超详细的APP数据指标体系分析 app数据指标( 四 )


5.用户属性和画像分析
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有机型分析、分辨率分析和操作系统分析;网络及运营商分析的唯独有有用户联网方式和电信运营商,地域主要从不同省市和国家来分析 。
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 。人口统计学特征包括性别、年龄、学历、收入、支出、职业、行为等;用户个人兴趣指个人生活兴趣爱好的分析,如听音乐、看电影、健身、养宠物等;用户商业兴趣指房产、汽车、金融等消费领域的兴趣分析 。用户画像这部分的数据需要进行相关的画像数据采集,才可以支撑比较详细的画像分析 。感兴趣的小伙伴可以查看之前的文章《干货 | 数据分析用户画像实践与方法》
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 。
三、如何搭建APP的数据指标体系
在很多产品中,上文提到的很多指标基本看不到,最终导致数据分析师因为没有数据,无法进行分析 。主要是因为在产品上线前没有对数据进行开发统计 。
通常这部分工作主要是由产品经理来完成,但是数据分析师需要提前与产品经理沟通协调,规划好自己所需要的数据指标体系,驱动产品开发进行相关的数据采集,并在后续运营过程中,动态优化和丰富数据体系 。我们先来了解一个概念“埋点” 。
1.什么是埋点
埋点的宏观目标是为了获取数据指标来整体上验证产品的业务逻辑是否顺畅,之前的一些基本假设是否成立?这时候涉及需要验证的数据可能会涵盖:产品方向、市场运营和商业逻辑三大方面 。埋点本身其实是对产品的一个可视化健康检查,通过逻辑和数据,贯穿产品的整个生命周期,使产品逐步达到最佳状态 。为未来产品优化方向给出指导意见 。
当然埋点的目标不同,最终数据验证的效果也会有不同 。如新版本上线的用户行为和功能效果数据验证(几种场景):①新功能是否得到用户的使用与认可?新版本增加的新功能,用户点击率怎样?②用户在核心使用路径上是否顺畅?有没有因为交互体验功能按钮的设计而导致无效点击增多?③针对某个特别的日期进行了产品内的广告banner推广或者促销,该活动运营的效果如何?
2.具体步骤
(1)了解产品形态
指的是整个产品的运作逻辑,关注的是用户角色,信息和渠道,以及他们之间的流转关系是什么样的,像是产品的一个蓝图和框架 。
(2)了解业务逻辑
指的是要执行某个业务,用户角色需要走过的路径,会有什么角色参与,有什么功能模块(或子系统)参与,模块之间的关联性,数据之间的流向是什么样的 。
(3)业务流程图
是在业务逻辑的基础上,对功能分解下来,比如唱吧的录歌业务逻辑,会有个模块是生成评分,那生成评分这个模块,她的具体业务流程是什么样的,会有什么细节流程,异常流程,提示等 。
(4)将节点化的业务代码化
这一步骤,主要是将列出的重要节点(需要统计的节点)添加统计事件和统计参数 。
(5)交付开发调整DRD
可以与产品经理和开发人员沟通协调,并交付所需要的数据指标体系 。
(6)数据分析
后期数据库中有了相应节点的统计情况,之后就可以拿来分析了 。

推荐阅读