3張表格告訴你增長黑客怎么做運營數據分析
作者：張小壞 來源：鳥哥筆記
拉新、促活、留存，是日常運營工作中的常見指標，通過這些角度的指標可以統計反饋APP的用戶增長情況。但對很多運營人來說，常規指標的數據統計只是停留于數字本身的記錄，而不能發現數字背后的增長契機。
本文將從推廣新增、用戶活躍、用戶留存3個角度幫你建立正確的運營數據分析思路。
01 獲客階段要統計哪些數據？
獲客階段的數據分析要關注哪些內容？
在獲客階段，通過數據分析主要解決3個問題：
1.你的廣告費有沒有帶來真實的轉化
通常我們在統計付費推廣效果時，都會衡量渠道轉化ROI，簡單說就是每個用戶轉化花了多少錢，但是無法看出是否轉化了有效用戶。
因此，在統計維度上除了關注下載量、新增用戶量，還要關注1次訪問用戶，如果1次訪問用戶量過多，說明渠道不精準。
通過各渠道轉化ROI的對比和不同付費方式的轉化ROI對比，找出最具性價比的推廣渠道，同時關注有效ROI，從用戶價值的角度衡量轉化效果。
2.新增用戶量受哪些因素影響？
通過對下載量、新增用戶量等數據的統計，各維度數據需要取平均值，關注該維度數據與平均值的對比、與昨日數據對比，觀察變化因素。
同時，為了找出影響因素，在推廣條件相同（相同渠道推廣花費相同，比如都沒有付費）下，對比不同月份、星期幾以及24小時不同時間的變化情況，分析時間因素對數據的影響。
3.衡量曝光量與下載量之間的關系
曝光代表產品品牌露出，下載代表獲得實際用戶增長，通過對下載轉化率的分析，觀察不同渠道各需要多少次曝光才能帶來一次下載。
同時，對下載轉化率的分析還需要從推廣標題、關鍵詞、詳情描述等內容角度觸發，觀察不同內容對數據的影響，找出最優的推廣文案。
02 活躍用戶數據有哪些統計維度，要如何分析？
活躍用戶的數據分析要關注哪些內容？
針對活躍用戶的數據分析，可以解決4個問題：
1.定義活躍用戶指標
在上表中的“衡量維度”數據是通過訪問時長、會話次數等維度衡量活躍用戶的不同維度，可以分析出各自維度的平均值及高于平均值的用戶數量；
而“收藏指數”是指反饋用戶對產品產生真正使用行為的數據維度，收藏代表用戶對內容的認可，不同產品的“收藏指數”定義不同，如電商產品以“加入購物車”或“瀏覽3個商品詳情頁”作為衡量維度，通過用戶行為來定義“活躍用戶”的標準。
2.通過活躍用戶變化反饋產品健康度
通過日活、3日活躍、7日活躍、30日活躍等不同時間維度的活躍用戶變化情況，反饋階段時間內產品運營策略的正確性以及產品內容、服務的用戶滿意度。
3.統計“回流”用戶數據變化
不同時間維度分析中都有一個“回流”數據，即通過分析幾日前不活躍但今日活躍的用戶，觀察3日回流、7日回流、30日回流的用戶變化情況。
4.衡量活動質量與活躍用戶來源
通過分析各渠道、活動轉化用戶中的活躍用戶占比，衡量渠道效果，同時分析各渠道、活動轉化的活躍用戶在整體用戶中的占比，分析活躍用戶來源。
03 留存用戶要統計哪些數據？
如何定義留存用戶？
留存用戶是指某個用戶群體在一段時間內對產品有訪問行為，留存用戶的定義有2種方式：
第一種是常規的方式，階段時間內有任意訪問行為的用戶即為留存用戶；
第二種是需要用戶有一定訪問行為，例如瀏覽時間多長、訪問幾次、訪問哪些頁面。
對于留存用戶，建議采取第一種定義方式，階段時間內有任意訪問行為，代表用戶對產品還有印象，就有促活的可能。
留存用戶分析有哪些價值？
留存用戶量的統計在于衡量產品的用戶規模，而精細化運營的留存用戶分析，需要通過留存用戶找出提升用戶留存的方法。留存用戶分析有3個重點方向：
1.發現留存用戶特征
基于用戶行為特征，如瀏覽時長、領取過優惠券等群體或特殊行為特征，分析不同特征下的留存用戶量，找出高留存特征與低留存特征，同時基于一個特征找出提升留存的值。
如通過用戶使用時長分析留存用戶特征，日使用10分鐘、15分鐘、20分鐘、30分鐘等不同時間段的留存用戶有哪些區別，觀察出對留存影響較顯著的時間維度，如某日新增用戶中使用15分鐘的用戶留存率較使用10分鐘的用戶留存率顯著提升了20%，那么應以用戶使用時長15分鐘作為提升用戶留存率的標準。
2.發現渠道轉化用戶留存特征
通過對不同渠道轉化用戶的留存率分析，發現渠道對用戶留存的影響因素，判斷不同渠道的用戶喜好與對產品的需求。
3.分析會話流失節點
會話流失節點是指用戶在一次訪問過程中的退出頁面，算為一次會話流失。通過分析高流失的頁面，找出用戶流失的產品因素，進而優化相關內容。
04 總結
新增、活躍、留存3個階段的數據統計目的在于通過數據真實反饋APP在用戶使用體驗中的數據化反饋，通過細分每個維度的統計指標，找到新增后行為特征、活躍用戶活躍特征、留存用戶的留存特征，從而提升新增、活躍、留存3個維度的數據表現。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）