移動行業分析報告

 

 

 

 

 

 

/ 移動應用分析是什麼 /
移動應用是移動互聯網的重要載體，移動應用分析是指在得到移動應用用戶使用等基本數據
狀況下，進行數據分析，深刻挖掘用戶使用的特色，找到產品設計的不足，發現運營推廣的機遇，
優化產品及運營策略，提高移動應用的質量。

 

/ 移動應用分析的意義 /
1，監控移動應用運營狀態
移動應用分析最基本的使用場景就是實時監控應用的運營狀態。經過收集應用每日的新增
用戶、活躍用戶、留存用戶等數據，並對其加以分析，以日報、週報、月報的形式進行系統地
監控。經過分析和比較這些核心數據的變化趨勢，用數聽說話，能夠幫助運營和推廣人員多維
度觀察應用的運營狀態，及時發現問題。
2，提高移動應用推廣效果
渠道是移動應用推廣的主要方式，不一樣渠道面對的是不同的用戶羣體，根據渠道和推廣
位置的數據分析選擇成本低、效果好的渠道能夠有效地找到目標用戶，提高運營表現，下降推
廣成本。
3，發現移動應用產品問題
經過分析應用的訪問路徑、自定義事件點擊/轉化等數據，找到用戶流失的緣由，利用數
據更快地定位出產品問題或策略問題，並依據規範的移動分析思路和方法找出解決方案。
4，優化移動應用功能及體驗
做爲移動互聯網的主要入口之一，移動應用的體驗優秀與否在必定程度上決定了用戶的去
留，經過移動應用分析找到產品問題，結合訪問路徑、用戶的人口學屬性等制定優化策略，提
升應用的吸引力和易用性。

 

/ 移動應用分析的原理 /
目前移動應用分析的方式主要是較爲流行的基於SDK（Software Development Kit，
即軟件開發工具包）的分析統計。
這種方式是在應用中嵌入一段SDK代碼，SDK代碼規定了用戶行爲收集的規範，用戶的啓
動和使用行爲經過SDK記錄在應用中，當發送條件被觸發後，這些日誌被髮送到服務器來進行
分析和挖掘。此方式的優勢是安裝使用簡單，用戶行爲統計更加準確。如下爲基於SDK的移動
應用分析數據收集流程圖：

 

/ 移動應用分析指標 /
移動應用多種多樣，對應的分析指標也有所不一樣。針對這種狀況，移動統計發佈白皮書
旨在概括適合各種型應用的普適指標及定義，讓移動應用的產品運營情況更加指標化，幫助開
發者從各維度瞭解用戶，優化應用。
其實分析指標以及之間的關係沒有那麼複雜。舉個例子來講明，若是把一個應用比做一
間餐廳，那麼能夠把移動應用管理比做運營一家餐廳同樣，目標就是要讓顧客多光顧、老顧客
多推薦、多消費、提升顧客服務等。爲了達成這個目標，咱們先要了解當前的狀況，好比有多
少新顧客光顧了餐廳，其中有多少是老顧客推薦的，一個月以內這些顧客光顧了多少次餐廳，
是否顧客體驗優秀，第二個月以後有多少新顧客留存下來成爲常客了。相似地，移動應用的統
計分析過程當中也須要掌握新用戶數、渠道來源細分、平均使用時長、平均使用頻率、錯誤率、
用戶留存率等數據，以幫助開發者從各個維度瞭解用戶，優化應用。

 

 

 

 

 

常見指標包括：新增用戶、啓動次數、活躍用戶、留存用戶、使用時長、使用頻率、使
用間隔、訪問深度、轉化率、目標事件、錯誤率等指標。能夠歸納爲四類，即用戶分析類指
標、使用行爲類指標、渠道運營類指標和應用質量類指標。
1，用戶分析類指標
1）新增用戶
定義：歷史上第一次啓動應用的用戶，須要按照設備號進行去重。
技術說明：若是某一個用戶以前安裝過該應用又卸載，以後又二次安裝，那麼只要該用戶
的設備沒有更換或重置，則兩次視爲同一個用戶，即第二次安裝不算做新增用戶。按照設備號
去重是指全部新開啓的用戶中，同一個設備號的新開啓都算做一次新增用戶，去重標準除了可
以使用Android系統的MAC地址、IMEI號，IOS系統生成的廣告ID以外，開發者還能夠自行生
成ID，例如百度移動統計自行生成的CUID。
涵義：新增用戶越多說明應用的成長越快，推廣的效果越好。一般狀況下，應用在發展初
期的時候新增用戶比例很是高，隨着市場趨於穩健增加，新增用戶比例逐漸降低。
2）啓動次數
定義：顧名思義，啓動次數就是在規定時間段內，用戶打開應用的次數。「一次啓動」是
指用戶從打開APP開始，到退出APP（或離開應用界面，進入後臺）爲止。一次啓動過程當中可
能瀏覽多個頁面。
技術說明：若是同一個用戶在退出APP或離開應用界面進入後臺，又在30秒以內再次啓動
應用，則兩次啓動算做一次。反之，若是用戶在30秒以後再次啓動應用，則啓動次數算做兩
次。在百度移動統計SDK3.1版本以上中，開發者均可以對「30秒」這個業界標準根據應用自
身狀況進行調整設定。

 

涵義：用戶數是從規模上描述應用，而啓動次數是從訪客角度衡量訪問質量的分析指
標。若是一個應用的用戶體驗足夠好，用戶粘性足夠高，同一個用戶一天中會屢次啓動應用，
那麼啓動次數就會明顯大於訪客數。
3）活躍用戶
定義：指在規定的時間範圍內，啓動過應用的用戶數，須要按照設備號去重。活躍度是指
在某段時間內，活躍用戶數與總用戶數的佔比。
涵義：活躍用戶一般都會有一個時間範圍作約束的，例如日活躍用戶、周活躍用戶、月活
躍用戶等。活躍用戶指標是一個應用用戶規模的體現，一樣也是衡量一個應用質量的最基本指
標，結合留存率、流失率、使用時長等指標還能夠體現用戶粘性。該指標也能夠衡量渠道質
量，排查渠道做弊。
4）留存用戶
定義：規定時間段（T1）內的新增用戶中，在通過一段時間（T2）後，仍然使用程序的
用戶。其中T1和T2能夠根據應用自身的實際狀況進行設置。
涵義：留存用戶主要用來衡量應用對用戶的吸引程度、用戶對應用的粘性、渠道用戶質量
及投放效果等。經常使用的留存指標有第二天留存、三日留存和七日留存等。
2，使用行爲類指標
1）使用時長
定義：用戶在應用程序上所停留的時間。主要分爲平均使用時長和單次使用時長，平均使
用時長是某一段時間內全部用戶的所有訪問時間的平均值。

涵義：經過考量用戶在應用上的停留時間，咱們能夠看出應用內容是否吸引用戶，應用質量是
否合格；還能夠看出某個推廣渠道到來的用戶是不是深度使用用戶，以此評判渠道質量。
2）使用頻率
定義：在必定時期內，同一個用戶啓動應用的次數。如在一天以內，同一個用戶一共進行
有效啓動5次，那麼該用戶的日使用頻率就是5次。
涵義：使用頻率和日啓動次數相似，只是從另一個角度衡量用戶粘性，一個應用一般情
況下用戶粘性越高，那麼用戶的平均使用頻率也就越高。
3）使用間隔
定義：使用間隔是指同一用戶相鄰兩次啓動應用的時間間隔，例如某一用戶第一次啓動應
用到第二次啓動應用之間相隔2天，那麼該用戶的使用間隔即爲2天。
涵義：使用間隔也從側面反映了應用的用戶粘性，一般狀況下使用間隔越短說明用戶越
依賴應用，也就是說應用的用戶粘性越高。也能夠據此來決定推送消息的時機和發版頻率。
4）訪問深度
定義：咱們將用戶在一次啓動應用過程當中所到達的頁面累計數量視爲用戶的訪問深度，
例如某用戶從啓動APP到退出應用過程當中，一共訪問了12個頁面，那麼稱該用戶的訪問深度爲
12。
涵義：理論上來說，訪問深度越高，應用質量越好，用戶對應用的依賴就越強。
3，渠道運營類指標
1）用戶獲取成本
定義：獲取一個新用戶所須要花費的成本，也就是用戶獲取的邊際成本，隨着新增用戶數
比例愈來愈高，獲取新用戶的成本下降，反之亦然。
涵義：用戶獲取成本是應用推廣過程當中最重要的ROI（投資回報率）指標，若經過統計分
析發現某渠道的用戶獲取成本明顯高於其餘渠道，那麼能夠據此放棄該渠道，將主要的推廣資
金和資源投放在用戶獲取成本較低的渠道，以求在單位資源內得到最多的新用戶。

2）目標事件轉化率
定義：設定某一事件的轉化條件和轉化結果以後，當轉化條件出現的時候，會有一部分轉
化結果出現，目標事件轉化率就是轉化結果事件數/轉化前事件總數。例如，設定全部啓動用
戶點擊完成註冊成爲註冊用戶做爲完整的轉化事件，點擊註冊就是轉化條件，成爲註冊用戶就
是轉化結果，若每100個訪問用戶中就有50人完成註冊成爲註冊用戶，那麼能夠說該目標事件
的轉化率爲50%。
涵義：針對特定事件進行跟蹤統計是移動應用分析中的補充功能，可是能夠實現通用功能
統計不到的數據，例如註冊用戶比例、付費用戶比例等。目標事件一般是伴隨自定義事件功能
出現的，全面知足移動開發者的個性化、定製化需求。
4，應用質量類指標
1）錯誤次數
定義：在規定的時間段內，應用出現異常退出現象的次數總和。
涵義：一般狀況下，應用錯誤集中於兩種：死機或強退，這樣的現象都會嚴重影響用
戶體驗，因此錯誤次數發生的越高，用戶體驗越差。下降錯誤次數是開發者應該時刻關注的重
要指標。
2）錯誤率
定義：在規定時間段內，一個應用發生錯誤的比率（錯誤次數/啓動次數）。
涵義：產品質量是一個應用發展壯大的基石，與網站不一樣，移動應用一旦被分發以後就無
法再收回，應用錯誤率高會下降用戶對產品的信任和口碑。經過對應用的質量監控，找到錯誤
代碼並及時發佈修復版本，能夠有效彌補這一問題。

 

/ 移動應用分析流程 /
移動應用的分析流程就是一個發現問題、分析問題和解決問題的過程。在移動應用的運
營過程當中，利用規範的分析流程會避免思路混亂，作到更加清晰和高效地優化應用。如下是總
結出來的移動應用分析流程，以供你們參考：
1，明確目的，創建規劃
作任何事情以前，都要有明確的目標，才能採起正確的行動。因此在作移動應用分析之
前，必需要想好這樣三個問題：「應用的現狀是怎樣的？爲何會是如今這個樣子？將來的發
展規劃和目標是什麼？」。首先，對於移動應用的現狀要有客觀的瞭解，下載量多少，日活躍
用戶多少，受衆羣體特色是什麼等。其次，須要對應用的現有數據的背後緣由作分析，分別總
結出作得好和作得不夠好的緣由，才能更有針對性地規避風險，發掘機會。最後，也是最重要
的，就是要明確移動應用將來發展的目標，只有有了明確的目標，才能對當下要作的事情有方
向性的把握。通常來說，移動應用的遠景發展目標有如下三點：
1）盈利：直接增長應用的盈利能力，例如遊戲類的應用
2）品牌：不斷增強移動應用做爲移動廣告媒體的影響力
3）合做：服務於用戶或者給其餘應用導入流量的，如91手機助手等
這些遠景目標是一個大致發展方向，而具體執行的過程當中還須要將其明確到細分目標，例
如遊戲類的移動應用須要關注如何提高用戶應用內購買的頻率和客單價，提升遊戲的銷售收
入，媒體類的應用要關注如何提高用戶的粘性和使用頻率，吸引更多的讀者。在實際操做的層
面上，還須要移動應用開發者將這些細分目標落實到指標的層面，這樣纔可以量化評估，推動
到實際操做中去。例如媒體類的應用，要知道用戶的具體屬性和使用習慣，包括地域分佈和受
衆特徵，這樣纔可以有的放矢，更加精準的推薦和推送，才能贏得用戶好感，增長用戶粘性和

依賴度，讓應用的發展進入良性循環的道路上。結合應用的發展總體趨勢報告，預計將來的發
展目標，制定有效的KPI（Key Performance Indicator），即核心業績指標，也就是說用戶使
用頻率、使用時長、日活躍度等各項指標達到怎樣的數值才能達成目標。因此KPI就像是大海
航行中的燈塔同樣，指引着移動開發者掌舵應用的發展，讓應用運營的方向更加清晰明確，讓
應用可以更高效地達到目標。
2，選擇系統，部署應用
這個步驟就是正式開始了移動應用分析的實踐環節了，是收集和獲取數據的過程。選擇系
統就是指要選擇一個適合本身的移動統計分析工具來知足既定的需求，這裏僅從知足移動應用
基礎性需求的角度列舉出如下幾點供你們參考：
1）開發簡單
移動開發者應該儘可能選擇SDK輕便易於嵌入的移動統計分析工具，尤爲是如今國內大部分
開發者都是以小團隊爲主，技術研發人員不充足的狀況下，最好要選用符合行業技術規範的老
牌開發者服務公司的產品，不只開發學習成本較低，也有利於知足後續打通公司內部其餘產品
之間數據交換或應用升級的擴展性要求。
2）數據全面
雖然移動開發者最關心的數據就是上文提到根據應用發展目標而制定出來的KPI指標，但
是除了這些基本數據指標以外，開發者還應該關注更加全面的指標以便深刻了解本身的應用。
全面的指標不是一味追求大而全，而是開發者最想要看到的數據指標，因此開發者除了關注基
本KPI指標外，還要考慮後續產品升級以後還須要哪些其餘數據指標，評估一下分析工具是否
能知足後續的發展需求，避免出現由於某幾個指標的缺失而更換整個統計分析系統的狀況出
現。
3）功能完備
移動應用統計分析工具應該至少具有用戶屬性分析、用戶使用行爲分析、渠道版本分析、
終端設備分析等基本功能，這些是最基礎的分析功能。除此以外，良好的受衆分析也是必要
的，這樣可以幫助開發者更宏觀地瞭解本身的用戶羣體，以指導後續推廣和廣告投放更精準；
而強大的數據多維度交叉分析功能也能提升開發者對於應用數據的使用效率，發現更多深度的

問題；還有更高級的開發工具組件功能是否齊全，如自定義事件、錯誤分析、開發測試環境
等，讓開發者可以有更多定製化服務才能知足個性化需求。另一個維度是，即使這些高級功
能都有覆蓋，也要考覈功能的分析深度和用戶體驗，例如頁面訪問流分析，提供可視化交互圖
分析要比簡單的柱狀圖或漏斗圖直觀易懂，像氣泡圖（Bubble Diagram）這樣的圖形化分析
報告也是用戶興趣分析中的一大利器。
4）系統可靠
因爲收集和整理移動應用的歷史數據對從此的數據分析相當重要，因此在選擇分析工具的
時候要很是慎重，建議選擇行業內口碑較好、大型、穩定的統計分析系統提供商，這樣的提供
商通常都具有較強的硬件資源和數據庫安全實力，他們可以保證穩定、長期地提供數據統計分
析服務。同時建議選擇服務器規模大並且設備在國內的服務商，由於移動應用統計大部分採用
SDK嵌入、回收相關數據日誌的方式來收集數據的，若選擇國外提供商每每會在數據收集和傳
輸過程當中出現丟包、遺漏等現象，大大下降了數據的全面性和可靠性，參考價值有限。
最後建議選擇行業中優質、服務全面的數據統計分析服務商，由於開發者極可能未來還會
有網站統計、雲存儲、開發環境等需求，這樣將本身的所有產品都放在一個平臺上，便於將來
產品之間數據的打通，進而方便橫向分析和對比，對旗下產品進行總體監測和優化。固然，任
何的統計分析工具都只是一種工具，還須要正確的應用分析方法論的理論指導，才能保證恰當
地應用到實際運營工做中去。
3，測量指標，分析現象
上述系統選擇和部署完成後，進入了實際的數據管理和分析工做了。統計分析系統天天
都會提供大量的數據報表，應該與第一步中設定的數據分析KPI指標進行比較，分析哪些指標
數據較好，哪些沒有完成指標，並找到背後的緣由，這也就是一般意義上說的「透過現象看本
質」，即在應用統計分析報告的字面層級上找到隱藏在應用背後的深度問題所在。因此在分析
現象的過程當中要注意思路和方法的選擇，思路就是總體和細分的分析，方法則須要針對不一樣的
指標創建不一樣的方法論，如用戶留存分析、用戶訪問路徑分析等，這些方法論都將在後續文章
中詳細闡述。固然，數據分析遠不止讀懂幾張數據報表那麼簡單，對數據的簡單統計不能發現
本質問題，最後必定要進行概括和總結。

4，跟蹤問題，持續改進
數據分析發現了問題以後，還須要梳理一下解決方案：面對這樣的問題有沒有解決方案？
可行的解決方案有幾種？每一個方案的優缺點是什麼？方案如何落實等問題。將這些問題所有想
明白以後，進入解決方案落地的環節。例如，經過頁面訪問流程分析發現用戶在頁面A中的跳
出率特別高，明顯高於正常水平，那麼就要分析是什麼致使這樣的結果？經過重現發現頁面A
中沒有明確的指示告訴用戶如何進行下一步，因此大部分人研究半天沒明白就退出應用了。於
是根據這個問題優化了頁面A的導引指示，升級完善以後再針對這個頁面進行頁面流的統計分
析，若發現跳出率明顯變低，說明問題獲得了有效的解決，若發現沒有明顯下降，那麼還須要
再繼續分析是什麼緣由並實施解決方案，再進入後續統計分析流程。如此循環，直到問題獲得
完全解決。及時發現問題並對問題進行跟蹤，改進後再跟蹤，持續良性循環改進，直到讓應用
體驗最優化，這樣的統計分析工具纔是開發者所想要的。

/ 移動應用分析思路 /
1，移動應用分析思路概述
大部分的初期開發者都對移動應用分析一頭霧水，以爲數據分析是一件高端並且有難度的
事情，從而對移動統計分析望而卻步，其實只要遵循必定的思路和方法，統計分析是一件很是
簡單並且有成就感的事情。筆者就總結了以下的基本分析思路。
移動應用分析的思路主要包括微觀細分和宏觀趨勢兩種。
1）微觀細分
微觀細分就是將分析的重點放在細節的洞察和把握上，例如新增用戶數、日活躍度、頁
面蹦失率、用戶粘性、自定義事件的轉化狀況等，在細節上考量移動應用的具體指標和KPI表
現，從而作到具體問題具體分析。
2）宏觀趨勢
宏觀趨勢是指從總體數據上掌控移動應用的同比、環比等變化趨勢，核心指標在昨天、上
周、上個月的變化狀況等。這是從宏觀上去分析應用發展大趨勢，進而經過應用內外部的數據
進行對比分析，明確自身在行業中的發展境況和地位名次，從而幫助開發者指定宏觀發展策略
等。
在實際的移動應用分析過程當中，這兩種分析思路經常是融合在一塊兒綜合使用的。例如，某
開發者開發了一個自媒體（如黑板報類）移動應用，投放到市場上去以後一段時間，開始使用
移動統計分析工具。做爲平常統計需求來講，自媒體開發者不須要時時刻刻都盯着應用數據去
分析，因此常規的分析主要以「宏觀趨勢」爲主，把握本身應用核心指標數據的同比、環比變
化趨勢，假如某天發現留存用戶的比例愈來愈高，則須要針對「用戶留存」進行「微觀細分」
分析，打開「用戶留存」細分選項以後，查看究竟是哪一時段新增的用戶流失比例較大，結合
運營推廣分析這部分用戶主要來自哪些推廣渠道，是否這些渠道來的用戶屬性不是本身的目標

用戶而致使的流失？仍是這些用戶在頁面訪問過程當中有了很差的體驗才離開的？這些問題就像
剝洋蔥皮同樣，一層一層的深度分析下去，直到獲得問題的本質緣由。
因此能夠說，「宏觀趨勢」與「微觀細分」結合使用，才能作到「大處着眼，小處入手」
地運營和管理，作到「有的放矢，心中有數」。
2，微觀細分——精確制導，有的放矢
1）爲何要微觀細分
移動應用的統計分析對象主要包括渠道來源、受衆屬性、用戶行爲和終端設備。
渠道來源：目前的移動應用分發主要依賴外部渠道的推廣，這裏的渠道既包括App
Store、Google Play等官方的應用市場和商店外，還有91助手、百度手機助手、聯盟、In App
推廣等非官方渠道。渠道推廣都是要付出代價的，所以開發者很是關注某個渠道推廣效果如何
等問題，渠道來源的分析就抓住了這一點強需求，從源頭上幫助開發者對比分析推廣效果，以
便優化廣告投放，提升ROI（Return On Investment，即投資回報率）。
受衆屬性：對於移動應用的用戶羣體特性進行分析，是瞭解應用的受衆屬性最好的方式，
而掌握了受衆的屬性（如地域分佈、年齡、愛好、學歷分佈等），才能更加準確的指導後續運
營中的推廣廣告投放，作到有的放矢，把推廣的費用花在刀刃上。
用戶行爲：瞭解了什麼樣的人在使用你的應用以後，要了解這些人是如何使用的。用戶行
爲包括，用戶活躍度、留存比例、新增數量、使用時長、使用頻率、使用間隔、頁面訪問路
徑、頁面訪問深度等。經過這樣翔實的分析，可以讓用戶在應用內的行爲一目瞭然，知己知彼
方能百戰不殆。因此深刻細緻的用戶行爲分析，可以極大的幫助開發者優化應用流程和定位應
用內問題。
終端設備：移動互聯網時代與PC互聯網時代相比，對於開發者最大的挑戰之一就是終端
設備千差萬別，移動應用的適配問題經常讓人頭疼。分辨率不一樣、機型不同、操做系統迥
異，這些都給兼容性帶來了極大的挑戰。所以，對於開發者來說，可以全面掌握用戶的終端設
備狀況，莫過於最大的福音。
以上這些數據都是移動應用精細化運營所要研究的問題，數據分析的本質也是在於透過數

據可以挖掘出背後的問題和根結所在，從而順着一絲線索深刻分析，層層抽絲，直搗問題的根
源，而後再分析總結問題根源，再順着相反方向返回問題出現的地方，用本質緣由解釋表面的
現象，以指導運營的優化。經過這樣的過程，數據的價值才能彰顯出來。

2）如何作微觀細分
基於瞭解應用的運營狀況前提下，對上述渠道來源、受衆屬性、用戶行爲、終端設備等進
行細分和篩選，從而層層深刻地逐漸定位問題，發現機會等。
例如，有一位開發者剛剛完成了新版本的發佈和推廣工做，新用戶持續增加中，他想了解
應用的用戶活躍度狀況如何。筆者根據這項分析任務，進行微觀細分，更好地瞭解用戶活躍度
狀況，以便作到有針對性地指導工做。
接下來在百度移動統計的【活躍用戶】分析報告中對用戶活躍度進行細分。
A. 選擇分析的時間段，例如以最近30天爲例（還能夠篩選今天、昨天、最近七天等），
分析狀況以下圖：

 

 

B. 與同期其餘時間段進行對比分析，例如上個月與本月的對比分析（還能夠任意N天與
以前任意N天進行對比），分析狀況以下圖：

 

從圖中能夠看出來，藍色表明的最近一個月時間數據，紅色表明的是6月1日至6月30日的
月數據，可視化折線圖中能夠清晰看到最近30天的日活躍度略低於6月份的日活躍度數據。這
說明最近雖然作了大規模推廣，可是用戶活躍度卻沒有所以提高反而降低了。緣由多是新版
存在致命缺陷致使用戶再也不喜歡和依賴應用了，也多是應用新增用戶速度高於新增活躍用戶
速度，致使總體活躍比例有所降低。爲了排除第二種可能性，還須要作進一步的數據分析。
C. 須要瞭解相同兩個時間段的新增用戶數據狀況，以下圖所示：

 

重新增用戶數據中能夠看出來，最近30天新用戶數明顯低於6月份的數據，這說明第二種
多是不成立的，能夠判斷新版本發佈和推廣必定出了問題。須要作進一步多維度交叉分析。
D. 多維度交叉分析：接下來經過百度移動統計中的「多維交叉分析」高級篩選功能，
對用戶活躍度數據根據用戶類型、版本、渠道三個維度進行交叉篩選分析，發現1.2版原本自
App Store渠道的活躍度數據出現較大的負增加，致使了日活躍度較上個月降低。

 

經過這樣的微觀細分分析方法，層層過濾和剖析，最終鎖定了致使日活躍度降低的緣由
和根結所在——來自App Store的1.2版本的應用存在較大問題，致使這部分的下載用戶活躍度
降低明顯。
以上實例就是經過微觀細分快速鎖定問題，層層深刻分析最終找到背後緣由，作到了精
確制導、有的放矢。
3，宏觀趨勢——着眼大局，步步爲營
1）爲何要宏觀趨勢分析
評價一個應用的好壞，最直接的方式就是考量相應指標的上升/降低。移動統計系
統會將這些指標數據在時間維度上展開排列，也就是按照時間序列展示成趨勢（走勢）。
2）如何作宏觀趨勢分析
咱們須要爲核心指標設立參考系，而後經過同比、環比、定基比等多種方式去分析產品和
運營的工做狀況。爲了讓你們更好地理解後續的分析思路，現名詞解釋以下：
時間序列：指將某種現象某一個統計指標在不一樣時間上的各個數值，按照時間前後順序

排列而造成的序列。在移動統計分析中一般能夠選擇一段時間（周、月、最近30天等）呈現
指標數據的連續變化狀況。
同比：爲了更好的消除數據的週期性或季節性變更影響，將本週期內的數據與以前週期中
相同時間點的數據進行比對。例現在年第N月與去年第N月相比。
環比：指的是將本期的數據與前期的數據進行對比，體現了數據連續變化的趨勢，能夠有
日環比、周環比、月環比等，例現在年第N月與今年第N-1月或N+1月相比。
定基比：在進行數據分析以前，指定一個全部數據均可以進行對比的基準線，一般這個基
準線是公司或者產品發展的里程碑，將以後一段時間內的數據都與這個數據進行比較，從而反
映公司在里程碑後這段時間的發展情況。
下面舉例說明，在百度移動統計中登陸後的應用概況頁面就有便捷的同比和環比功能：

環比：上方數據表顯示的就是本月和上個月的各個指標數據的環比狀況。
同比：下方折線圖就是按照某天的數據與上個月某天的數據同比狀況。
另外，在「趨勢分析」等帶有「時間序列控件」的報告中能夠選擇任意兩天的數據比較，
依據移動應用的實際業務須要來指定基準線，劃定時間範圍，選擇觀察指標的變化狀況。
固然，基於時間序列的趨勢分析方法還有不少種，其中同比和環比是最簡單易用的，而移

動應用中的常見數據分析都可以用以上的分析思路快速觀察關鍵指標的變化狀況，瞭解現狀，
衡量達成目標的進度。

/ 移動應用分析方法 /
1，受衆人羣分析——知己知彼，懂用戶方能作出更受歡迎的應用
用戶是移動應用分析的主體，任何的分析都離不開對用戶的瞭解，用戶做爲應用的受衆
羣體，有着豐富各異的特徵。尤爲在現今移動互聯網高速發展的時代裏，追求用戶覆蓋數量是
絕大部分移動應用運營的核心目標。不只應用的人氣須要用戶，應用的盈利能力也須要依賴用
戶，而要想從用戶那裏賺到錢，就必須對用戶的人羣屬性、興趣愛好、地域分佈等一清二楚，
因此全面的「受衆分析」功能就顯得很是有必要了。瞭解用戶的喜愛等特色以後，也能指導移
動開發者進行精準廣告投放，只把廣告投給真正的潛在用戶。
因此，受衆人羣分析不只能幫助開發者推動「開源」，更能經過指導廣告投放幫助開發
者「節流」，也只有知己知彼，才能投其所好，讓本身的應用愈來愈受到用戶的喜歡。
下面就受衆人羣分析包含的幾個細分方向進行詳細的介紹：
1）新增和活躍用戶分析
新增和活躍兩大指標是用戶分析中最基礎的數據，新增用戶反映了移動應用用戶增
長狀況，一般狀況下，新用戶佔比越高說明應用的將來發展潛力越大，而日活躍度越高說明應
用的用戶粘性越大。下面分別就新增和活躍用戶分析方法進行介紹。
一般移動應用分析系統都可以對新增用戶按照時間序列的方式進行展現，以表現其發展趨
勢如何。例如，選擇最近30天內新增用戶的發展趨勢，能夠獲得按天分佈的統計數據，而百
度移動統計系統還專門作了「按時」新增用戶分佈統計，以下圖：

將統計顆粒度從「天」精確到「時」能夠了解一天當中哪一個時間段新增用戶最多，而後根
據這個數據調整推廣渠道的廣告投放時段，在新增用戶高峯期以前一兩個小時進行定向投放，
能夠得到最高的廣告效果等。
對於日活躍度（簡稱「日活」）的分析，能夠幫助開發者瞭解用戶粘性和依賴度，一般用
百分比來進行統計，日活躍度數據也依據應用類型而千差萬別，高日活躍度應用主要集中在工
具類、遊戲類和社交類，因此分析的時候應該結合自身應用類型。百度移動統計中日活分析也
能夠按照時間段對比維度進行分析，例如選擇最近一個月和上個月的日活躍度數據進行對比，
以下圖：

2）留存用戶分析
最多見的就是「首次使用留存」分析，是指首次使用應用的用戶中，在第一次使用
完畢以後的某一相同間隔時間段內再次使用的狀況。例如，選擇最近30天內新增用戶中，「
周留存」狀況的統計分析，就是指最近30天內第N周的新增用戶，在第N周以後的每一週內留
存比例的狀況。而「日留存」、「月留存」等含義以此類推。

提到留存分析，就必定離不開「漏斗分析」（Funnel Analytics）這個概念了，它是一種
被統計分析行業普遍使用的研究某一指標轉化率的方法，因其展示方式一般相似於「漏斗形
狀」而得名。其實正如上文所述，某一段時間內的新增用戶，在後續每個相同時間間隔的時
間段內留存比例。以「周留存」爲例，其漏斗分析報表以下：

除「首次使用留存」分析以外，百度移動統計還首創性地推出了「自定義留存分析」功
能，移動開發者能夠經過自主指定某一時間段內新增的用戶，在以後任意一個時間段內的留存
狀況。

「自定義留存分析」有利於開發者進行特例跟蹤分析，例如時間段A進行了渠道1 的
推廣，時間段B進行了渠道2的推廣，而後分別對時間段A和B中新增用戶在30天以後的留存分
析，就可以對比出渠道1和渠道2哪一個推廣的新增用戶粘性更強，以指導開發者調整相應的推
廣策略。
3）人羣屬性分析
用戶是一個一個真實存在的人，那麼用戶羣體必定有其特定的人羣屬性，包括性別、
年齡、學歷、行業、興趣等。因此對於某一個應用，其人羣屬性必定有傾向性特色，例如應用
A的用戶羣體具備高學歷、男性多、計算機行業多、愛好讀書等特色。
百度移動統計系統內就集成了全面的人羣屬性分析功能，這一功能主要依託百度成熟的
「受衆分析」功能，經過IP歸類檢索，獲取移動應用的用戶在PC端訪問時留下的Cookies，結
合百度後臺海量的用戶羣屬性碎片，進行比對分析其屬性特徵。

4）用戶地域分佈
移動開發者爲何須要了解用戶地域分佈狀況呢？第一，瞭解用戶最集中的區域有
利於開發者制定有效的城市推廣策略，如較成熟的城市須要進行老用戶的維護，而用戶較少的
城市能夠重點考慮作新用戶推廣和擴張等；第二，對於部分大型移動應用如電商應用或遊戲應
用，開發者須要瞭解集中了80%用戶的關鍵城市，對其作增長帶寬、增設CDN服務器等策略
的調整，保證集中的用戶區域也能有較好的用戶體驗等。

百度移動統計中的【地域分佈】功能，經過可視化分省/分國家地圖和餅圖等方式，直觀
地向開發者展現了應用的地域分佈所有數據，並且能夠按照累計啓動用戶、累計啓動次數、累
計新用戶、平均使用時長等指標進行細分統計，提供詳細的分析報表：

2，使用行爲分析——洞若觀火，優化應用流程和頁面設計的依據
在移動應用分析中，受衆人羣分析是對用戶的靜態分析，主要把握用戶靜態屬性，而使用
行爲分析是對用戶的動態分析，重點關注用戶使用過程當中的動態數據。在瞭解用戶人羣屬性的
基礎上，對這些用戶在應用內的使用行爲進行分析，可以更全面、更系統的完成對用戶的深刻
瞭解。
對於開發者來說，掌握用戶使用行爲和參與度，能夠更好地指導其優化應用流程和頁面設
計等。例如經過頁面訪問路徑分析發現某一頁面的跳出率異常的高，那極可能是流程設計中到
該頁面出現中斷或不良的體驗等；再好比，經過用戶使用時長和使用頻率數據能夠有效地對用
戶粘性進行綜合分析，從而幫助開發者發現問題、優化應用等。
一般用戶行爲分析，又稱參與和使用分析，包括以下幾方面：頁面訪問路徑分析、訪問深
度分析、使用間隔分析、使用時長分析、使用頻率分析等。接下來就這幾個方面進行詳細地介
紹。
1）頁面訪問路徑
頁面訪問路徑又叫頁面訪問流，是分析移動應用中不一樣頁面之間的跳轉和轉化比例
狀況的方法。用戶從打開應用的首頁開始，就會經歷一系列頁面瀏覽和跳轉，最終從某一頁面

徹底退出應用。這是任何一位用戶都會經歷的頁面訪問路徑，不一樣的是某一頁面跳轉到另外一頁
面的比例都不一樣，從任何一個頁面退出應用的比例也不同，從這些比例數據的差別上能夠發
現應用在流程規劃、信息架構、頁面設計等方面存在的問題，進而引導開發者提出解決方案，
不斷對應用進行優化。
下面以百度移動統計中【訪問頁面】功能爲例，闡述如何進行頁面訪問路徑分析。

如上圖，就是百度移動統計中的頁面訪問流分析圖，用進程圖的方式直觀地還原和展示了
用戶在應用中的訪問流，即圖中紅色箭頭標示的路徑。同時，還展示了每一個頁面的蹦出率（離
開應用的比例）以及跳轉後比例排名前八名的頁面，點擊「其餘」以後，會彈出以下的詳細數
據頁面：

點擊每一個頁面右側的詳情按鈕，能夠查看到該頁面的訪問次數、平均訪問時長和蹦出率等
詳細數據。同時，每一個頁面均可以一鍵設置成爲訪問起始頁，分析自由度很高。
獨具特點的「實時訪客分析」功能，系統會自動抽取500名最近的訪客，而後開發者能夠
看到這500名用戶的獨立訪問信息，如啓動時間、設備機型、訪問頁面、聯網方式等，幫助開
發者進行個別分析，以點帶面，折射應用潛在問題。

2）訪問深度分析
移動應用的訪問深度分析同網站的同樣，是指用戶一次啓動應用以內訪問頁面的總
數，例如某用戶在一次啓動應用的時間以內，一共瀏覽了10個頁面（若屢次訪問同一頁面，
該頁面也會被累加），那麼就說這個用戶的訪問深度爲10，依次類推。下圖是百度移動統計
的訪問深度功能，一樣也能夠按照不一樣時間段進行橫向對比：

訪問深度功能中也提供詳細的分析報表，以下圖：

 

在作訪問深度分析時候要注意，並非訪問深度越深越好，要根據不一樣應用類型進行具體
分析。例如，之內容分發爲主的新聞類客戶端，一般狀況下頁面訪問次數越多（至關於PV更
高），說明內容和推薦等越受到用戶的歡迎。而以幫助用戶快速處理問題爲主的工具類應用，
就沒必要追求較高的訪問深度，好比某進程管理客戶端，用戶啓動後關閉某些任務即離開，較少
的訪問深度反而意味着客戶端實用、簡潔。
3）使用間隔分析
使用間隔是指在選定的時間範圍內，同一個用戶相鄰兩次啓動應用的時間間隔。如
下圖所示，橫軸爲間隔時間，縱軸爲啓動次數。柱狀圖表示的含義就是使用間隔爲X天的用戶
啓動次數累計爲Y。

使用間隔的數據對於移動開發者很是重要，從下面的詳細數據報表中能夠看出，該應用有
超過一半的用戶使用間隔爲1-2天，即大部分用戶在退出應用以後1-2天會從新啓動應用。然
後開發者再根據其所處行業和應用類型，進行同行業橫向比較，分析本身的應用在使用間隔維
度上是否還有提高的空間。

4）用戶粘性分析
移動開發者之因此關注用戶行爲分析的本質目的，就是爲了提升用戶的使用粘性。
因此用戶粘性分析是一個綜合維度的分析，在前文中也屢次提到了，不少指標均可以從側面反
映出應用的用戶粘性程度，其中最直接衡量用戶粘性的指標就是使用時長和使用頻率了。一般
狀況下，用戶使用時長越長、使用頻率越高說明用戶粘性越大。

使用頻率是指用戶在一天中啓動應用程序的次數，例如用戶某一天只在早晨8點和中午12
點分別啓動過應用，那麼該用戶當天的使用頻率就是2次。

使用時長是指用戶在某次啓動應用到退出應用的時間間隔，例如用戶於10點啓動應用，
於10點半退出應用，那麼該用戶的使用時長即爲30分鐘。
如前文所述，用戶粘性是受到使用頻率和使用時長共同影響的，以下圖創建二維象限，即
可將使用時長和頻率進行綜合分析，四個象限也分別表明高頻率高時長、高頻率低時長、低頻
率高時長和低頻率低時長特色的應用。

接下來，筆者針對上圖中四個象限的應用特色進行逐一分析：

高頻率高時長：用戶粘性高，這類應用一般知足了用戶的剛性需求，用戶依賴度非
常高，日啓動次數多，使用時間較長，應用提供的核心功能用戶體驗極好。例如微信、微博等
社交類應用。
高頻率低時長：用戶粘性較高，這類應用用戶依賴度很高，可是因爲功能性有限或以知足
用戶某種專門需求爲主，因此致使用戶每次啓動以後停留時間不長。例如工具類應用，如殺進
程、鬧鈴、提醒、流量監測、清緩存等應用。
低頻率高時長：用戶粘性較高，這類應用用戶依賴度通常，可是因爲極好地知足了用戶的
核心需求，因此每次啓動的停留時間都很長，用戶願意在應用上花更多的時間和精力。這類應
用主要集中在電商應用、遊戲類應用和新聞閱讀類應用。
低頻率低時長：用戶粘性低，這類應用既沒有知足用戶剛性需求又沒有讓人眼前一亮的用
戶體驗，因此沒有獲得用戶的承認和依賴，在用戶粘性上是失敗的應用。
舉例說明，某移動開發者使用百度移動統計，獲得以下關於使用時長和使用頻率的數據報
表：

 

 

從數據報表中能夠看出，該應用使用時長集中在3分鐘左右，而使用頻率（日啓動次數）
則集中在1-2次左右。獲得這樣兩組數據以後，能夠經過對比同行業的平均數據，獲得本身產
品在用戶粘性指標上的優劣。例如，該應用的同行或同類應用使用時長平均爲3.5分鐘，平均
使用頻率爲10次，那麼說明該應用在使用頻率上明顯低於同行業水平，須要針對爲何使用
頻率較低進行系統分析，找到緣由並提出有效的解決方案。
3，渠道來源分析——指揮若定，渠道監控是衡量推廣效果的利器
目前，移動應用的推廣渠道不少，包括應用商店、官網、應用市場、In App推廣等，開
發者在渠道推廣上都投入了大量的資金和精力，但每每有些長尾渠道存在致使推廣成本一直很
高，效果得不到有效的監控，只能依賴於推廣平臺提供的數據，「一面之詞」很難幫助開發者
辨別長尾渠道。
所以，渠道來源細分的功能對於開發者來說就尤其重要了，百度移動統計就能夠實現渠道
來源的細分功能。對於Android應用，能夠細分到某渠道某個推廣位置帶來的下載量，而對於
iOS應用，能夠細分到某渠道或某推廣位置引入App Store帶來的下載量。而後開發者能夠據
此對推廣渠道的效果進行監控，淘汰效果差的渠道，把推廣費用真正的用在刀刃上，讓開發者
的資金使用效率大幅度提升。
下面就兩個操做系統平臺的渠道來源細分功能進行詳細解釋：
1）Android渠道URL下載來源細分
Android應用因爲種種緣由，在國內的分發基本依賴於非官方應用市場或網站，而
Google Play市場在國內的佔有率幾乎能夠忽略不計。針對國內的特殊狀況，百度移動統計就
專門設計了一套針對Android渠道來源細分方案，原理以下：

對渠道推廣原始連接進行URL封裝以後，開發者能夠很方便的經過後臺添加新的渠道，然
後就能夠跟蹤不一樣渠道和不一樣推廣位置帶來的下載量報表了。以下圖：

同時還會產出一份詳細的渠道來源細分報表，而後點擊進入報表中每一個渠道的詳情頁，
能夠查看到以下圖中單獨某個渠道的詳細數據：

2）iOS渠道URL下載來源細分
iOS平臺的應用相對於Android平臺最大的特色就是高度統一化，全部的iOS用戶
下載任何應用都必須經過App Store官方應用商店下載（部分用戶經過iTunes鏈接電腦安裝）。
因此說iOS應用的直接下載渠道都變成了「App Store」而沒有區分性，沒法得知用戶是從哪
裏看到推廣以後進入App Store去下載安裝的。百度移動統計專門針對App Store上游來源沒法
追蹤的問題進行研發，前不久推出了「App Store上游來源細分」功能，基本原理以下：

這樣，移動開發者就能夠在後臺方便地添加新的渠道，而後能夠查看到強大的App Store
上游渠道來源細分報表了。以下圖：

同時還會產出一份詳細的渠道來源細分報表，而後點擊進入報表中每一個渠道的詳情頁，可
以查看到以下圖中單獨某個渠道的詳細數據：

4，終端版本分析——瞭如指掌，提升應用對不一樣設備的適配能力
經常聽到開發者抱怨移動應用的設備適配問題，好比不知道目標用戶羣主流的機型是什
麼，也不知道他們操做系統、聯網方式、分辨率等數據，因此就陷入一種「窮盡」的思路，就
是花費大量人力物力去儘可能作到適配全部的終端機型。而終端版本分析功能可讓開發者對用
戶羣體中終端設備和版本分佈狀況瞭如指掌，從而大幅度減小開發負荷，提升開發和適配效
率。下面就終端分析和版本分佈功能分別進行闡述：
1）終端分析
因爲Android系統開源免費，因此獲得世界各大手機廠商的青睞，逐漸造成了
Android系統手機良莠不齊的現象，不管是分辨率仍是機型，都千差萬別，各大品牌各自爲
戰。而iOS系統封閉，因此僅用在蘋果旗下移動設備上，終端具備機型有限、分辨率固定、界
面規範等優勢。
百度移動統計的終端分析功能點全面，包括設備機型、分辨率、操做系統、聯網方式等指
標，每一個指標都配有以下的柱狀數據圖，也有詳細的數據報表：

 

 

 

2）版本分佈
合理的版本發佈和管理策略，能夠大幅度提升用戶體驗，由於過多的版本和過於分
散的分佈，加大了開發者的管理成本，也不利於新版本的推廣。因此，開發者對移動應用版本
分佈狀況和變化趨勢瞭如指掌，能夠幫助開發者制定有效的版本管理方案。

5，自定義事件和錯誤分析——如虎添翼，個性化智能化的應用統計分析
正所謂「一千個讀者腦海裏就有一千個哈姆雷特」，每一個移動開發者都有其統計分析上的
特殊需求，而百度移動統計做爲行業內領先的分析系統，也考慮到開發者的不少個性化分析需
求，所以推出了自定義事件分析功能。錯誤報告分析功能會自動幫開發者統計和分析應用報錯
或崩潰次數和現象，智能化記錄錯誤日誌等信息，幫助開發者快速定位信息，解決Bug。下面
就這兩項功能進行具體闡釋：
1）自定義事件分析
什麼是自定義事件？說白了，就是任何具備轉化條件的事件均可以進行自定義。例
如，對於遊戲類應用能夠自定義註冊用戶「付費」這一事件的轉化率，而對於新聞讀物類應用
能夠定義啓動用戶到「註冊用戶」這一事件的轉化率等等。
自定義事件的添加和編輯很是簡單，只須要在管理後臺的「自定義事件管理」中點擊「添
加事件」，添加事件ID和名稱，點擊添加便可完成。添加成功後能夠查看SDK開發「接口實
例」，以下圖所示：

開發者在後臺自定義事件添加成功以後，即可以查看到該事件歷史趨勢詳情，以下圖：

另外，百度移動統計後臺提供了方便的用戶類型編輯功能，能夠將自定義事件一鍵設置成
爲新的用戶類型，以下圖，點擊「添加到新的用戶類型」：

點擊「肯定」以後，就能夠在統計報表的多維交叉分析（高級篩選）項目中看到有相應的
用戶類型信息了。

2）錯誤報告分析
因爲移動應用是下載並直接安裝在用戶的設備上，所以不少錯誤不能被及時發現，
這也是致使移動應用的Bug很難被開發者發現的緣由。

百度移動統計能夠爲開發者提供全面的錯誤分析功能，錯誤報告除了幫助移動開發
者統計應用報錯的總數和發生頻率以外，還提供強大的錯誤日誌和崩潰定位功能。幫助快速定
位問題所在，經過錯誤細節信息快速解決問題。

/ 百度移動統計介紹 /
1，產品概況
百度移動統計（http://mtj.baidu.com）是一款專業免費的移動應用統計分析工具，支持
ios和android平臺，開發者能夠經過嵌入統計SDK，實現對移動應用的全面監測，實時掌握產
品表現，準確洞察用戶行爲。咱們提供強大的報告分析，助您作到心中有「數」。
它是百度公司繼成功推出「網站統計」工具以後，又一次順應移動互聯網大潮，推出的基
於移動APP統計的分析工具。自2012年4月份上線以來，百度移動統計一直秉承着百度「簡單
可依賴」的精神，爲上萬名開發者提供專業、免費、高效的移動統計分析服務，天天處理會
話請求超過10億次。首創的「六大分析」全面幫助移動開發者實現數據化、精細化運營。如
今，百度移動統計快速迭代，已經孵化出「統計分析、開發工具、營銷推廣等多種服務類型，
從開發到運營到推廣，爲開發者提供真正意義上的「一站式」服務！百度移動統計願與全體開
發者一同，引領大數據時代精細化運營的潮流！
2，如何啓用
如此強大的統計分析功能，開通使用的步驟卻很是簡單易懂，只須要三步便可完成：
1）登陸官網（mtj.baidu.com），註冊帳號

2）登陸後在所有應用頁面點擊新增應用，填寫應用的基本信息，獲取應用的惟一識別碼
（即AppKey）

3）下載對應平臺的SDK（軟件安裝包，只有50K左右大小，很輕便），並參考開發文檔
集成SDK，便可在百度移動統計實時查看強大的統計分析報告了！

/ 瞭解百度移動統計 /
如下爲百度移動統計產品的說明和聯繫方式，
歡迎您經過官方渠道聯繫咱們：
百度移動統計域名：http://mtj.baidu.com
百度移動統計微博：http://e.weibo.com/apptongji
百度移動統計博客：http://hi.baidu.com/apptongji