关于App分析，其实分析师们所扮演的角色很像大厨，一个好的厨师不仅懂得如何选取食材（竞品选择），还要懂得如何做菜（分析），而你所选择工具就好比是烧菜所需的器具，烧煮煎炸等等是做法（分析方法），最后，大餐出炉，只待享用。一. 移动应用商店的简介如果生活在一线城市，你会发现自己的生活已经开始从电脑端全面向移动端迁移了，随着这种迁移的进行，App Economy应运而生（App economy refers to the range of economic activity surrounding mobile applications. 围绕着移动应用而展开的的经济活动的范围）不论是新型互联网行业，还是传统行业，纷纷进驻到移动领域开展业务，移动互联已经成为整个世界发展的方向：图源：State of the App Economy当今世界最宝贵的资源不再是石油，而是数据，因此，从某种意义上来讲，传统意义上的数据分析，也纷纷涌向了移动端，所以，移动应用分析白皮书的适用范围，不仅限于移动互联网行业，本文所涉及的某些概念是行业通用的。既然App Economy是围绕移动应用展开的，那么将应用分发至各移动端的应用商店就显得至关重要，比如iOS Store, 和Google Play作为分发平台中的佼佼者，其一举一动都关乎整个行业格局的改变，榜单的存在催生了刷榜行业和ASO行业的发展:App store刷榜报价展示方式的改变催生了第三方视频制作公司的出现，用户评论和用户获取催生了除用用商店外再次付费分发行业的产生等：纵观全球移动应用商店（渠道分析）无非以下几类：iOS Store、Google Play、Amazon、Windows Phone、Other Android中国大陆除了iOS Store外，主流的Android平台有：图源：The Top Ten Android App Stores In China 2015 - TechNodeBAT三家旗下的应用商店占据了整个Android市场份额的大半, 此外还有手机厂商和电信运营商的预装应用商店等：百度旗下应用商店： 百度手机助手http://shouji.baidu.com/安卓软件91助手官网阿里旗下应用商店：豌豆荚淘宝手机助手PP助手腾讯旗下应用商店：应用宝官网 360旗下应用商店：360手机助手搜狗旗下应用商店：搜狗手机助手金山旗下应用商店：金山手机助手主流手机厂商应用商店：三星：三星应用商店小米：小米应用商店华为：华为应用市场OPPO：OPPO软件商店vivo：vivo应用商店酷派：酷派应用商店魅族：魅族应用商店三大运营商应用商店：http://mstore.wo.com.cn/联通：沃商店移动：MM应用市场电信：天翼空间 其他应用商店：安智木蚂蚁优亿市场应用汇N多市场 等二. 移动市场应用规模背景介绍完了，接下来回到移动应用分析的主题上来：选菜市场（市场规模：Market Size）哪里的菜品新鲜，哪里的海鲜肥美，哪个市场的价格公道等等，都是大厨们需要考虑的问题，应用市场也一样，了解市场规模(Market Size)的基本信息，对开发商、发行商、投资者以及应用市场从业者来讲，都是不可或缺的甚至是至关重要的环节。全球应用市场，应用下载量（Total Downloads）最高的是哪个国家？应用下载总收入（Total Revenue）最高的是哪个国家？哪个国家哪类应用的下载量近期增幅最大？哪个国家的用户有比较好的付费习惯？在日本，除了游戏和社交类应用，最吸金的是哪类应用？在印度，视频直播，VR创业公司出海应该先发哪个平台iOS还是Google Play？等等图源：App Annie展示图片Data Breakdown: 维度（按国家country，类别category，和设备device划分）
Data Range: 时间段
Total Downloads：总下载（不包括重复下载）
Downloads Trend：下载趋势
Downloads Change：下载变化
Downloads Share：下载份额（某一特定国家的下载量占全球下载量的百分比）
Total Revenue： 总收入（不包括平台佣金）
Revenue Trend：收入趋势
Revenue Change：收入变化
Revenue Share：收入份额 （某一特定国家收入占全球收入的百分比）三. 移动应用分析实务选取食材（chose） 既然市场选好了，那么接下来就该选食材了，也就是研究对象，比如游戏厂商想要研发新IP，投放新市场，就需要知道目标市场哪类题材受欢迎，然后就将某一题材的游戏作为一个group进行数据分析，这些游戏就是研究对象；共享单车ofo想知道竞争对手的运营数据，就需要将摩拜单车，小蓝单车，优拜单车等竞争对手作为一个group进行数据分析，这些共享单车app的相关数据就是分析师（大厨）们的研究对象（食材）。然而有时候，通过业内资讯挖空行业知识储备后，除了你熟悉的那几家，想要了解自己还不熟悉的App，除了关键词搜索以外，App Store里还有一项功能常常被忽略：相关_顾客购买的还有:但是这种相关性只是表面现象，实际上有些App的相关性并不是很高，所以更高级的筛选竞品的方法是借助平台工具，这里涉及到一个术语：Cross-App Usage（跨应用使用情况），举个例子， 您是从事游戏行业的分析师，您研究的这款游戏类App是《刺客信条》：你想知道的是，2017你1月，美国的应用市场，下载安装了《刺客信条》的用户，还安装了哪些App? 这些App和《刺客信条》的相似度如何？跨应用使用情况如何？等等：1. 相似度（Affinity):这里提到的相似度是一个比值，按下面的例子来说明：【2017年1月，美国，iPhone用户，所有类别】安装了《刺客信条》的用户对《星球大战》的使用率，和《星球大战》在普通人群中的使用率的比值为8.0x，也就是说：安装了《刺客信条》的用户对《星球大战》的使用率为普通用户的8倍。Affinity对比出的结果是基于数据算法得出的，因此，非常有参考价值。2. 跨应用使用情况 (Cross-App Usage): 一段时间内，《刺客信条》的用户，使用《星球大战》的百分比，这里假设为20%，进一步解释，2017年1月，美国所有使用了《刺客信条》的iPhone用户中，有20%的人同时也使用了《星球大战》。下面这张图是一个比较完整的demo，更多内容，请参见App Annie：开始烹饪（cooking） 食材都选好了，接下来该烹饪了，同样当分析师们选好了所要研究的应用后，接下来需要做的就是进行数据对比了，对比的维度很多，比如下载量（downloads）和收入（revenue）等等：Downloads：下载，一般不包括重新下载
Revenue：收入，一般不包括平台佣金
Usage Penetration：使用行为渗透率，一段时间内使用该应用的用户百分比
DAU：daily active user 日活跃用户数量
WAU: weekly active user 周活跃用户MAU: monthly active user 月活跃用户Install Penetration：安装渗透率,安装此应用的设备百分比
Install Base：装机量
Open Rate：打开率
Avg Sessions / User／Day：平均会话／每用户／每日，即每位日活跃用户的平均会话数量, 一个会话（session）是指用户打开并使用该应用，因此，后代数据传输等活动不能算作会话
Avg Session Duration：平均会话时长，即每次会话平均时间
Avg Time / User／Day：平均时长/用户／每天，即该时间段内每位每日活跃用户在该应用中花费的总时间的平均值
Total Time：总时长，在应用中花费的总时间
Avg Active Days：平均活跃天数，此段时间内所有用户的平均使用天数
% Active Days：%活跃天数，在该时间段内，应用被使用的平均天数百分比。该数值等同于每日平均活跃用户数量除以该星期或该月份的活跃用户数量。（DAU／WAU或DAU／MAU）
Share of Category Time：此应用分类时间份额，即用户在该应用中花费时间与同应用分类其他应用中话费时间的百分比
Avg MB / User：用户平均使用数据流量 (MB)，即每个用户（每台设备）所使用的平均网络流量
Avg MB / Session：平均每次会话使用数据流量 (MB)，即所有会话使用的平均数据流量，也即是总数据流量除以总会话次数对于初创公司来讲，如果是付费产品，那么收入（Revenue）无疑会成为最重要的指标，但如果是免费产品，那么活跃用户数（Active User）就会显得尤为重要，以上指标中的DAU和MAU使用率最广，非专业人士也常常将其作为对某个产品认知的入口，例如Facebook官网就引用了这两项非常重要的指标：然而实际工作中，分析师们常常查看的数据指标有以下这些：Today Active Users：今日活跃用户
The number of unique active users of your app today as of now.Yesterday Active Users：昨日活跃用户
The number of unique active users of your app yesterday.Previous 7 Days Active Users：不包括今天在内的7日活跃用户
The number of unique active users of your app in the last 7 days excluding today.Previous Week Active Users：上周活跃用户
The number of unique active users of your app previous week.This Week Active Users：截至目前，本周活跃用户
The number of unique active users of your app this week as of now.Previous 30 Days Active Users：不包括今天在内的过去30天活跃用户
The number of unique active users of your app in the last 30 days excluding today.Previous Month Active Users：上月活跃用户
The number of unique active users of your app previous month.This Month Active Users：截至目前，本月活跃用户
The number of unique active users of your app this month as of now.尽管多数非专业人士对以上指标有所耳闻，但是对DAU/MAU RATIO的概念就未必明了了：The Daily Active Users (DAU) to Monthly Active Users (MAU) Ratio measures the stickiness of your product - that is, how often people engage with your product.
也就是说，这个RATIO是用来计算用户粘性（stickiness）的，这个值的取值最大为1，值得注意的是Unique这个概念，也就是去重：DAU is the number of unique users who engage with your product in a one day window.
MAU is the number of unique users who engage with your product over a 30-day window (usually a rolling 30 days).
如下图，给出如下表格，如何计算DAU, MAU 和 WAU上月25号，星期一，三位用户（Sam, Sarah, Kim）使用了该应用，当日的DAU即为3
本月10号，星期三，两位用户（Kim, Sarah去重）使用了该应用，当日的DAU即为2上月最后一周（Week A），去重后的用户有5位（Sam, Sarah, Kim, Nike和Adrian），那么WAU即为5实例：例一：美国2017年2月14-20日 - 即时通讯类应用用户粘度比较：Viber, Telegram, WhatsApp, Signal, Messenger结果显示：Messenger的用户粘度在该时间段内相对较高例二：美国2017年2月14-20日 - 视频通话类应用用户粘度比较：Bigo Live, Houseparty, ooVoo结果显示：ooVoo的用户粘度在该时间段内相对较高
例三：Facebook Engagement 脸书用户参与度分析就职于硅谷知名风投机构Andreessen Horowitz合伙人Benedict Evans对脸书的用户参与度分析如下：FB MAU & DAUs now 90% mobile.Even MAUs 50% mobile-only: DAU must be higher. Yet DAU/MAU ratio hasn't changed much这里需要注意的是，MAU和DAU同样适用于PC端页面访问量的统计，因此，图表中未标明Mobile的地方，是指移动端和PC端的总量具体解读：Facebook的移动端日活跃用户数量／总日活（Mobile DAU/DAU）在12月15日时，高达90%，也就是说，该天90%的日活是由移动端用户贡献的；Mobile MAU/MAU比值类似，也就是说，Facebook移动端登录的用户数远高于与PC端
Mobile DAU/Mobile MAU 在该段时间内也高达50%，移动端的日活一定很高，也就是说，Facebook的用户，每月30天中，有15天会使用Facebook但是总体上DAU/MAU并没有多大幅度的变化那么还有哪些用来衡量用户参与度（User Engagement ）的指标呢？这里涉及到另外一个概念：User Engagement Actions，简单地理解就是用户行为，实际上User Engagement Actions对于不同类型的app来讲是不同的：Team Collaboration APP: Add Task, Complete Task, Invite Team Members工作协同应用：添加任务，完成任务，邀请成员A/B Test SaaS App: Create Test, Start Test, End Test, Share ResultsA/B测试应用：创建测试，启动测试，结束测试，结果分享Online Billing APP: Create Invoice, Send Invoice, Receive Payment联网计费应用：创建账单，发送账单，收到货款因此，涉及到具体应用（App）的分析时，分析师们考虑的维度是不一样的，但是User Engagement的共性在于，它与用户留存（Retention）有关:关于Retention的主流算法有三种:详情参见：Mobile Marketing Automation, Engagement, CRM假设本月1号，周一，10位用户使用了你的App，其中3位用户在次日，周二，再次使用了你的App，到了周三，只剩2位用户依然在使用你的App：那么，你的次日留存率就是3/10=30%，而第3日留存率则为2/10=20%, 计算公式如下：Classic Retention适合短期留存统计，比如市场部门某日上线了某活动（当日有效），需要计算此次活动的用户粘性，那么Classic Retention就是比较合适的选择。Range Retention适用于一段时间内的留存计算，其中，7日留存和30日留存较为常见：假设你的app本周一至周五，每天新增10位用户，8号周一，13号周六，一共有9位用户（已排重）再次使用，那么这周（8-14）的用户留存率就是9/50=18%；15-21号这一周，只有3位用户再次登陆，那么该周的用户留存就是3/50=6%。需要注意的是，6号当天再次登陆的用户数是6，但这6位用户并非新增用户，因此，不能算在分母内，以下是计算公式：实际上，这些理论和计算方法并不用分析师们每次调用，许多数据服务提供商已经将原始数据采集并处理好了，分析师们需要做的就只是调参而已：Range Retention的数据对运营和市场部门来讲，显得十分重要，但是对于更高的决策层来讲，如此细化的数据并不够直观，因此，Rolling即return retention就比较适合呈与决策层。接下来是第三种算法：Rolling，也叫return retention：也就是新增用户在某特定日期当天或者其后一天再次使用app的比例, 这种数据比较直观，解读起来也较方便。举例说明：本月1号，10位新增用户，7号周日，用户A再次登陆，本月10号，周三，用户B再次登陆，本月15，16日，用户C连续登录，此时，7日留存即为3/10=30%，因为7天后（包括第7天），A，B，C用户都登陆了，同理，14日留存就是1/10=10%，因为只有C在14天（包括第14天）后再次登陆了。计算公式如下：-------------------------------作者： @Allie 欢迎关注 @硅谷密探
掌握全球创新趋势}

这是一个拿数据说话的时代！尤其是做产品分析时，客观的数据才具有说服力！但是数据指标都有哪些呢？今天我们就来总结一下。1. 指标名称：APP下载量指标分类：APP下载指标指标说明：针对客户端产品的数据指标，也称为装机量，是指产品客户端被下载到手机、pad等终端的数量，一般以拥有独立userkey/userid为一个有效的下载2. 指标名称：APP激活量指标分类：APP下载指标指标说明：指用户完成有效下载后，点击客户端并首次成功启动软件的用户数量3. 指标名称：APP访问量指标分类：APP下载指标指标说明：指一段时间内用户点击进入客户端的次数4. 指标名称：APP首次成功使用率指标分类：APP下载指标指标说明：指APP下载完成后，首次打开用户占下载量的比例5. 指标名称：渠道数据指标分类：流量指标指标说明：不同渠道来源（安卓/IOS）的下载量、访问量等，用以评估不同访问路径及渠道带来的效果差异6. 指标名称：APP访问用户数指标分类：APP概览指标指标说明：APP访问量的去重数据，指一段时间内点击进入客户端的不同身份标识的用户数7. 指标名称：人均访问时长指标分类：APP概览指标指标说明：用户在客户端内停留时间的平均值8. 指标名称：同时在线人数指标分类：APP概览指标指标说明：实时数据，即在该时间点正在使用产品的用户数，有时也用并发量来表示，用以衡量客户端可承载的同时在线人数9. 指标名称：注册用户数指标分类：新增用户指标指标说明：指用户下载运行，并且完成注册的用户数10. 指标名称：登录用户数指标分类：新增用户指标指标说明：登录应用后至当前时间，至少登录过一次的用户数11. 指标名称：活跃用户数指标分类：活跃用户指标指标说明：在某一个时间段内（一般为一整天）新登录应用的用户数12. 指标名称：日活DAU指标分类：活跃用户指标指标说明：当日访客/总用户数13. 指标名称：周活WAU指标分类：活跃用户指标指标说明：7日内访客（去重）/总用户数14. 指标名称：月活MAU指标分类：活跃用户指标指标说明：30日内访客（去重）/总用户数15. 指标名称：本周回流用户指标分类：用户构成指标指标说明：上周未启动过应用，本周启动应用的用户16. 指标名称：连续活跃n周用户指标分类：用户构成指标指标说明：连续n周，每周至少启动过一次应用的活跃用户17. 指标名称：忠诚用户指标分类：用户构成指标指标说明：连续活跃5周以上的用户（可以根据自己公司的业务进行定义）18. 指标名称：连续活跃用户指标分类：用户构成指标指标说明：连续活跃2周以上的用户（可以根据自己公司的业务进行定义）19. 指标名称：近期流失用户指标分类：用户构成指标指标说明：连续n（1≤n≤4）周没有启动过应用的（可以根据自己公司的业务进行定义）20. 指标名称：流失率指标分类：用户留存率指标指标说明：是指用户的流失数量与全部用户数量的比例21. 指标名称：转化率指标分类：用户留存率指标指标说明：正式成为用户的数量和未知意向的潜在型客户的数量的比例22. 指标名称：留存率指标分类：用户留存率指标指标说明：登录用户数/新增用户数*100%（一般统计周期为天）23. 指标名称：次日留存率指标分类：用户留存率指标指标说明：当天新增的用户中，第二天还在登录的用户数/第一天新增总用户数24. 指标名称：3/7/14日留存率指标分类：用户留存率指标指标说明：第一天新增用户中，在往后的第3/7/14天还有登录的用户数/第一天新增总用户数25. 指标名称：启动次数指标指标分类：参与度分析指标指标说明：同一统计周期内APP启动次数26. 指标名称：人均使用时长指标分类：参与度分析指标指标说明：同一统计周期内使用总时长/活跃用户数27. 指标名称：单次使用时长指标分类：参与度分析指标指标说明：同一统计周期内使用总时长/启动次数28. 指标名称：各模块点击率指标分类：功能活跃指标指标说明：APP内各个模块点击访问率29. 指标名称：渗透率指标分类：功能活跃指标指标说明：APP本模块使用用户占总用户比例---------------------------------------------------------------这些东西总结起来，其实真没那么简单，耗费了我大半天的时间和精力。你如果觉得看这些文字比较麻烦的话，那我爆肝整理的EXCEL版本的你也可以拿走。公众号：产品社，回复“数据埋点”，即可获取EXCEL电子版本}