数据运营:如何搭建App的数据监控体系?

标签: 产品运营 2年 初级 数据监控体系 数据运营 | 发表时间:2020-05-24 17:37 | 作者:Alien
出处:http://www.woshipm.com

精细化运营的核心是数据驱动增长,透过数据分析指引产品迭代和运营推广。因此,产品和运营需要掌握一定的数据运营能力,特别是需要搭建一套产品运营数据的监测体系来对日常运营效果进行复盘。本文介绍了搭建App数据监控体系的四大数据层次,与大家分享。

移动互联网进入到下半场,流量红利逐渐消失,互联网公司的竞争从增量用户的争夺转向存量用户的争夺。在这种环境下,精细化运营是每个互联网的必然选择。

区别于之前以采买流量为重点的运营模式,精细化运营的特点是针对产品和运营的每一个环节进行精心打磨,以最小的成本产出最大的价值,小到一个推广文案、大到一个业务流程,都要进行小心求证和持续优化,确保转化率达到最优解。

01 结果层

第一层是结果层,是指直接体现运营结果的数据,通常也是我们要定期向老板汇报的KPI数据。虽然不同行业的KPI会有所不同,比如电商产品会重点考核成交用户和成交额,但是归根结底都是围绕注册、活跃和付费转化3个核心,因此,我们的结果层数据一般包括:

  • KPI完成数:注册用户 活跃用户 付费用户
  • 转化率:下载-注册转化率,注册-付费转化率,注册-活跃转化率
  • 增长率:按日、周、月、季、年计算增长率
  • 完成率:一般会将KPI分解到周、月、季和年,并定期计算完成率

02 运营层

第二层是运营层,是指反映运营问题的数据。运营方面,一般我们可以从以下3个方面进行分析:

1. 用户层面

可针对不同用户群体建立监控指标,常见的分群方法有按新老用户分群、按地区分群、按性别分群等,监控指标有留存率、转化率、活跃度等,比如新用户次日留存率、7日留存率和30日留存率;

根据用户分群进行数据监控的精髓在于,通过不同用户群的数据差异找到更精准的用户群体,以及针对不同用户群体找到差异化的营销策略。

2. 商品层面

针对不同品牌、不同sku建立监控指标,指标包含商品曝光、点击、加入购物车、下单、成交的数量、用户数和转化率,根据不同商品的对比和同一商品不同周期的对比可发现异常情况,从而找出商品定价、促销政策、排列规则或购物流程等方面的问题。

3. 渠道层面

针对不同推广渠道建立监控指标,比如按应用市场、按投放渠道。建立渠道的监控指标是为了监测渠道的推广效果,选择性价比最高的推广渠道。这里需要强调的是,渠道的效果监测一定要监测到付费用户的投入产出比,即在该渠道获取1个付费用户的成本是多少,这有这样才能判断渠道的性价比。

03 产品层

第三层是产品层,是指验证产品和反映产品问题的数据。针对产品的使用情况,我们可以重点监测以下3个方面的数据:

1. 新功能使用率

每次发布新版本后我们都应该观察新功能的使用情况,包括访问量、访问用户数、占全部访问用户数量的比率,平均停留时长、与其他功能访问时长的比较、用户转发该功能页面的数量/人数,以及和其他功能转发数据的对比,通过这些数据我们可以判断新功能的受欢迎程度,从而为下一次迭代做决策辅助。

2. 主要业务流程漏斗分析

不同的产品有不同的业务流程,我们要根据自身产品的业务流程建立转化漏斗,并定期观察漏斗转化率,及早发现异常情况。

最常见的业务流程转化漏斗有:

  • 购买流程:首页-点击商品标题进入商品详情-点击购买按钮-提交订单-点击支付按钮-付款成功;
  • 注册流程:首页-个人中心-点击注册-输入手机号码-获取验证码-输入验证码-提交-注册成功;
  • 开户流程:首页-在线开户-输入手机号码-获取验证码-提交验证码-上传身份证照片-输入银行卡账号-提交

按上述方式将主要业务流程的每一个步骤列出,在每个节点进行埋点采集用户的访问和点击数据,即可计算每个环节的转化率。

通过长时间的数据监测即可发现数据异常,通过数据异常情况可反推可能在哪个环节出现问题,比如当点击购买按钮的用户数下降明显的时候有可能是商品的价格没有优势,这时候应对比竞品的价格策略。

3. 用户反馈数据

用户反馈数据也是运营需要统计和监测的运营数据,用户反馈数据与产品的崩溃日志相结合可反映产品线上的质量问题。

04 市场层

关注市场和竞品的数据一方面能使自己和公司管理层更客观的评价自身的运营情况,另一方面也能随时关注行业趋势帮助公司决策。一般可通过以下渠道收集行业数据:

竞品的财报:如果竞品已经上市,可以通过财报获取竞品的准确运营数据,通过炒股软件即可查询。

专业数据平台:易观、艾瑞有少数免费的行业报告,但是大部分需要付费;极光大数据有大量免费的行业数据,数据来源是装有极光sdk的APP产品,数据准确性参考度80%左右。

专业数据平台的不足之处是时效性不强,一般以季度和半年为时间周期发布,时效性不强。

百度和应用市场搜索热度:百度搜索热度和appstore的搜索热度可反映应用在前一天之前的用户搜索热度,搜索热度曲线约等于用户的增长曲线。

百度搜索热度大家应该比较熟悉,这里就不介绍,主要介绍一下Appstore搜索热度的查询方法:

登陆蝉大师、ASO100等ASO数据平台,输入关键词搜索会得出“搜索指数”的数据值,搜索指数就是这个关键词的搜索热度,指数越大热度越高。

boss直聘在Appstore的搜索热度曲线

需要注意的是,Appstore的搜索热度会受到ASO等运营手段的影响,因此要通过热度增长幅度、评论数有无爆发性增长等判断该时间段竞品是否由于ASO手段导致搜索热度大幅提升。

 

作者:Alien;公众号:运营记事本

本文由 @Alien 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自Unsplash,基于 CC0 协议

相关 [数据 app 数据] 推荐:

[数据]用户卸载APP的原因

- - 曉生
数据分析结果显示,42%的用户会因为不喜欢界面的设计而卸载APP. 现在市场上已经不缺乏优秀的APP,要想留住用户,必须重视界面视觉和交互设计,否则用户会去寻找替代品. 另外,还要其他6个卸载原因:. 68%因为注册登录复杂,需要注册登录的APP尤其要注意. 48%因为程度不稳定,崩溃和闪退. 29%的用户选择了烦人的广告.

数据运营:如何搭建App的数据监控体系?

- - 人人都是产品经理
精细化运营的核心是数据驱动增长,透过数据分析指引产品迭代和运营推广. 因此,产品和运营需要掌握一定的数据运营能力,特别是需要搭建一套产品运营数据的监测体系来对日常运营效果进行复盘. 本文介绍了搭建App数据监控体系的四大数据层次,与大家分享. 移动互联网进入到下半场,流量红利逐渐消失,互联网公司的竞争从增量用户的争夺转向存量用户的争夺.

一个3000万日活跃用户App的真实数据

- - 鲁塔弗的博客
前天和朋友聊了一会,他担任某App的技术负责人,得到一些数据如下. 日活跃用户3000万(DAU是按单天计算),其中Android用户和ios用户的比例是9:1,这个比例有点惊人. 说明业内软文水分太大,很多宣称ios有上千万用户的都是吹牛b. ios获取用户成本太高,简单折算用户获取成本是android用户成本的9倍,特别是免费应用,地主家都也没有余粮,大家都不敢怎么砸钱.

苹果更新 App Store 应用排行榜数据

- - 果迷网
苹果公司在 App Store 应用下载突破250亿次这个里程碑之后,随即更新了 App Store 排行榜数据,列出了过去12个月内付费及免费应用软件的排行情况. 在看完整的排行榜之前先了解下一些有意思的数据吧:(针对美国区). iPhone 付费应用软件排行榜中有17款是游戏. iPhone 付费应用软件排行榜中没有苹果应用.

大数据的未来是App 而非基础架构

- - 互联网的那点事
本文作者Justin LaFayette,为我们解读他眼中大数据的未来. 在大数据被各种媒体热炒的同时,真相被蒙蔽了:App才是大数据的未来. 过去基础架构和平台一直是被捧吹的对象,但它们只提供了承载大数据的环境,无法利用大数据创造长期价值,所以它们并不是大数据的未来核心. 在市场上它需要公司提供大数据App,能够洞察特定市场版块或业务流程、及时反馈数据、到达尽可能多的调差对象.

App最该关心什么数据指标有哪些

- - 互联网分析沙龙 - 干货
现在的App开发已经进入到了必须靠推广运营才能上位的时代,有用户不代表什么,有活跃度稍表欣慰,有留存率稍表欣慰,看到真金白银才会喜上眉梢,毕竟最近最火的是游戏应用,它们才是捞到钱的新晋金主,但是它们赚到钱都是有过程的,各位开发者从开发到运营过程中都应该一步一步过来,着重关心下面几个数据:. 虽然说用户不代表什么,但是获取用户是推广的第一步.

运营人员都需要跟踪哪些app数据?

- - 互联网分析沙龙
数据是一个产品每天都要盯着的东西,虽说数字也会撒谎,但是在产品设计中数据,常常作为辅助设计决策和与研发沟通的必不可少的东西之一. 一、移动产品经理需要跟踪app的哪些数据. 在做数据分析之前,对移动产品人员来说,首先要了解在移动互联网领域,我们需要关注那些数据呢. 讨论发现,不同的产品关注的数据数据分为:基本数据、跟产品类别无关的数据和跟产品类别相关的数据.

基于AARRR模型进行App体系化的数据分析

- - 标点符
迄今为止,大多数公司只关注三件事:流量、用户、收入. 他们关注的是通过大批流量的入口,招来大批用户,然后再带来大量收入,或者换言之,这是一种“流量经济”. 但现在,如上面所述人群差异化越来越明显,导致以前的这种方式,会越来越低效,出现了越来越多的无用投放,以致于最后出现这样一种现象:通过流量交换,或者一些渠道与CP其实已经影响了很多用户,但最终留存下来的用户却很少.

APP 缓存数据线程安全问题探讨

- - bang’s blog
一般一个 iOS APP 做的事就是:请求数据->保存数据->展示数据,一般用 Sqlite 作为持久存储层,保存从网络拉取的数据,下次读取可以直接从 Sqlite DB 读取. 我们先忽略从网络请求数据这一环节,假设数据已经保存在 DB 里,那我们要做的事就是,ViewController 从 DB 取数据,再传给 view 渲染:.

App数据分析到底要分析什么

- - IT瘾-bigdata
按大众化的分法,产品的生命周期(PLC, Product Lifetime Cycle)分为初创期、成长期、成熟期、衰退期,在产品的每个阶段,数据分析的工作权重和分析重点有所区别,下面按阶段结合案例来聊聊. 初创期的重点在于验证产品的核心价值,或者说验证产品的假设:通过某种产品或服务可以为特定的人群解决某个问题.