本文主要内容来自这本仅 23 页的小手册《A Beginners Guide To App Analytics》。

随着移动设备的大量增加,移动端流量比重的稳步增长,对 APP 应用的分析日趋重要。

一、改变思考方式

首先要改变以网站为中心的思考方式,现在是在分析移动端的 APP 应用,两者有几个很不同点。

焦点在用户访问会话(user sessions)上,而不是访问页面数(pageviews)!

在一个时间段内,人们花在 APP 上的时间可能比在网站上的时间更短,但是却会更专注。使用 APP 和使用网站的转换流程可能大体相似,但是在数据分析上却极不相同。对 APP 的分析焦点在用户访问会话(user sessions)上,而不是访问页面数(pageviews)!

在 APP 上对访问会话有更准确、更详尽的追踪,每次会话都是一个相对紧凑和完整的单元。在网页上的浏览行为会因为浏览器 cookie 环境的变化而对用户追踪不准确,也会因为浏览器多标签的功能而无法准确地记录用户访问路径,对每次访问的时间也没法准确记录,因为用户可能保持页面打开的同时转到外网页面浏览,或者用户访问站仅是为了找回一些信息,而不会有潜在的转化行为。而在移动端情况则很不一样,可以通过移动设备或者社交认证确认用户身份,每次用户访问会话结束的标记是用户关闭了该 APP 应用或者跳转到其他地方超过了 15 秒,用户在 APP 上的访问行为都能被准确地记录下来。

二、仅有下载是不够的

大概有 22% 的下载量带来的使用不超过一次,所有仅有下载量是远远不足的。好的应用研究者需要深入评估留存情况,用户使用习惯和转化效果。

三、为你的目标给出正确的分析

衡量用户的参与度(engagement)有一系列的指标可用,但是你能从中得到什么取决于你的整体品牌目标是什么。对于一个 APP 来说,开发者、市场营销人员、销售人员甚至商业主管可能都有自己各自不尽相同的目标,所以先绕着为什么要启动 APP 要弄清几个问题:

step_why_launch_app

各种 APP 可能大不一样,所以先针对你的商业目标制定合适的指标是首要的事。带着问题开始分析能给你一个快速的可行性强的起点。

四、8 个关键的度量指标

心里已经有了一些分析目标但是还不知道从哪里开始?下面列有 8 个通用的度量指标,可以作为一个很好的分析起点。

1. 用户(User)

辨识你的用户是首要的关键一步。它不仅能让你对你的用户有更深的了解,熟悉他们的使用习惯,还能推进一些更深入的项目,如用户细分(segmenting audiences),跟踪用户的特殊行为,发起一些成功的 APP 营销活动。当你知道了用户基数和当前活跃用户数,你也就得到了一个基准线以分析下次增加用户数的活动。同样的,你也能更了解用户的有价值行为,包括用户的购买行为和广告点击行为。

2. 会话时长(Session Length)

会话时长是指从用户打开 APP 到关闭或者跳转到其他地方超过 15 秒这段时间的时长,它表示用户每次使用 APP 花了多少时间。

跟踪用户的会话时长对释放用户的交易潜力很关键。假设一个电子商务的应用,结算过程需要花多少时间呢?如果平均的会话时长是 5 分钟而你的结算过程需要花费 6 分钟,那么你要么想办法鼓励用户停留更长的时间,要么简化结算流程。

3. 会话间隔(Session Interval)

这里会话间隔指的是用户首次与二次访问之间的时间间隔,表明用户使用 APP 的频率。这个指标标志着下载和运行 APP 后体现出来的直接价值。当你知道了每个用户群体的会话间隔时间,就可以提供更好的用户体验以促进用户使用。

比如,你注意到平板用户的会话间隔时间比手机用户更长,那么你可能需要改进平板上 APP 的屏幕流或者设计以缩短平板用户的会话间隔时间。这也表明你应该加一些有关系的市场推广活动,如应用内推送或者消息推送。

4. 使用 APP 的时长(Time in APP)

使用 APP 的时长是指在一段时间内用户在 APP 的停留时间,比如用户 X 在过去的 24 小时内花在我们应用上 3 个小时。这是另一个度量你的应用多经常被使用,也代表了你的应用对用户的价值。

如果有一部分用户经常长时间的使用你的应用,你需要深入了解“为什么”?他们的屏幕流是否相识,是否购买更多,还是在做研究?用这样的信息可以推出更个性化的宣传口号。

5. 应用获取(Acquisition)

应用获取量代表从某个渠道下载并安装应用的量,比如通过自然搜索,口口相传,付费活动或者其他应用的外链。当你想发起付费活动来推广 APP 时,应用获取这个指标就显得很重要。这方面可以体现你花了多少钱来获得这些用户,下载量以及用户打开应用后的使用情况。

进行付费推广活动的分析最终要落到 ROI (Return on Investment),而不是仅仅看下载量。你需要对照着自然获得的用户来分析比较推广获得用户的长期价值,切分用户做 A/B 测试,或者通过不同的消息通知来促进转化。

6. 屏幕流(Screen Flow)

屏幕流能跟踪屏幕的退出情况,屏之间的跳转,每屏的访问次数,可视化用户在应用内的访问路径。通过屏幕流,你可以分析一些特定屏,看看用户在这个页面上做了什么以及后续去了哪些页面。通过访问路径的分析,可以发现问题页面,发现转化瓶颈页面以及退出页。

7. 留存率(Retention)

留存率是度量有多少比例的用户在他们首次使用 APP 后还会返回。按照设备类型、用户群体、市场活动或者用户的购买频率等维度来分别跟踪留存率可以帮助分析市场活动和个性化营销的效果以及改进 APP。

当应用更新后,分析留存率能让你知道哪些在起作用,哪些没有,你需要确定新版本发布后留存率是否有发生变化。建立长期的留存率监控能促进主要用户的转化和购买,因为培养 APP 的高频使用用户是进行用户生命周期价值管理和促进收益的关键。

8. 生命周期价值(Lifetime Value)

生命周期价值是衡量收益的主要指标,表示该 APP 的金融价值和每个用户在其生命周期中的价值。它也能分割到平均每月的价值,捕获到随时间变化的客户价值,或者用忠诚度和传播度来描述。比如,对一个新的 APP 来说,它的价值能被文章的阅读数和分享数来衡量。LTV 也能通过每个用户的收益来衡量,和购买略微不同却直接相关。

对于不同的用户群体,LTV 的增长会随着时间而表现出差异,或许是因为下载渠道或者是回复率不同的群体,这些也是给你信号,可以持续投入去获取这样的用户,从而转化出利润。它也能表明移动端和非移动端的价值,哪部分群体更愿意花钱,更忠诚,更愿意作为企业的布道者。

五、APP 分析的 4 个最佳实践

任何分析都要结合实际的业务,上面所提到的 8 个指标只是分析的起点。

1. 标记事件

一个事件就是用户在 APP 内的一个行为,是达到我们目的的可定义的每一步,比如文章被阅读是一个事件,转发到社交网络也是一个事件。事件可以伴随着自己的属性,方便更细致地描述每一步,比如事件“文章被分享”是一个事件,他的属性有平台和文章 ID。

标记一个事件意味着这个事件总是被记录着。比如你有一个电商的 APP,那么关于最重要的“支付流程”漏斗转化的每一个事件都应该被记录下来,这包括用户浏览商品,加入购物车,开始结算流程并完成每一步,到最终的确认页面并完成购买。

其他的事件可以包括广告被点击,文章被阅读,邀请好友,参与玩游戏,视频被点播。

2. 细分客户

如果你的用户行为都一样,那么做分析和改进你的 APP 真是一件简单的事情。但事实是用户行为差别很大。一个细分是根据用户是否有触发某个或某些事件来定义的,比如购物车放弃。

3. 选择客户维度

客户维度能很好地对客户进行细分。最基本的比如可以查看不同的设备和模式上的应用内行为。一些好的用户维度有用户的注册状态,订阅类型,性别等。一般而言,用户维度是被视为半持久的用户属性,并且不会经常变更。

4. 定义漏斗转化

APP 的转化漏斗和网页端定义一样,它是你希望你的用户在 APP 内转化的流程。

网站分析的这些指标一般都无法直接套用,罗列在此只是提供一种看问题的视角,具体的问题需要根据业务情况进行相应的名词定义、KPI定义。

一、网站分析的内容指标

转化率 Conversion Rate (Take Rate)

计算公式:转化率 = 进行了相应的动作的访问量 / 总访问量

指标意义:衡量网站内容对访问者的吸引程度以及网站的宣传效果

指标用法:当你在不同的地方测试新闻订阅、下载链接或者注册会员,你可以使用不同的链接的名称、订阅的方式、广告的放置、付费搜索链接、付费广告(PPC)等等,看看哪种方式是能够保持转化率上升的,如何俩增强来访者和网站内容的相关性,如果这个值上升,说明是相关性增强了,反之,则是减弱。

回访者比率 Repeat Visitor Share

计算公式:回访者比率 = 回访者数 / 独立访问者数

指标意义:衡量网站内容对访问者的吸引程度和网站的实用性,你的网站是否有令人感兴趣的内容是访问者再次回到你的网站。

指标用法:基于访问时长的设定和产生报告的时间段,这个指标可能会有很大的不同。绝大多数的网站都希望访问者回访,因此都希望这个值在不断提高,如果这个值在下降,说明网站的内容或产品的质量没有加强。需要注意的是,一旦你选定了一个时长和时间段,就要使用相同的参数来产生你的报告,否则就失去比较的意义。

wa-indices02积极访问者比率 Heavy User Share

计算公式:积极用户比率 = 访问超过一定页数(如11页)的用户 / 总的访问数

指标意义:衡量有多少访问者是对网站的访问内容高度感兴趣

指标用法:如果你的网站正对正确的目标受众并且网站使用方便,你可以看到这个指标应该是不断的上升。如果你的网站是内容型的,你可以针对不同类别的内容来区分不同的积极访问者。

忠实访问者比率 Committed Visitor Share

计算公式:访问时长大于某个时长(如19分钟)的用户数 / 总用户数

指标用法:这个指标应结合其他的指标一起使用,例如转化率,但总体来说,较长的访问时长意味着用户喜欢呆在你的网站,搞的忠实访问率当然是较好的。

忠实访问者指数 Committed Visitor Index

计算公式:忠实访问者指数 = 访问时长大于某个时长(例如19分钟)的访客的访问页数 / 访问时长大于该时长(例如19分钟)的访客数

指标意义:指的是每个长时间访问者的平均访问数,这是一个重要的指标,它结合了页数和时间。

访问者参与指数 Visitor Engagement Index

计算公式:访问者参与指数 = 总访问数 / 独立访问者数

指标意义:这个指标是每个访问者的平均会话(session),代表着部分访问者的多次访问趋势。

指标用法:与回访者比率不同,这个指标代表着回访者的强烈度,如果有一个非常正确的目标受众不断的回访网站,这个指数将大大高于1;如果没有回访者,指数将趋近于1,意味着每一个访问都是一个新的访客。这个指数的高低取决于网站的目标,大部分的内容型和商业性的网站都希望每个访问者在每周/每月有多个会话;客户服务尤其是投诉之类的页面或网站则希望这个指数尽可能地接近于1。

跳出率 Bounce Rate/Reject Rate

计算公式:跳出率 = 单个页面访问数 / 总访问数

指标意义:代表着访问者仅看到这一个页面就离开的比率

指标意义:这个指标对于最高进入页面有很重要的意义,因为流量就是从这些页面产生的,当你对网站的导航或布局设计进行调整时尤其要注意到这个参数。将这个指标应用于首页就变成了经常提及的首页跳出率。

浏览用户比率 Scanning Visitor Share

计算公式:浏览用户比率 = 少于1分钟的访问者数 / 总访问数

指标意义:这个指标一定程度上衡量网页的吸引程度。

指标用法:大部分的网站都希望访问者停留超过一分钟,如果这个指标的值太高,那么就应该考虑一下网页的内容是否过于简单,网站的导航菜单是否需要改进。

wa-indices03wa-indices04

二、网站分析的商业指标

平均订货额 Average Order Amount(AOA)

计算公式:平均订货额 =  总销售额 / 总订单数

指标意义:用来衡量网站销售状况的好坏

指标用法:将网站的访问者转化为买家当然是很重要的,同样重要的是激励买家在每次访问时购买更多的产品。跟踪这个指标可以找到更好的改进方法。

每访问者销售额 Sales Per Visit(SPV)

计算公式:每访问者销售额 = 总销售额 / 总访问数

指标意义:这个指标也是用来衡量网站的市场效率

每单订单成本Cost Per Order(CPO)

计算公式:每单订单成本 = 总的市场营销开支 / 总订单数

指标意义:衡量平均的订货成本

指标用法:每笔订单的营销成本对于网站的盈利和现金流都是非常关键的。营销成本的计算各人有不同的标准,有些把全年的网站营运费用摊到每月的成本中,有些则不这么做,关键要看哪种最适合自己的情况。如果能够在不增加市场营销成本的情况下提高转化率,这个指标就应该会下降。

再订货率Repeat Order Rate(ROR)

计算公式:再订货率 = 现有客户订单数 / 总订单数

指标意义:用来衡量网站对客户的吸引力

指标用法:这个指标的高低和客户服务有很大关系,只有满意的用户产品体验和服务才能提高这个指标。

单个访问者成本Cost Per Visit(CPV)

计算公式:单个访问者成本 = 市场营销费用 / 总访问数

订单获取差额Order Acquisition Gap(OAG)

计算公式:订单获取差额 = 单个访问者成本(CPV)- 单笔订单成本(CPO)

指标意义:这是一个衡量市场效率的指标,代表网站所带来的访问者和转化的访问者之间的差异。

订单获取率Order Acquisition Ratio(OAR)

计算公式:订单获取率 = 单笔订单成本(CPO) / 单个访问者成本(CPV)

指标意义:用另一种形式来体现市场效率

每笔产出Contribution Per Order(CON)

计算公式:每笔产出 = (平均订货数 X 平均边际收益)- 每笔订单成本

指标意义:每笔订单给你带来的现金增加净值

指标用法:公司的财务总监总是对这个指标感兴趣的,代表了你花了多少钱来赚多少钱。

投资回报率Return On Investment(ROI)

计算公式:投资回报率 = 每笔产出(CON)/每笔订单成本(CPO)

指标意义:用来衡量你的广告的投资回报

指标用法:比较你的广告的回报率。

出处:敢问路在何方?谈数据分析与数据挖掘的企业应用价值 | 36大数据.

近期有不少朋友感言数据分析和挖掘应用的商业价值问题,一是说数据分析和挖掘在企业,如果只有知识发现,知识应用没有搞起来,企业还是没有体会到数据的价值;二是说数据分析和挖掘,是否看在多么牛的互联网巨头工作的背景,还是要有扎实的数据变现能力?

第一个问题,还得从第三方数据分析服务,与企业内部数据分析分开来说,否则没有意义。第二个问题,就看是谁在主导找数据分析的人,到底是HR或没想 清楚如何用数据的高层,还是对数据分析和挖掘已经有了明确目标的高层,这才是关键!!像某些公司组织团队,唯互联网巨头背景论,或者唯某种技术论,都很难 对企业有实质的帮助,只是满足他们的个人愿望罢了,而实际情况早已证明了这点。

个人很欣赏对数据分析有明确目标和需要的领导者,如果资深专业的数据分析和挖掘人士服务于这样的业务领导者,为他们的团队服务,将会擦出耀眼的火花,必将是大家一起与业务、与公司一起成长,突出市场重围。

两种数据应用的区别

第三方数据分析服务,个人以为属于技术派,说技术派并非他们不需要懂业务,而是他们的价值更突出在数据挖掘和分析技术上,而非对业务的深入解析。所 以每当有人问我某数据服务或广告公司找数据总监是否合适人选介绍,我回答是,像我这样的可以上,但这并非我们最强项,最好找科班数据挖掘出身的,他们的核 心价值是在技术,而非技术与业务的综合。

企业内部的数据分析和挖掘,个人以为属于商业价值导向派,或者叫业务派。如果把商业逻辑前因后果梳理不清楚,没有熟悉运营的细节,那么他的挖掘技术发挥得价值,恐怕还不如普通数据展现。

有朋友会问,什么是商业价值导向,是不是我把商业问题暴露出来,就OK了?显然是不够的,这样容易出现,你暴露的问题是“公开的秘密”,业务部门需 要的是解决问题的办法,而不是仅仅暴露问题!那如何做到数据的商业价值最大化呢?那就是把问题彻底解决!辅助(一个或多个)业务部门,把问题都解决了。

如何做到解决问题?

有朋友说,解决问题容易啊,BI作为IT工具,业务部门自己看着数据解决啊!我每次都说,非也,如果这样就OK,那么业务部门提需求,BI做分析开发,应该是完美的模式,但为啥这样做的公司,数据都应用很初级?原因需要细细道来。

就拿大家都常举例的转换率问题来说,务实的公司会先从零售指标销售收入、利润、库存来向下推转换率,但我们就按很多电商领导关注的转换率来谈吧。

假设某周转换率明显下降,需要怎样的分析才好呢,业务部门提需求,拿一些数据能搞定么?我们假设订单转换率由3%下降到1.5%,那么从业务角度,会有哪些可能性?

  • 1。导流出了问题,新的流量来源僵尸用户多?(用户访问习惯性行为判断)
  • 2。推广出了问题,很多用户误点广告(由退出率判断)?
  • 3。网站是否改版,降低了客户体验?(用户行为路径判断)?
  • 4。网站其他问题,例如某些功能比较难用,网站变慢等(用户行为访问节点分析判断)?
  • 5。是否商品突然没有了吸引力,例如商品之前还是大量5-6折的商品引流,现在变成8折为引流了?(通过商品访问深度、商品访问比较分析)

如何有效解决问题?如果我们对KPI异常的判断不客观,那么就无法准确定位问题,更无法帮助业务部门解决问题!同时说等业务部门提需求,由BI来分析的朋友,请问转换率问题,上述几种常见原因的不同分析需求,业务部门谁能提出全面的需求?

如果没有全面的需求,那就得有全面的分析,和解决方案出来,协助业务部门彻底解决问题。例如广告误点导致转换率低,但如果总体订单不变的情况下,是 否广告投入偏高,如果广告投入偏高,则需建议推广部门和广告公司重谈商务,降低费用,或者另找推广途径,来提高广告ROI。这就是与业务部门一起共进退的 案例之一,如果网站、商品问题,同理!

企业内部需要什么样的分析挖掘人才?

当然需要分析技术和挖掘算法人才,但要想专人才发挥足够的作用,必须有能理清楚整体业务,包括战略战术、运营,有熟悉分析技术和挖掘算法的人,来带领数据商业价值最大化,因为刚才我分析过,靠业务部门提需求的模式,是搞不定数据价值问题的。

我和一位数据界朋友交流的时候说,假如你每次想让你的分析都落地,产生商业价值,最好的办法就是熟悉业务运营,熟悉业务部门的运作方式。例如你发现 近期销售降低的因素之一,是商品访问平均深度环比降低了20%,这对很多数据分析师来说,已经做的很不错了。且慢,这对于业务部门来说,还是很“虚”的说 法。

像这个案例,你是给网站商品管理的同事说的,他们看到这个数据,最大的可能性就是陷入沉思,因为他们可能找不到突破口,来如何布局商品,才能提高访 问深度。假如你理解他们的工作是组织新老品,组织引流、要利润、高利润不同商品组合,商品组合折扣等等运营工作,那么你的分析就会更贴近他们的实际应用。

那么解决这个问题,就是要发现商品部门能解决的原因,到底是商品布局层次出了问题,还是不同分类的品类组合出了问题,当这些问题表述清楚后,商品运营人员自然知道原因出在哪里,如何解决!!

总结

不同公司的价值导向不同,他们需要人才会不同,需要的价值展现形式也不同。第三方服务公司需要的技术、算法为主导,有一定行业业务知识为辅,有技术 核心竞争力。但如果对行业业务有更深入理解,就会分析出更有参考和咨询价值的数据,体现出第三方公司更高的价值。 企业内部需要的熟悉业务和运作的人,但同时也要熟悉技术和算法,当业务推动不是问题,技术和算法就很重要,当技术和算法有储备,那么能熟悉业务并能用好技 术算法就很重要。简单化数据分析和挖掘价值,以及人才判断,无非变现出来的就是企业对数据分析和挖掘迷茫甚至无知,所以才认为背景能解决一切。

作者:去哪儿网机票事业部 数据营销 高级经理 @innovate511