移动应用数据分析制胜指南

无论是精简用户漏斗还是优化应用表现，都离不开数据。因此，iOS 和安卓端的应用数据跟踪对用户获取和交互改善至关重要。不过，我们先从基础知识开始梳理。

什么是移动应用数据分析？

应用数据分析是对移动应用收集的数据的积累和分析，这其中包括来自应用推广平台的数据，如网页和联网电视 (CTV) 等。

为何需要移动数据分析？

移动应用市场竞争异常激烈，Apple App Store 中的应用已经超过 220 万款，Google Play 商店则高达 350 万款。应用要想取得成功，就必须通过数据分析掌握宝贵的洞见。

发布了应用并不代表万事大吉，营销人员还必须了解如何优化应用和营销推广活动。要完成这一目标，您需要效果分析数据，以此深入理解用户旅程，根据数据做出明智决策，优化交互，减少用户流失，提高转化和下载量等等。

没有应用数据分析，开发者就无法找到应用和/或推广活动中的潜在问题，也就无法制定相应的解决方案，最终导致营销时间、精力和预算效率低下。

能用来改善表现的指标多种多样。要找到能满足应用数据分析的指标，必须先指定关键业绩指标 (KPI)，然后以这些 KPI 为基础挑选主要指标。此外，您还需要考虑不同指标的搭配效果，即这些指标能否合力绘制出最全面的营销表现图景。下面，我们就来看看不同 KPI 对应的最佳指标示例。

用户获取四大实用指标

• 应用归因：这一指标指示用户获取的方式，如付费营销或自然流量等。应用归因可展示推广活动的表现，而事件跟踪则能展示用户价值 (详见下文)。掌握了这些信息便能找出最成功的推广活动，以及那些不值得进一步投资的活动。
• 单次获取成本 (CPA)：该成本模型指示获取单个用户的成本情况。推广活动总成本除以该活动获取来的用户数量，即可得出单次获取成本。CPA 是一个至关重要的指标，可用来计算投资回报率 (ROI)，找到性价比最高的新用户获取方式。
• 每用户平均收入 (ARPU)：该指标指示每位用户产生的平均收入。借助 ARPU，您可以估算是否能够达成收入目标。此外，ARPU 也是 LTV(生命周期价值) 计算公式中不可或缺的一部分。不过需要注意的是，有时候广告大 R 可能会导致 ARPU 失真。
• 生命周期价值 (LTV)：该指标指示用户在流失前的预计支出。通过用户 LTV，营销人员可以了解用户的活跃状态需要保持多久才能产生最大收入，并预估未来几个月的盈利。您也可以比较不同用户群组的 LTV，了解哪部分用户性价比更高。

用户交互数据分析五大实用指标

• 应用内事件：跟踪事件，洞察应用内活动相关的用户行为。可跟踪的事件包括购买、页面访问、将商品加入购物车、完成关卡等等。

• 安装：用户下载后首次打开应用，即被视为安装。了解应用安装量，对找到表现最优的推广活动至关重要。

• 会话：会话指用户在安装后打开应用并与之交互。会话数据可展示用户打开应用的频率及其在漏斗中如何移动。按照设备、位置和时间查看会话，即可掌握用户访问应用的方式、时机和来源。

  例如，您可以了解用户平均需要进行多少次会话才会完成购买。通过该指标还可以了解每日活跃用户 (DAU) 和每月活跃用户 (MAU) 情况。

• 留存率：指返回应用的用户数量。留存率能指示用户流失节点，帮助您找准再交互时机。此外，您也可以借助留存率发现应用需要改进的地方。

  我们的研究显示，第 1 天的用户留存率约为 26%，第 7 天降至 11-13%。第 30 天的平均留存率为 6.5%。不过需要注意的是，不同应用类型的基准留存率各有不同。

  借助留存率，营销人员也能找到一段时间内产生价值最高的推广活动。有时候，吸引下载量最多的推广活动并不是产生收入最多或触及忠实用户最多的。

• 流失率：指示放弃应用的用户数量。如果用户卸载了应用，或不再进行应用会话，即说明用户流失。流失率是一个非常重要的指标，能帮助您计算 LTV，了解用户对应用丧失兴趣的常见原因。例如，如果首次会话后有许多用户流失，说明新客户引导可能发生重大问题，或者登录出现技术故障。

用移动数据分析报告验证应用功能也非常重要。例如，通过数据分析可以了解会话中应用崩溃的频率和运行速度，以及可能造成问题的网络错误。请务必留意用户反馈，阅读应用商店中的用户点评，了解用户对应用功能的满意程度。

移动应用数据分析七大最佳做法

1. 绘制出用户旅程的每一步

   用户旅程 (也称 "用户漏斗") 涵盖了从安装到购买的全引导过程。请务必绘制出旅程的每一步，以合理跟踪事件，了解用户流失节点。了解用户旅程是优化用户漏斗的第一步，能确保用户为应用产生收入。

2. 只监测对实现目标有意义的指标

   可以使用的指标数不胜数，因此，您必须根据表现优化需求，选择最关键的监测目标。请将主要精力放在最重要的指标上，避免在效果不佳的优化上浪费时间和资金。

   风投公司 Andreessen Horowitz 普通合伙人 Andrew Chen (也是 Uber 前骑手发展总监) 建议：" 如果某个指标不会体现在日常运营中，或者没有潜力在日常运营中发挥作用，就不要选择这个指标。打造没人看的报告是在做无用功，只会浪费时间。"

   制定好目标并绘制出用户漏斗中的每一步后，就可以利用这些信息选择能提供关键洞见的指标了。在这个问题上，"少即是多"——请在数据分析后进行清晰简明的规划，列出最重要的问题，并以回答这些问题为目标，跟踪所需要的一切数据。

3. 在尽可能多的不同设备上测试应用

   在多种不同设备上测试应用非常重要，只有这样，您才能了解潜在用户设备的表现，确保客户满意，并且有助于开展数据分析。请充分测试，确保应用性能不会妨碍您实现目标，避免品牌声誉因应用性能而受损。

4. 优先做好新客户引导体验

   无论应用有多优秀，都需要打造合适的新客户引导，帮助用户学会使用应用，充分享受应用体验，否则，客户将无法了解产品的真正价值。这一点对所有应用类别都适用，但超休闲游戏除外。超休闲游戏的设计初衷，就是尽量缩短和简化新客户引导，让用户迅速上手开玩。要改善新客户引导体验，您可以设置简单易完成的首个操作，使用基于用户角色的新客户引导，并简化注册流程。

   视频营销平台 Wistia 增长团队总监 Andrew Caplan 为我们阐释了他的团队如何研究长期留存对应的用户行为规律："我们最重要的新客户引导优化举措，是指定账户激活指标，并以严肃态度对待该指标的数据跟踪。就成功 "激活" 账户的标准达成一致，并掌握激活账户之前的所有操作，让客户引导迈上了新的高度。" 基于公司对 "成功" 的定义，Andrew Caplan 的团队也划分了优先级，根据轻重缓急处理不同工作。

5. 用 A/B 测试提高漏斗转化率

   A/B 测试是了解用户漏斗变化影响的绝佳方式。将单个变量隔离出来，与对照组比较，就能在应用变化之前了解变化带来的结果，在采取行动时更加胸有成竹。

6. 依靠应用数据分析采取新举措

   除了改善关键指标外，还应当借助应用数据分析寻找新的应用增长方式。理解用户与应用互动的方式，用户喜爱和不常用的功能，您就能获得灵感和新理念，制定新的措施，推出新的功能。

7. 参考行业基准制定目标

   通过对比行业基准，应用可以充分了解自身表现情况。不过，用户行为会因应用功能不同而存在差异，因此请注意区分不同应用类型的行业基准。

无论选择在监测和应用数据分析中使用哪些指标，都需要一位能提供精准数据的合作伙伴。

Adjust Datascape：顶尖移动应用数据分析工具

Adjust Datascape将所有数据汇于一处，帮助您轻松洞察用户获取情况，创建自定义报告，以不同方式打造同期群来掌握 KPI。此外，您还可以利用我们的 SKAdNetwork 控制面板，理解 Apple 发送的 SKAN 数据。

要进一步了解应用数据分析，请参阅Dagangan 如何使用 Adjust 跟踪用户获取推广活动的表现。此外，也欢迎查看提高 iOS 端 ATT 用户许可率的 A/B 测试技巧，使用授权用户数据为数据分析增添动力。