APP开发公司应该进行哪些数据分析？

　　为什么在应用程序开发之前要进行数据分析？应用程序数据分析有意义吗？应用程序开发团队必须告诉你：当然！数据分析的目的不是数据本身，而是创建一个数据反馈闭环。设计基本的数据指标，多维交叉分析不同的指标，识别数据问题，然后反向影响产品，最终形成数据驱动产品设计的闭环。

　　其实APP的数据分析并没有那么神圣，一般常用的数据指标也不难掌握。实际上，数据指标的设计是基于两个事实：

　　1、商业模式和商业背景；2、动机和目的的数据分析；

　　有很多供应商提供数据分析解决方案，甚至数据分析本身也成为创业的可能。友盟，CNZZ、Talking Data、腾讯云提供了一套完整的数据解决方案。数据分析和建模类似于数学排列和组合理论。选择基本指标以满足特定的业务需求。因此，在进行数据建模之前，有必要掌握常用的数据指标。从地上开始！

　　基础指标

　　1、用户：总用户数、新用户数、留存用户、转化率、区域分析；

　　2、活跃:日活跃(DAU)、周活跃(WAU)、月活跃(MAU);

　　3、收入：支付人数、支付率、支付点分布；

　　4、应用：启动次数、使用频率、使用时间、使用间隔、版本分布、终端类型、错误分析；

　　5、功能：功能活跃、页面访问路径、核心动作转化率；

　　分析维度

　　你赚钱的方式决定了你应该关注的指标。从长远来看，企业的高风险往往与如何赚钱直接相关。基于上述基本数据指标和数据分析的两个事实，可以选择所需的指标来完成应用程序数据分析：

　　1、用户分析

　　分析用户属性，为产品改进和推广提供充分可靠的数据，制定准确的策略；

　　1.1用户规模

　　基本指标：总用户数、新用户数、流失用户、回流用户；

　　统计维度：年、月、周、日；

　　指标比例：“统一使用”率；

　　指标描述：苹果很难获得值，可以间接转换；激活应用程序数量而不是下载；Android更容易处理；日月维度；新用户/总用户数量说明产品健康；比例的大小影响说明问题；

　　1.2活跃用户_用户质量

　　基本指标:日活跃(DAU)、周活跃(WAU)、月活跃(MAU);

　　统计维度：按日、周、月、按渠道、按分组；

　　指标比例：“统一使用”率；

　　指标说明：根据产品类型/属性选择日、周、月的统计维度；改进这些指标的方法：采用操作活动、推送、登录、任务和积分；由功能和内容驱动，用户应用程序的使用频率；

　　1.3用户构成

　　基本指标：活跃用户、启动次数；

　　统计维度：按年、月、周、月；

　　a. 本周回流用户：活跃用户上周没有启动应用程序，本周启动应用程序；

　　b. 连续活跃n周用户:连续n周，每周至少启动一次活跃用户(第n+1未启动)

　　c. 忠诚用户：连续活跃n周以上的用户；

　　d. 连续活跃用户：连续活跃2周以上的用户；

　　e. 最近用户流失:连续n周未启动应用的用户(第n+1周启动);

　　f. 每周活跃用户:本周启动应用程序的用户(去重);

　　指标比例：统一使用“率”表示；绝对值-显示用户组件的数量，百分比显示活跃用户组件占每周或用户的比例；

　　分解每周活跃用户数据的组成部分，并通过历史数据预测未来数据变化趋势的模型。该模型帮助您科学预测应用程序的后续用户活动和保留，并制定有效的计划和目标；

　　2、应用分析

　　2.1启动次数

　　基本指标：总用户数、新用户数、流失用户、回流用户；

　　统计维度：按月、周或日、渠道、分组；

　　指标比例：一天/周/月的启动次数占所选时段总启动次数的比例；

　　指标说明：打开应用程序视为启动，完全退出或退回后台视为启动结束；

　　2.2版本分布

　　基本指标：启动次数、新用户、活跃用户、升级用户；

　　统计维度：按时间、版本；

　　指标比例：“统一使用率”表示；不同版本的累计用户（占累计用户的总比例）;

　　指标描述：显示前10个版本的累计用户变化趋势，可以帮助了解每个版本的新用户、版本升级、当前版本状况；

　　2.3使用状况

　　基本指标：使用时间、使用频率、使用间隔；

　　统计维度：日、周、月；版本、渠道、时间段；

　　指标比例：一天/周/月的启动次数占所选时段总启动次数的比例；

　　指标描述：在统计周期内，一次启动的使用时间；一天内启动应用程序的次数；

　　使用统一用户相邻两次启动间隔的时间长度。

　　2.4终端类型，错误分析(不详细介绍)

　　3、功能分析

　　a. 功能活动指标：某一功能的活跃用户，使用量；功能验证；产品功能数据分析，保证功能选择的合理性，

　　b. 页面访问路径：用户从打开到离开应用程序的页面访问和跳转。页面访问路径是一个全面的统计数据。通过路径分析得出用户类型和产品目的的多样性，恢复用户目的；通过路径分析进行用户细分；然后通过用户细分返回产品迭代。

　　c. 漏斗模型：整个漏斗转换率的目标是序列中的一个事件。用户转换率分析，核心分析漏斗损失的原因。通过设置自定义事件和漏斗来关注应用程序中每一步的转换率，以及转换率对收入水平的影响。通过对事件和漏斗数据的分析，可以有针对性地优化低转换率的步骤，有效地提高整体转换水平。

　　4、行业分析

　　指标描述：行业数据可以帮助了解行业应用的整体水平，查看所有应用程序或类似应用程序中的所有应用程序 指标的数据、排名和趋势有助于衡量应用程序的质量和性能；

　　统计维度：用户规模、更新频率、应用排名；

　　指标比例：全排名和同规模排名；

　　了解行业数据，可以了解整个行业应用程序的水平，可以从新用户、活跃用户、启动次数、使用时间等维度比较产品与行业平均水平的差异和产品的相应指标，了解产品的缺点。

　　5、渠道分析

　　指标说明：对渠道质量的评价，对不同渠道的用户行为特征进行监控和判断；

　　统计维度：时间段、不同渠道比较；基本比较（新用户、新账户、活跃用户、活跃账户、启动次数、单次使用时间、次日保留率）;

　　您可以从多个维度比较不同渠道的效果，如从新用户、活跃用户、第二天保留率、单次使用时间等角度比较不同来源的用户，从而根据数据找到合适的渠道，从而获得更好的推广效果。