編輯導語：如今APP的種類很多，每個APP的用途也大不相同，不同的APP針對不同用戶需要關注的重點也不同；比如淘寶會著重關注你的興趣愛好，新聞APP會關注你的查看頻率；本文作者分析了如今APP應該關注哪些數(shù)據(jù)指標，我們一起來看一下。

目前市面上的APP種類繁多，每種APP都會有自己獨特的指標，本文從APP普適的指標出發(fā)闡述哪些數(shù)據(jù)指標是我們應該去關注的。

APP的數(shù)據(jù)指標可以分成五個維度，包括用戶數(shù)量和質(zhì)量、用戶行為、渠道、用戶畫像和收入指標。

一、用戶數(shù)量和質(zhì)量

用戶數(shù)量和質(zhì)量是數(shù)據(jù)指標中最重要的維度，這一維度下也包含了大量指標。

1. 活躍用戶數(shù)

活躍用戶是指在某一周期內(nèi)啟動過產(chǎn)品的用戶，活躍用戶數(shù)說明了產(chǎn)品用戶的規(guī)模大?。贿@一指標也是大部分產(chǎn)品的核心指標，在TO C產(chǎn)品中，用戶數(shù)量很大程度上決定了產(chǎn)品的商業(yè)價值。

因為統(tǒng)計周期的不同，活躍用戶數(shù)可以分為日活躍用戶數(shù)、周活躍用戶數(shù)、月活躍用戶數(shù)，不同類型的產(chǎn)品關注的活躍用戶指標也有差別；高頻剛需的APP如微信，今日頭條更關注日活躍用戶數(shù)；而需求低頻的APP如貝殼找房，攜程就會關注更長時間周期的活躍用戶數(shù)。

2. 新增用戶數(shù)

新增用戶是指安裝APP后首次啟動APP的用戶，該指標主要用來衡量產(chǎn)品運營推廣效果，也可以用來判斷產(chǎn)品所處的生命周期。

新增用戶數(shù)因為統(tǒng)計周期的不同，可以分為日新增用戶數(shù)、周新增用戶數(shù)、月新增用戶數(shù)。

在社區(qū)產(chǎn)品中，新增用戶數(shù)占活躍用戶的比例過高則需要引起我們的注意，這部分新增用戶由產(chǎn)品營銷推廣得到，短期內(nèi)大量新用戶的進入可能會破壞社區(qū)氛圍，同時會造成虛假的繁榮；看似產(chǎn)品活躍度很高，但實際上留存率可能會很低，產(chǎn)品并不健康，我們需要關注這種情況。

3. 用戶留存率

用戶留存率是指在某一周期內(nèi)首次啟動APP的用戶經(jīng)過一段時間后，仍然啟動APP的用戶數(shù)占新增用戶數(shù)的比例；它是衡量產(chǎn)品的用戶黏性，產(chǎn)品功能迭代是否成功的重要指標；同時還可以衡量渠道質(zhì)量。

用戶留存率可以分為次日留存率、7日留存率、14日留存率、30日留存率；次日留存率即指在某一周期內(nèi)新增用戶第二天仍然打開APP占新增用戶的比例，以此類推。

4. 每個用戶的總活躍天數(shù)

每個用戶的總活躍天數(shù)是指在某一周期內(nèi)平均每個用戶在APP的活躍天數(shù)，它是衡量產(chǎn)品的用戶黏性，用戶質(zhì)量和用戶活躍度的重要指標。

5. DAU/MAU

DAU是指產(chǎn)品的日活躍用戶數(shù)，MAU是指產(chǎn)品的月活躍用戶數(shù)，兩者相除得到的值是用戶每月的平均訪問天數(shù)；可以用于判斷用戶黏性，當然我們還要結合產(chǎn)品的類型來綜合判斷；如攜程、貝殼找房的活躍用戶數(shù)就是偏低的，要進行多維度分析來綜合考量。

6. 用戶結構

用戶結構主要是指不同類型的用戶數(shù)量分別是多少，用于衡量產(chǎn)品健康度，包含的指標有連續(xù)活躍用戶數(shù)、忠誠用戶數(shù)、流失用戶數(shù)、回流用戶數(shù)等。

二、用戶行為

用戶行為指標是指與用戶在產(chǎn)品中的操作相關的一系列指標。

1. 產(chǎn)品功能指標

產(chǎn)品功能指標主要指產(chǎn)品某功能的活躍用戶數(shù)、新增用戶數(shù)、用戶留存率、用戶結構等一系列跟上文提到的類似的指標；只不過產(chǎn)品功能指標針對的不是整個產(chǎn)品，而是具體到某一功能。

2. 轉化率

轉化率是指下一個頁面的訪問量與當前頁面的訪問量的比值，它通過用來衡量產(chǎn)品路徑的用戶體驗，進而指導產(chǎn)品頁面，流程的優(yōu)化和功能迭代。

最為典型的就是電商的購物流程，每一環(huán)節(jié)都會有大量的用戶流失，每日監(jiān)測哪一環(huán)節(jié)的轉化率偏離正常值，分析數(shù)據(jù)異常原因并進行優(yōu)化。

3. 啟動次數(shù)

啟動次數(shù)是指在某一周期內(nèi)用戶啟動應用的次數(shù)，啟動次數(shù)一般需要關注兩大指標：一個是用戶總啟動次數(shù)，另一個是人均啟動次數(shù)，它可以反映產(chǎn)品的用戶黏性和用戶活躍度。

4. 使用時長

使用時長是指在某一周期內(nèi)用戶從打開APP到關閉APP的使用時間，使用時長需要關注三個指標，用戶總使用時長、人均使用時長和單次使用時長；主要用來衡量用戶粘性和用戶活躍度，一般與啟動次數(shù)一起分析。

5. 使用時間間隔

使用時間間隔是指用戶相鄰兩次啟動應用的時間間隔，通過對比不同周期的用戶使用時間間隔來監(jiān)測用戶體驗是否存在問題。

6. 頁面訪問分析

頁面訪問中包含了頁面訪問次數(shù)、停留時長、跳出率、用戶訪問頁面數(shù)和用戶頁面訪問路徑。

頁面訪問次數(shù)是在某一周期內(nèi)某一頁面的訪問次數(shù)，停留時長是用戶在一次頁面訪問中在某一頁面上停留的時長，跳出率是指只訪問了該頁面就離開產(chǎn)生的訪問量與總訪問量的比值——這些指標都可以反映具體到某一頁面對用戶的吸引力，可能存在的產(chǎn)品流程和用戶體驗問題。

訪問頁面數(shù)是指用戶一次啟動后訪問的頁面數(shù)，我們通常會分析訪問頁面數(shù)的用戶數(shù)分布，訪問1到2頁的用戶有多少，訪問3到4頁的用戶有多少等；也可以通過對比不同周期的頁面訪問分布來發(fā)現(xiàn)用戶體驗問題。

用戶頁面訪問路徑是統(tǒng)計用戶從打開APP到關閉APP過程中每一步頁面訪問和跳轉情況，不同類型的用戶會有不同的頁面訪問路徑；我們需要對用戶進行區(qū)分之后再去分析他們的頁面訪問路徑，針對性地作出優(yōu)化。

三、收入指標

收入指標主要是指產(chǎn)品在商業(yè)化過程中涉及的與收入相關的指標，如付費用戶數(shù)、ARPU、付費率、GMV（電商）、續(xù)費率、LTV等。

1. ARPU

ARPU（Average revenue per user）是指在某一周期內(nèi)用戶產(chǎn)生的平均收入，這里的用戶是指所有用戶。

而我們也經(jīng)常會用到ARPPU，即Average Revenue Per Paying User，平均每付費用戶貢獻的收入，我們可以用來預估產(chǎn)品未來可以達到的收入和評判用戶的質(zhì)量。

2. 付費率

付費率是指付費用戶數(shù)與活躍用戶數(shù)的比值，可以用來評判產(chǎn)品的付費轉化效果。

3. GMV

GMV（Gross Merchandise Volume）是指產(chǎn)品的成交金額，而成交金額包括付款金額和未付款金額；屬于電商產(chǎn)品的常用指標，可以反映電商平臺的體量。

4. 續(xù)費率

續(xù)費率一般是指會員的續(xù)費率，即到期后續(xù)費的會員用戶數(shù)與到期的會員用戶數(shù)的比值，可以用來衡量付費用戶的黏性。

5. LTV

LTV，Life time value，用戶終生價值，在APP中指用戶生命周期價值，即用戶從第一次打開APP到最后一次關閉APP的時間內(nèi)為產(chǎn)品提供的收入；可以用來衡量不同的產(chǎn)品生命周期中用戶的質(zhì)量，當LTV大于平均獲客成本和后續(xù)的運營成本時，產(chǎn)品獲得凈收益。

四、渠道指標

渠道指標實際上與上述提到的指標類似，只不過會以渠道為前提將用戶區(qū)分開，再來看來自不同渠道的活躍用戶數(shù)、新增用戶數(shù)、留存率等指標——它可以用來評估不同渠道的質(zhì)量，優(yōu)化渠道投放策略。

五、用戶畫像

用戶畫像的構成可以分成三類：基本屬性、用戶行為屬性、偏好屬性。

用戶基本屬性包括性別、地域、年齡、職業(yè)、學歷、收入等人口統(tǒng)計學特征和設備品牌、型號、操作系統(tǒng)、運營商、聯(lián)網(wǎng)方式等設備屬性。

用戶行為屬性包括使用時長、啟動次數(shù)、活躍天數(shù)、消費頻次、頁面瀏覽次數(shù)等屬性。

偏好屬性在內(nèi)容產(chǎn)品中主要指用戶對內(nèi)容的偏好，比如科技類、游戲類、生活類、政治類等，可以通過用戶對不同類型內(nèi)容的點擊數(shù)、收藏數(shù)、點贊數(shù)、評論數(shù)、搜索等數(shù)據(jù)來反映用戶的偏好。

在電商產(chǎn)品主要指用戶對商品的偏好，比如護膚品、電子產(chǎn)品、零食、服飾等，可以通過用戶對這些商品的瀏覽數(shù)、購買量、評論數(shù)、添加購物車等數(shù)據(jù)來反映用戶的偏好。

本文由 @公羽聊產(chǎn)品 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議