纠偏,都是围绕计划开展的,所以网络金融的计划就极其重要。

5. 每个用户总活跃天数指标

每个用户的总活跃天数指标(TAD,Total Active Days per
User)是在统计周期内,平均每个用户在应用的活跃天数。

如果统计周期比较长,如统计周期一年以上,那么,每个用户的总活跃天数基本可以反映用户在流失之前在APP上耗费的天数,这是反映用户质量尤其是用户活跃度很重要的指标。

3)用户构成指标

用户构成是对周活跃用户或者月活跃用户的构成进行分析,有助于通过新老用户结构了解活跃用户健康度。以周活跃用户为例,周活跃用户包括以下几类用户,包括本周回流用户、连续活跃n周用户、忠诚用户、连续活跃用户。

  • 本周回流用户是指上周未启动过应用,本周启动应用的用户;
  • 连续活跃n周用户是指连续n周,每周至少启动过一次应用的活跃用户;
  • 忠诚用户是指连续活跃5周及以上的用户;
  • 连续活跃用户是指连续活跃2周及以上的用户;
  • 近期流失用户是指连续n周(大约等于1周,但小于等于4周)没有启动过应用但用户。

我们认为,无论是网络金融也好,还是其他的业务,在大方向上一定都有个发展侧重,以此来开展资源的分配,所谓好钢用在刀刃上。

二、参与度分析

参与度分析的常见分析包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。
参与度分析主要是分析用户的活跃度。

4)用户留存率指标

用户留存率是指在某一统计时段内的新增用户数中再经过一段时间后仍启动该应用的用户比例。用户留存率可重点关注次日、7日、14日以及30日留存率。

  • 次日留存率即某一统计时段(如今天)新增用户在第二天(如明天)再次启动应用的比例;
  • 7 日留存率即某一统计时段(如今天)新增用户数在第 7
    天再次启动该应用的比例;
  • 14日和30日留存率以此类推。

用户留存率是验证产品用户吸引力很重要的指标。通常,我们可以利用用户留存率对比同一类别应用中不同应用的用户吸引力。如果对于某一个应用,在相对成熟的版本情况下,如果用户留存率有明显变化,则说明用户质量有明显变化,很可能是因为推广渠道质量的变化所引起的。

其实从互联网类业务来看,绩效管理的模式有很多,也可以通过精准的管理完成发展方向的全局控制,可惜目前多数绩效指标的设定还是太粗放,或者说,更多的指标设定,没有对预期业务控制产生实质帮助,甚至引发了为了指标而指标的潜在风险。

2.1 启动次数指标

启动次数是指在某一统计周期内用户启动应用的次数。
在进行数据分析时,一方面要关注启动次数的总量走势,另一方面,则需要关注人均启动次数,即同一统计周期的启动次数与活跃用户数的比值,如人均日启动次数,则为日启动次数与日活跃用户数的比值,反映的是每天每用户平均启动次数。通常,人均启动次数和人均使用时长可以结合一起分析。

5)每个用户总活跃天数指标

每个用户的总活跃天数指标(TAD,Total Active Days per
User)是在统计周期内,平均每个用户在应用的活跃天数。
如果统计周期比较长,如统计周期一年以上,那么,每个用户的总活跃天数基本可以反映用户在流失之前在APP上耗费的天数,这是反映用户质量尤其是用户活跃度很重要的指标。

不过我们今天主要说的定量方面的内容,定性方面大家就FOLLOW UR HEARTS吧~

2.2 使用时长

使用总时长是指在某一统计统计周期内所有从APP启动到结束使用的总计时长。
使用时长还可以从人均使用时长、单次使用时长等角度进行分析。
人均使用时长是同一统计周期内的使用总时长和活跃用户数的比值;
单次使用时长是同一统计周期内使用总时长和启动次数的比值。
使用时长相关的指标也是衡量产品活跃度、产品质量的重要指标,道理很简单,用户每天的时间是有限的且宝贵的,如果用户愿意在你的产品投入更多的时间,证明你的应用对用户很重要。启动次数和使用时长可以结合一起分析,如果用户启动次数高,使用时长高,该APP则为用户质量非常高,用户粘性好的应用,比如现在很流行的社交应用。

二、参与度分析

参与度分析的常见分析包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。参与度分析主要是分析用户的活跃度。

研发层面略。运营环节

2.3 访问页面

访问页面数指用户一次启动访问的页面数。
我们通常要分析访问页面数分布,即统计一定周期内(如1天、7天或30天)应用的访问页面数的活跃用户数分布,如访问1-2页的活跃用户数、3-5页的活跃用户数、6-9页的活跃用户数、10-29页的活跃用户数、30-50页的活跃用户数,以及50页以上的活跃用户数。
同时,我们可以通过不同统计周期(但统计跨度相同,如都为7天)的访问页面分布的差异,以便于发现用户体验的问题。

1)启动次数指标

启动次数是指在某一统计周期内用户启动应用的次数。在进行数据分析时,一方面要关注启动次数的总量走势,另一方面,则需要关注人均启动次数,即同一统计周期的启动次数与活跃用户数的比值,如人均日启动次数,则为日启动次数与日活跃用户数的比值,反映的是每天每用户平均启动次数。通常,人均启动次数和人均使用时长可以结合一起分析。

之前我们说了很多运营,运营分为两种,一种是业务运营,核心是完善产品的业务服务能力,这类运营管理的控制更多的是与产品设计研发密切挂钩的,如差错率,差错处理周期,以及常规的业务投诉率、服务响应周期等。

2.4 使用时间间隔

使用时间间隔是指同一用户相邻两次启动的时间间隔。
我们通常要分析使用时间间隔分布,一般统计一个月内应用的用户使用时间间隔的活跃用户数分布,如使用时间间隔在1一天内、1天、2天……7天、8-14天、15-30天的活跃用户数分布。同时,我们可以通过不同统计周期(但统计跨度相同,如都为30天)的使用时间间隔分布的差异,以便于发现用户体验的问题。

2)使用时长

使用总时长是指在某一统计周期内所有从APP启动到结束使用的总计时长。使用时长还可以从人均使用时长、单次使用时长等角度进行分析。

  • 人均使用时长是同一统计周期内的使用总时长和活跃用户数的比值;
  • 单次使用时长是同一统计周期内使用总时长和启动次数的比值。

使用时长相关的指标也是衡量产品活跃度、产品质量的重要指标,道理很简单,用户每天的时间是有限的且宝贵的,如果用户愿意在你的产品投入更多的时间,证明你的应用对用户很重要。启动次数和使用时长可以结合一起分析,如果用户启动次数高,使用时长高,该APP则为用户质量非常高,用户粘性好的应用,比如现在很流行的社交应用。

另一种是用户运营,核心是提升平台的转化效率,这类运营管理的控制,更多是与平台本身的用户运营服务挂钩的,如日/周/月活跃、次日/7日/30日留存率等,这些运营指标,也是一种数据的分析应用,用于考核营销渠道质量,考核各项功能的使用情况与应用价值,用于判断是由于功能缺失造成的用户流失,还是由于功能质量问题造成的用户流失。

三、渠道分析

渠道分析主要是分析个渠道在相关的渠道质量的变化和趋势,以科学评估渠道质量,优化渠道推广策略。
渠道分析需要渠道推广负责人重点关注,尤其是目前移动应用市场渠道作弊较为盛行的情况下,渠道推广的分析尤其是要重点关注渠道作弊的分析。
渠道分析包括新增用户、活跃用户、启动次数、单次使用时长和留存率等指标。
这些指标均在上文阐述过,在此就不在赘述。以上提到的只是渠道质量评估的初步维度,如果还需要进一步研究渠道,尤其是研究到渠道防作弊层面,指标还需要更多,包括:判断用户使用行为是否正常的指标,如关键操作活跃量占总活跃的占比,用户激活APP的时间是否正常;判断用户设备是否真实,如机型、操作系统等集中度的分析。

3)访问页面

访问页面数指用户一次启动访问的页面数。我们通常要分析访问页面数分布,即统计一定周期内(如1天、7天或30天)应用的访问页面数的活跃用户数分布,如访问1-2页的活跃用户数、3-5页的活跃用户数、6-9页的活跃用户数、10-29页的活跃用户数、30-50页的活跃用户数,以及50页以上的活跃用户数。同时,我们可以通过不同统计周期(但统计跨度相同,如都为7天)的访问页面分布的差异,以便于发现用户体验的问题。

为什么我们不先说市场,而先说运营问题呢,主要是由于运营问题是银行网络金融业务管理中最薄弱的环节,存在大量的运营职能缺失。

四、功能分析

功能分析主要分析功能活跃情况、页面访问路径以及转化率。这些指标需要功能运营的产品经理重点关注。

4)使用时间间隔

使用时间间隔是指同一用户相邻两次启动的时间间隔。我们通常要分析使用时间间隔分布,一般统计一个月内应用的用户使用时间间隔的活跃用户数分布,如使用时间间隔在1天内、1天、2天……7天、8-14天、15-30天的活跃用户数分布。同时,我们可以通过不同统计周期(但统计跨度相同,如都为30天)的使用时间间隔分布的差异,以便于发现用户体验的问题。

如果说作为运营部门无法准确的描绘用户流量进入平台后的在各个功能分流及最终转化、回访,甚至流失的全路径,也就根本无法判断平台到底是哪个环节出了问题。

4.1 功能活跃指标

功能活跃指标主要关注某功能的活跃人数、某功能新增用户数、某功能用户构成、某功能用户留存。
这些指标的定义与本文第一部分的“用户规模与质量”的指标类似。只是,本部分只关注某一功能模块,而不是APP整体。

三、渠道分析

渠道分析主要是分析个渠道在相关的渠道质量的变化和趋势,以科学评估渠道质量,优化渠道推广策略。渠道分析需要渠道推广负责人重点关注,尤其是目前移动应用市场渠道作弊较为盛行的情况下,渠道推广的分析尤其是要重点关注渠道作弊的分析。

渠道分析包括新增用户、活跃用户、启动次数、单次使用时长和留存率等指标。这些指标均在上文阐述过,在此就不在赘述。以上提到的只是渠道质量评估的初步维度,如果还需要进一步研究渠道,尤其是研究到渠道防作弊层面,指标还需要更多,包括:判断用户使用行为是否正常的指标,如关键操作活跃量占总活跃的占比,用户激活APP的时间是否正常;判断用户设备是否真实,如机型、操作系统等集中度的分析。

总之,如果要深入研究渠道作弊,算法的核心思想是研究推广渠道所带来的用户是否是真的“人”在用,从这个方向去设计相关的评估指标和算法,如某渠道带来的用户大部分集中在凌晨2点使用APP,我们就认为这种渠道所带来的用户很可能不是正常人在使用,甚至是机器在作弊。

所以我们说,至少针对活跃和留存的基本绩效设定是必要的,而日/周/月活跃,以及次日/7日/30日,这样以时间周期维度的划分,是为了更有效的把控绩效落实质量,只追求月活跃或是次日留存,则会出现大量的低质量的运营,短期来看指标确实好完成,长期来看对平台的伤害却是不可逆的。

4.2 页面访问路径分析

APP页面访问路径统计用户从打开应用到离开应用整个过程钟每一步的页面访问和跳转情况。
页面访问路径分析的目的是在达到APP商业目标之下帮助APP用户在使用APP的不同阶段完成任务,并且提高任务完成的效率。APP页面访问路径分析需要考虑以下三方面问题:
4.2.1
APP用户身份的多样性,用户可能是你的会员或者潜在会员,有可能是你的同事或者竞争对手等;
4.2.2 APP用户目的多样性,不同用户使用APP的目的有所不同;
4.2.3
APP用户访问路径的多样性,即时是身份类似、使用目的类似,但访问路径也很可能不同。
因此,我们在做APP页面访问路径分析的时候,需要对APP用户做细分,然后再进行APP页面访问路径分析。最常用的细分方法是按照APP的使用目的来进行用户分类,如汽车APP的用户便可以细分为关注型、意向型、购买型用户,并对每类用户进行基于不同访问任务的进行路径分析,比如意向型的用户,他们进行不同车型的比较都有哪些路径,存在什么问题。
还有一种方法是利用算法,基于用户所有访问路径进行聚类分析,基于访问路径的相似性对用户进行分类,再对每类用户进行分析。

四、功能分析

功能分析主要分析功能活跃情况、页面访问路径以及转化率。这些指标需要功能运营的产品经理重点关注。

上面我们说的是用户流量层面的运营,除此以外,针对网络金融这类交易型业务,还应该存在转化效果上的指标。如总交易额、订单转化率(生成订单到完成交易的转化)、客单交易额指标,这些指标的组合,构成了对交易预期的控制管理。

4.3 漏斗模型

漏斗模型是用于分析产品中关键路径的转化率,以确定产品流程的设计是否合理,分析用户体验问题。
转化率是指进入下一页面的人数(或页面浏览量)与当前页面的人数(或页面浏览量)的比值。用户从刚进入到完成产品使用的某关键任务时(如购物),不同步骤之间的转换会发生损耗。
如用户进入某电商网站,到浏览商品,到把商品放入购物车,最后到支付,每一个环节都有很多的用户流失损耗。通过分析转化率,我们可以比较快定位用户使用产品的不同路径中,那一路径是否存在问题。
当然,对于产品经理,其实不用每天都看转化率报表,我们可以对每天的转化率进行连续性的监控,一旦转化率出现较大的波动,便发告警邮件给到相应的产品负责人,以及时发现产品问题。

1)功能活跃指标

功能活跃指标主要关注某功能的活跃人数、某功能新增用户数、某功能用户构成、某功能用户留存。这些指标的定义与本文第一部分的“用户规模与质量”的指标类似。只是,本部分只关注某一功能模块,而不是APP整体。

如果是非交易,生态构建方面的运营,则更多的偏重于生态服务转化率等等转化指标。关于生态的运营指标更复杂,未来单独再聊。营销环节

五、用户属性分析

用户属性分析主要从用户使用的设备终端、网络及运营商分析和用户画像角度进行分析。

2)页面访问路径分析

APP页面访问路径统计用户从打开应用到离开应用整个过程钟每一步的页面访问和跳转情况。页面访问路径分析的目的是在达到APP商业目标之下帮助APP用户在使用APP的不同阶段完成任务,并且提高任务完成的效率。

APP页面访问路径分析需要考虑以下三方面问题:
(a)APP用户身份的多样性,用户可能是你的会员或者潜在会员,有可能是你的同事或者竞争对手等;
(b)APP用户目的多样性,不同用户使用APP的目的有所不同;
(c)APP用户访问路径的多样性,即时是身份类似、使用目的类似,但访问路径也很可能不同。

因此,我们在做APP页面访问路径分析的时候,需要对APP用户做细分,然后再进行APP页面访问路径分析。最常用的细分方法是按照APP的使用目的来进行用户分类,如汽车APP的用户便可以细分为关注型、意向型、购买型用户,并对每类用户进行基于不同访问任务的进行路径分析,比如意向型的用户,他们进行不同车型的比较都有哪些路径,存在什么问题。还有一种方法是利用算法,基于用户所有访问路径进行聚类分析,基于访问路径的相似性对用户进行分类,再对每类用户进行分析。

在营销环节,其实核心是两个方面,一个偏重于市场公关,一个偏重于产品营销,当然两个方面落实在产品业务层面,都是以实际可量化方法进行控制的,落实到一个大指标,就是下载激活量。而在这个指标之上,还可以对数据进行细化的,是在开展市场营销过程中的市场曝光转化率,去探究市场营销策略的有效性。

5.1 设备终端分析

设备终端的分析维度包括机型分析、分辨率分析和操作系统系统分析,在分析的时候,主要针对这些对象进行活跃用户、新增用户数、启动次数的分析。即分析不同机型的活跃用户数、新增用户数和启动次数,分析不同分辨率设备的活跃用户数、新增用户数和启动次数,分析不同操作系统设备的活跃用户数、新增用户数和启动次数。

3)漏斗模型

漏斗模型是用于分析产品中关键路径的转化率,以确定产品流程的设计是否合理,分析用户体验问题。转化率是指进入下一页面的人数(或页面浏览量)与当前页面的人数(或页面浏览量)的比值。

用户从刚进入到完成产品使用的某关键任务时(如购物),不同步骤之间的转换会发生损耗。如用户进入某电商网站,到浏览商品,到把商品放入购物车,最后到支付,每一个环节都有很多的用户流失损耗。通过分析转化率,我们可以比较快定位用户使用产品的不同路径中,那一路径是否存在问题。

当然,对于产品经理,其实不用每天都看转化率报表,我们可以对每天的转化率进行连续性的监控,一旦转化率出现较大的波动,便发告警邮件给到相应的产品负责人,以及时发现产品问题。

而市场营销策略,又包含了品牌规划设计、公共关系维护、营销渠道选择、营销素材设计制作等等细分内容,这些内容有些是落实到产品层面的用以发挥更好的效率,实现真正的“以用户为中心”,有些则是分散在不同的部门,被不同的诉求拉扯,进而缺失了核心的市场营销策略。

5.2 网络及运营商分析

网络及运营商主要分析用户联网方式和使用的电信运营商,主要针对这些对象进行活跃用户、新增用户数、启动次数的分析。即分析联网方式(包括wifi、2G、3G、4G)的活跃用户数、新增用户数和启动次数,分析不同运营商(中国移动、中国电信、中国联通等)的活跃用户数、新增用户数和启动次数。

五、用户属性分析

用户属性分析主要从用户使用的设备终端、网络及运营商分析和用户画像角度进行分析。

而市场营销的策略,与运营数据本身也是密不可分的,因为关系到了渠道的准入退出,优化渠道策略。

5.3 地域分析

主要分析不同区域,包括不同省市和国家的活跃用户数、新增用户数和启动次数。

1)设备终端分析

设备终端的分析维度包括机型分析、分辨率分析和操作系统系统分析,在分析的时候,主要针对这些对象进行活跃用户、新增用户数、启动次数的分析。即分析不同机型的活跃用户数、新增用户数和启动次数,分析不同分辨率设备的活跃用户数、新增用户数和启动次数,分析不同操作系统设备的活跃用户数、新增用户数和启动次数。

以上所说的是直接对客的市场营销环节,而针对生态构建,则市场营销的重点控制方向,则是生态参与者的营销,此处略。

5.4 用户画像分析

用户画像分析包括人口统计学特征分析、用户个人兴趣分析、用户商业兴趣分析。人口统计学特征包括性别、年龄、学历、收入、支出、职业、行业等;用户个人兴趣指个人生活兴趣爱好的分析,如听音乐、看电影、健身、养宠物等;用户商业兴趣指房产、汽车、金融等消费领域的兴趣分析。用户画像这部分的数据需要进行相相关的画像数据采集,才可以支撑比较详细的画像分析。

2)网络及运营商分析

网络及运营商主要分析用户联网方式和使用的电信运营商,主要针对这些对象进行活跃用户、新增用户数、启动次数的分析。即分析联网方式(包括wifi、2G、3G、4G)的活跃用户数、新增用户数和启动次数,分析不同运营商(中国移动、中国电信、中国联通等)的活跃用户数、新增用户数和启动次数。

这些市场营销上的绩效控制,甚至可以拆分并精细化到不同画像市场的营销管理。其他

3)地域分析

主要分析不同区域,包括不同省市和国家的活跃用户数、新增用户数和启动次数。

以前机构总部总是提出非常粗略的绩效要求,让分支机构细化分解指标,这种方法看似是将自主权下放,实际上却可能让发展方向难以聚焦,分支机构的分解考量是否合理,其实也难以评判,最终也很有可能导致分支机构无所适从,毕竟指标侧重那么模糊,似乎怎么做都是对的,似乎怎么做也都不太对。

4)用户画像分析

用户画像分析包括人口统计学特征分析、用户个人兴趣分析、用户商业兴趣分析。

  • 人口统计学特征包括性别、年龄、学历、收入、支出、职业、行业等;
  • 用户个人兴趣指个人生活兴趣爱好的分析,如听音乐、看电影、健身、养宠物等;
  • 用户商业兴趣指房产、汽车、金融等消费领域的兴趣分析。

用户画像这部分的数据需要进行相相关的画像数据采集,才可以支撑比较详细的画像分析。

显然指标的细化,实际上更是提高管理效率的方式。

最后

本文主要介绍了APP基础的数据分析体系,还有更多的指标体系需要根据APP的特性进行特殊设计,比如,搜索APP需要关注与其特性相关的指标如搜索关键词数、人均搜索关键词数等。

另外,还有一个非常值得关注的是,很多产品经理或者运营人员认为本文提到的很多指标,产品上线后便自然可以看到,这是一个非常常见的误区。因为,本文提到的大多数指标,如果不进行数据打点上报,并进行相关的数据开发统计,就不能看到相关的数据报表。所以,产品经理在产品上线前一定要规划好自己所负责的产品的数据体系,驱动开发进行相关的数据采集上报,并在运营过程中,动态优化和丰富数据体系。

此外在绩效满足的过程中,绩效实现的难易程度又是一个新的控制指标,用来判断指标核定的效果,毕竟指标过度容易完成,或者过于难以完成,也都是控制手段不合理的体现,或者说发展战略已经偏离自身的优势能力,也就需要对未来的计划进行调整。

纵观这些指标,无论是营销还是运营环节,其实都已经有非常丰富的技术手段,去追溯这些数据,通过数据来比较客观的反映环节中的问题,并不断纠偏,以满足绩效目标。

曾经重下载激活忽略用户服务能力,或者只重激活数量,不考量营销策略的粗暴“大数管理”,已经逐渐被市场抛弃了,没有精细化控制,也就难以更好的了解细分市场用户的属性,所谓“以用户为中心”也就无从谈起了。

转载本站文章请注明出处:银河娱樂城 http://www.51minimoto.com/?p=38

上一篇:

下一篇:

相关文章