整体思路:
构建指标体系应该「纵向」和「横向」相结合:
纵向:梳理出分析问题的整个流程,了解用户行为的核心节点,并对活跃用户行为进行分析:比如对于电商产品,需要分析出用户从进入网站到最终下单的整个流程;对于工具类产品,则需要关注用户使用过程中的体验以及用户流失情况;横向:如基于用户画像的人群分类、根据不同业务背景的时间拓展以及业务线的划分。
最后将纵向和横向的结果相结合,就得到了一套完整的指标体系。
数据指标体系主要分为五个维度,包括用户规模与质量、参与度分析、渠道分析、功能分析和用户属性分析。
1. 用户规模与质量
用户规模和质量是APP数据分析最重要的维度,其指标也是相对其他维度最多,需重点关注。
1.1 活跃用户指标
定义:在一定周期内启动过APP的用户,此外还可将之定义为使用过某核心功能的用户;常用指标:日活跃数(DAU)、周活跃数(WAU)、月活跃数(MAU)等。
活跃用户是衡量用户规模的指标,若仅看一个指标,可用活跃用户数来判别产品是否成功。
1.2 新增用户指标
定义:安装应用后,首次启动APP的用户;
新增用户是衡量营销推广渠道效果的最基础指标;新增用户比例也可用于衡量产品健康度。
1.3 用户活跃度结构
定义:用户活跃度结构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。常用指标:以周活跃为例:低活(1-3天活跃)、中活(4-7天活跃)、高活(7天活跃)、新设备、沉默7-29天、沉默30+
1.4 用户留存率指标
定义: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;常用指标:次留、三留、七留
用户留存率是验证产品用户吸引力很重要的指标。通常可以利用用户留存率与竞品进行对比,衡量应用对用户的吸引力。
对于某一个相对成熟版本的应用,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。
1.5 用户质量或粘性指标
定义:用户的质量或粘性指标是指在一定统计周期内(一般较长)的活跃天数。
能反应出用户的质量或黏性,尤其是用户的活跃度。
2. 参与度分析
参与度分析主要是分析用户的活跃度,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。
2.1 启动次数
定义:在某一统计周期内用户启动应用的次数;常用指标:启动次数、人均启动次数
2.2 使用时长
定义: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;常用指标:人均使用时长、单次使用时长
使用时长相关指标也是衡量产品活跃度、产品质量的重要指标。
2.3 使用时间间隔
定义:使用时间间隔是指同一用户相邻两次启动的时间间隔。
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,可通过不同统计周期的使用时间间隔分布的差异来发现用户体验的问题。
3. 渠道分析
渠道分析主要是分析各渠道在相同的投入情况下,用户数量的变化和趋势,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。
4. 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。
4.1 功能活跃指标
主要关注某功能的活跃人数、新增用户数、用户活跃度结构、用户留存。
只关注某一功能模块,而不是APP整体。
4.2 页面访问路径
主要是统计用户从打开应用到离开应用整个过程中每一步的页面访问和跳转情况。
目的是达成App的商业目标,即引导用户更高效的完成App的不同模块的任务,最终促进用户付费。
4.3 转化率
定义: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。通常使用漏斗模型来,它可以分析产品中关键路径的转化率,以确定产品流程的设计、用户体验问题。
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,分析是否存在问题,并提出如何进行优化的改进意见,通常我们只需要对每天的转化率进行连续性的监控即可。
5. 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、地域和用户画像角度进行分析。
设备终端分析的维度:机型、客户端版本、终端类型和厂商;网络及运营商分析的维度:用户联网方式、电信运营商;地域维度:国家、省市、区。
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:性别、年龄、学历、职业等;用户个人兴趣: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:房产、汽车、金融等消费领域的兴趣分析。
6. 收入分析
盈利是产品的最终目的,所以总收入、付费用户数、付费率、ARPU这四个指标经常用到。
总收入、付费用户数反映的是收入和付费用户的规模;付费率、ARPU代表的是用户付费质量,反映的是用户付费的广度与深度。
主要关注转化漏斗最后环节的订单数量和金额。
精彩文章
发表评论