这是个买不起流量的时代！36氪《买不起的流量，创业者每一天都是生死存亡》刷爆了互联网圈子，一句“每10个人下载我们的app，就有近300元人民币被白白浪费掉”让我们知道了精细化运营对于现在的app开发者来说是多么重要！“浪费”正在发生，减少浪费从学会数据分析开始。
为什么要做数据分析？能有效避免拍脑袋做事情，用客观数据分析出来的结果堵住主观臆想的黑洞；能够为决策提供有说服力的支撑，通过数据分析，还可以看到决策之后的效果和问题以及为下次决策提供方向。
以下是app数据分析的重点分析对象：
一、行业数据有助于分析app优劣
行业数据对于了解自己的app来说至关重要，因为有了行业数据的对照，就能知道自己的app在整个行业的水平。从中分析出自家app在行业中的优势和劣势，发现其中的问题以及在未来的app运营和推广当中作出有针对性的调整。了解行业数据不亚于了解自家app的重要性，因为一款产品放之四海，就有对比有差异，所以沉浸在自己的小世界是万万不能的，一个成熟的app运营人员懂得如何在行业中让自己的app杀出生天。
二、了解用户指标是基础也是重点
1、新增用户
新增用户指的是app等应用被下载安装之后，第一次启动app的用户。
这个指标主要是用于衡量营销推广渠道的效果，是app最基础的数据指标。
按照时间维度来分，新增用户分为日新增用户、周新增用户、月新增用户等。按渠道来源，新增用户还可以分为渠道新增用户、运营商新增用户、地域新增用户。
ps：如果新增用户占活跃用户的比例过高，就说明app的活跃大部分是依赖于推广拉新的，反之则是app促活而成的。
2、活跃用户
活跃用户是指那些在一定的统计周期内打开app，并且为app带来一些价值的用户，一般用于衡量app的运营现状——真正意义上的用户规模。很多产品说到用户规模和质量不会看用户总量，而是看它的活跃用户数。
活跃用户根据不同的统计周期分为日活跃用户数（dau），周活跃用户数（wau），月活跃用户数（mau）。不同类型的app，考核的kpi指标也不一样。像微信等社交app、网易等新闻app、酷狗等音乐app是开发者希望用户每天都能启动的app，所以这类app注重的是日活跃用户数。而像大姨吗、美柚这类记录女性经期的app产品，考核的kpi指标则是月活跃用户，大姨妈不可能天天都来。
在活跃用户指标里，有个很重要的指标：单个用户总活跃天数，是指在一定的统计周期内，平均每个用户在app的活跃天数，反映了用户在流失之前ta花费在app上的天数。
3、流失用户
流失用户是相对于活跃用户的概念，是指那些下载了app之后，曾经启动过app并且注册过，但是对该app逐渐失去了兴趣，进而彻底脱离这款产品的用户。如果说活跃用户是用来衡量app的运营现状，那么流失用户则是用以分析该app是否存在被淘汰的风险，以及你的app是否有能力留住新用户。
4、用户构成
用户构成是指对某周期内的活跃用户的构成，一般是对周活跃用户或者月活跃用户构成进行分析。拿月活跃用户来说，其用户构成包括：
忠诚用户：也叫做超级活跃用户，长期持续地使用app，例如连续活跃4周，或者1个月内15天。近期流失用户：连续1个月内没有打开过app的用户。本月回流用户：上个月没有打开过app，但是这个月重新打开了app的用户。连续活跃用户：连续活跃两周及以上的用户，这里注意区分忠诚用户与连续活跃用户的量变。
用户构成分析有助于通过活跃用户中新老用户的结构去了解app活跃用户的健康度。
5、用户留存率
用户留存率是指在某一个统计时段的新增用户数中经过了一段时间后仍打开这个app的用户比例，包括次日留存、7日留存（如今天新增用户数在第7日再次打开app的比例，14日和30日留存以此类推）、14日留存、30日留存。这个指标是验证你的app对用户是否具有吸引力。
二、了解app活跃指标检验产品质量
1、启动次数
在某一统计时段的用户打开app的次数。一般有日启动次数、周启动次数、月启动次数，还有对应周期内的人均启动次数。
2、使用时长
使用时长是指在统计周期内所有用户从打开app到关闭app的总时长。从使用时长还可以延伸人均使用时长、单次使用时长。这个指标考核的是你的app用户粘性高不高，也反映了app的产品质量高低，使用时长一般会结合启动次数一起分析。
3、使用时间间隔
指同一个用户相隔两次打开app的时间间隔。
4、访问页面数分布
指用户一次启动访问的页面数。
三、转化分析指标
运营人员最关心的是转化率，转化率指在一个统计周期内，完成转化行为（如购物）的人数占当前页面的人数的比率。
转化率反映了app的盈利能力，重视和研究转化率，可以针对性的分析app在哪些方面做的不足，哪些活动投放效果比较好，可以迅速地提升用户体验、节约广告成本，提升转化过程的效率。
转化分析指标涉及到：
当前页面的人数（或pv）进入下一页面的人数（或pv）完成转化行为的人数推广总数。
如用户打开某一购物app，到浏览商品，到把商品放入购物车，最后到支付，每一个环节都有转化可分析。很多时候我们会通过漏斗图来看每个环节的转化情况，而实时的漏斗图可以监控每天的转化率，一旦发现问题，运营人员可以马上调整，避免更大的波动。
四、用户画像分析
有了用户数据，再做用户画像分析会更加容易。用户画像是对人口属性的特征分析、用兴趣分析、用户行为分析等，而在做用户画像的时候给用户打标签，是最核心的部分。
用户画像涉及到的数据指标有：
1、人口属性的特征：姓名、性别、年龄、身高、体重、职业、地域、受教育程度、婚姻、星座、血型等。
2、用户兴趣则包括用户个人兴趣和用户商业兴趣。用户个人兴趣指的是个人的生活兴趣爱好，比如喜欢宠物、看电影、听流行音乐等；用户商业兴趣指的是对购物、房产、汽车、金融等消费领域的兴趣分析。
3、用户行为分析：包括app内行为与社交网络行为。app内行为指在app使用过程中，如购物app，搜索、浏览、评论、点赞、收藏、打分、加入购物车、购买、领取优惠券等行为。
社交行为是指在使用app过程中发生的分享转发到社交网络平台等行为，如手机淘宝app有分享给淘友（内部）、分享到微信、来往、微博、qq、短信等行为。
这个需要高度关注，用户在app内的行为能够决定app所能带来的价值。用户行为分析可以结合漏斗图转化模型来一起分析，可以整体提高转化水平。
用户画像可以帮助app逐渐实现精准化营销，直接进行app与指定用户之间的点对点交互。现在市面上帮助app开发者构建用户画像的产品不多，因为提取数据和分析数据可能要依靠不同的工具。
五、app推广渠道分析
app运营人员在每天都要在不同的渠道做推广，这时候就要监测哪些渠道的效果好，单价便宜，哪个渠道来的用户转化率特别高，哪个渠道来的用户流失最快，这都需要进行渠道数据监测和分析的。花钱花时间引流，一定要让资源耗费得有所价值。有条件的情况下，针对不同渠道来的用户，可以给到不同的场景体验。
app推广渠道包括：应用商店、运营商、线下推广、移动dsp、网盟、积分墙、社会化媒体、插播广告、刷榜、应用内互推、互联网开放平台推广、pr传播等等，在这不展开阐述（如小伙伴们有需要，会另外整理app推广渠道，看留言有没有5条以上关于渠道的）。