A. APP数据分析的常用指标有哪些
1、用户数获取用户是推广的第一步。这个阶段你需要做的是①让App在十几秒内抓住你的用户②通过应用市场下载③通过广告渠道④找到适合自己的推广渠道。2.活跃度因为获得的用户数中有一部分以广告、预装的的形式进来的用户，并非意向用户，这时候就要通过体验良好的新手教程、有噱头的设计、向热门的东西靠拢来吸引这些“偶然误闯”的用户 ，并及时记录用户转化率、新手引导过程流失情况，而活跃度应该记录好周活跃、15天活跃、月活跃度。3.留存率有活跃度后你要考虑你的用户粘性，以保住老客户优先。1）先统计，日留存率、周留存率、月留存率2）区分App类型，比如游戏的首月留存率比社交高，工具的首月留存率又比游戏高3）然后在这些用户流失之前想办法提高他们的积极性。4.盈利目前国内开发者被证实可行的盈利方式包括应用内付费和依靠合作者的运营支付和广告平台这两种，做好了这些，平均转化成本和回报率提高了，盈利就实现了。5.后续传播指数后续传播的一个典型媒介就是社交网络，如果产品自身足够好，有很好的口碑。从自传播到再次获取新用户，应用运营会形成了一个螺旋式上升的轨道。而那些优秀的应用就很好地利用了这个轨道，不断扩大自 己的用户群体。如果只看推广，不重视运营中的其它几个层次，任由用户自生自灭，那么应用的前景必定是暗淡的，所以不同阶段应该关心好每个阶段的数据。
B. 运营App软件应该分析哪些App基础数据
APP开发前：用户需求。用户是否有需求，这项APP是否满足用户的欲望。一款这样研发的APP能够满足多少用户的多少欲望，都是要提前进行预估的。市场空白：现在目前的市场状况是红海很红而蓝海未满，现有的APP尚未完全覆盖用户的需求。在这包含于未包含的关系之中，尚未覆盖到的用户需求就成为市场空白，成为创业者孕育梦想的潜能。基本数据——盈利模式，盈利因素与成本。跟买铺开张一个道理，要想又一款APP造出亿级身家，起先的盈利模式需要分析清楚。APP开发后：常规数据指标的监测，如用户量，新用户量，UGC量（社交产品），销量，付费量，用户流失情况、推广期间的各种数据等等。这也是决定一款APP的运营状态的关键因素。渠道数据分析：在APP通过各种渠道获取到的用户量中，监测一个渠道的好坏成为了要紧。还需要根据每个渠道的用户表现为渠道打分，理清哪个渠道值得花费资源哪个渠道浪费了资源。用户核心转化率：这款APP给你带来了多少红利，转化率如何，这项数据也得进行相应的分析。每个行业的转化率不同，将自己的转化率与市场中行业平均值进行对比，可以很好的了解自己的发展状况与自己在行业中所处的位置。时长监测：是对于用户而言的，是用来衡量常规数据指标的监测中的用户活跃度的。活跃用户动态：这是用户核心转化率的核心力，密切关注APP活跃用户的动态，针对性地推送，这是一款APP最宝贵的资源。APP开发方案可以参考uu 众创的，分析数据也值得参考的。
C. 如何对APP进行数据分析
①日常数据运营指标的监控
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。
D. APP数据分析的常用指标有哪些
①用户数据监测
用户的下载、注册、浏览、点击、退出、付款等行为是进行App数据分析的基础数据来源，需要及时对这些数据进行收集、整理，如果能够借助BI工具，比如DataFocus，对这些数据进行实时展示，监测数据的变动情况就再好不过了。
②广告投放效果分析
有时候公司花了很大的金钱和精力去不同渠道投放广告，但往往收效甚微，没有达到预期的效果。这时候就需要对这些广告的投放效果进行一个总结分析，哪些渠道的新增用户更多、投资回报率更高、注册转化率更高?而哪些渠道的效果较差?通过对这些内容的数据分析，优化配置资源，可以将更多的资源投放到表现较好的渠道中。
③App页面设计分析
设计完成的App一般都会存在一个核心模块，这是开发者最希望用户到达的一个界面。借助对App内用户的行为监测，对用户后续的操作行为进行监测，计算出核心模块到达率，同时可以对App界面设计的合理性进行探究。
④用户粘性分析
通过广告在提升App的知名度后，我们需要做的是留住更多的用户，且最好是活跃用户。通过监测用户的活跃情况、留存率和流失率等指标的进行用户留存分析和粘性分析。流失率的变化可以直观的反应出该APP在朝好的方向发展还是不好的方向发展，可以帮助调整App的内容，迎合用户喜好。
⑤用户画像分析
通过对使用用户的一些基础信息的分类整理，可以对用户进行画像，定位该App的核心用户，并可以针对这些用户进行后续的研发和推广。
E. 运营一个 App 需要运用哪些数据
一、普世通用的数据1、新增：总新增用户（看你的APP市场表现如何），不同渠道带来的新增量（看哪些渠道要重点维护）2、活跃情况：日活跃、周活跃、月活跃（看用户如何使用你的APP）3、留存：次日留存、N日留存（看有多少用户愿意真的使用你的APP）4、使用行为：使用时段、启动频率（看1天、1周中，用户怎么使用你的APP）5、用户画像：性别、年龄、职业、所在地、手机型号、使用网络情况……（这些数据有助于了解你的用户群体是什么样的）二、产品相关数据（根据APP不同而不同）这样的数据，不同类别的APP要看的数据都不同，所以基本没法具体说，实践出真知。以我现在运营的应用商店为例：1、下载量：总下载量、不同模块的下载量、不同类型APP的下载量……（了解这些数据就是了解用户具体怎么使用你的APP的）2、使用行为：使用时长、访问路径、访问深度（同样也是从量化的角度了解用户怎么使用你的APP）个人感觉新增、日活和第二部分的数据最重要，然而离开APP去谈数据太虚了，具体问题具体分析吧。作者：黄杰民链接：https://www.hu.com/question/24454354/answer/27916386来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
F. 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，也获得了某著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 [email protected])，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
G. 运营一个地方棋牌APP到底需要重视哪些数据
当前最重要的资源已经慢慢变成了数据，各行各业已经越来越重视数据。与此同时，PC端的流量已经被移动端快速超过。移动端生态很大一部分就是各大APP。APP作为数据分析的重镇，主要包括了两大方面，当然棋牌类的APP也是一样：
通过以上的分析，就可以帮助诊断APP的使用现状。从而，根据数据有针对性的对APP进行改版，以留住更多的用户并带来价值。
H. app开发要注意分析哪些数据
一款APP在开发的过程中都无需进行数据分析。只有在这款APP还未成为APP前与这款APP已经成为一款APP后才需要进行数据分析。
还未成为APP前：
绘好的蓝图是否拥有价值需得进行一系列的分析运算。透过APP的市场调查和前景分析我们可以得知我们的APP蓝图是否值得去开发，又该怎样的开发。在进行这一系列调研时所需分析的数据有：
用户需求。用户是否有需求，这项APP是否满足用户的欲望。一款这样研发的APP能够满足多少用户的多少欲望，都是要提前进行预估的。
市场空白。现在目前的市场状况是红海很红而蓝海未满，现有的APP尚未完全覆盖用户的需求。在这包含于未包含的关系之中，尚未覆盖到的用户需求就成为市场空白，成为创业者孕育梦想的潜能。
基本数据——盈利模式，盈利因素与成本。跟买铺开张一个道理，要想又一款APP造出亿级身家，起先的盈利模式需要分析清楚。
竞品S.W.O.T.分析分析竞品的优势、劣势、机会和挑战。也可以针对竞品的现状分析自己产品的优势、劣势、机会和挑战。
成为APP后：
常规数据指标的监测，如用户量，新用户量，UGC量（社交产品），销量，付费量，用户流失情况、推广期间的各种数据等等。这也是决定一款APP的运营状态的关键因素。公司应稍加注重。
渠道数据分析。在APP通过各种渠道获取到的用户量中，监测一个渠道的好坏成为了要紧。还需要根据每个渠道的用户表现为渠道打分，理清哪个渠道值得花费资源哪个渠道浪费了资源。
用户核心转化率。起初花费成本开发一款APP本身就不是为了做慈善。所以，这款APP给你带来了多少红利，转化率如何，这项数据也得进行相应的分析。每个行业的转化率不同，将自己的转化率与市场中行业平均值进行对比，可以很好的了解自己的发展状况与自己在行业中所处的位置。
时长监测。是对于用户而言的，是用来衡量常规数据指标的监测中的用户活跃度的。
活跃用户动态。这是用户核心转化率的核心力，密切关注APP活跃用户的动态，针对性地推送，这是一款APP最宝贵的资源。
用户生命周期监测。这个更加倾向于针对社交、游戏类的APP。当APP上线一了半年或者一年之后，再返回去分析一个正常的用户，如何完整的体验你的APP，用了多少时间。根据这个数据再结合一些其它数据可以大致的估算产品能够到怎样的规模，但是只是个指标而已并不是十分权威，毕竟影响一款APP发展的因素太多。
