一、APP的數據指標體系主要分為五個維度，包括用戶規模與質量、參與度分析、渠道分析、功能分析和用戶屬性分析。
1.用戶規模和質量
用戶規模和質量是APP分析最重要的維度，其指標也是相對其他維度最多，數據分析師要重點關注這個維度的指標。
（1）活躍用戶指標
活躍用戶指在某統計周期內啟動過APP的用戶，除此之外，我們還可以將活躍用戶定義為某統計周期內操作過產品核心功能的用戶。活躍用戶是衡量應用用戶規模的指標，通常，一個產品是否成功，如果只看一個指標，那么這個這指標一定是活躍用戶數。
活躍用戶數根據不同統計周期可以分為日活躍數（DAU）、周活躍數（WAU）、月活躍數（MAU）。大多數希望用戶每天都打開的應用如新聞APP、社交APP、音樂APP等，其產品的KPI考核指標均為日活躍用戶數。但對於某些低頻消費需求的APP比如旅游、婚紗攝影，可能會關注月活躍數，甚至更長時間周期內的活躍數。
（2）新增用戶指標
新增用戶是指安裝應用后，首次啟動應用的用戶。按照統計時間跨度不同分為日、周、月新增用戶。
新增用戶量指標主要是衡量營銷推廣渠道效果的最基礎指標；新增用戶占活躍用戶的比例也可以用來用於衡量產品健康度。如果某產品新用戶占比過高，那說明該產品的活躍是靠推廣得來。這種情況非常值得關注，尤其是關注用戶的留存率情況。
（3）用戶構成指標
用戶構成是對周活躍用戶或者月活躍用戶的構成進行分析，有助於通過新老用戶結構了解活躍用戶健康度。以周活躍用戶為例，包括以下幾類用戶：
**本周回流用戶：**上周未啟動過應用，本周啟動應用的用戶；
**連續活躍n周用戶：**連續n周，每周至少啟動過一次應用的活躍用戶；
**忠誠用戶：**連續活躍5周及以上的用戶；
**連續活躍用戶：**連續活躍2周及以上的用戶；
**近期流失用戶：**連續n周（大等於1周，但小於等於4周）沒有啟動過應用的用戶。
（4）用戶留存率指標
用戶留存率是指在某一統計時段內的新增用戶數中再經過一段時間后仍啟動該應用的用戶比例。用戶留存率可重點關注次日、7日、14日以及30日留存率。次日留存率即某一統計時段新增用戶在第二天再次啟動應用的比例；7日留存率即某一統計時段新增用戶數在第7天再次啟動該應用的比例；14日和30日留存率以此類推。
用戶留存率是驗證產品用戶吸引力很重要的指標。通常可以利用用戶留存率與競品進行對比，衡量應用對用戶的吸引力。對於某一個相對成熟版本的應用，如果用戶留存率有明顯變化，則說明用戶質量有明顯變化，很可能是因為推廣渠道質量的變化所引起的。
（5）每個用戶總活躍天數指標
每個用戶的總活躍天數指標（TAD，Total Active Days per User）是在統計周期內，平均每個用戶在應用的活躍天數。如果統計周期比較長，如統計周期一年以上，那么每個用戶的總活躍天數基本可以反映用戶在流失之前在APP上耗費的天數，這是反映用戶質量或黏性，尤其是用戶活躍度很重要的指標。
2.參與度分析
參與度分析主要是分析用戶的活躍度，包括啟動次數分析、使用時長分析、訪問頁面分析和使用時間間隔分析。
（1）啟動次數指標
啟動次數是指在某一統計周期內用戶啟動應用的次數。在進行數據分析時，一方面要關注啟動次數的總量走勢，另一方面，則需要關注人均啟動次數，即同一統計周期的啟動次數與活躍用戶數的比值，通常人均啟動次數和人均使用時長可以一起分析。
（2）使用時長
使用總時長是指在某一統計統計周期內所有從APP啟動到結束使用的總計時長。使用時長還可以從人均使用時長、單次使用時長等角度進行分析。
人均使用時長
=同一統計周期內的使用總時長/活躍用戶數
單次使用時長
=同一統計周期內使用總時長/啟動次數
使用時長相關指標也是衡量產品活躍度、產品質量的重要指標。用戶每天的時間是有限的且寶貴的，如果用戶願意在你的產品投入更多的時間，證明你的應用對用戶很重要，比如現在很流行的微信等社交應用。
（3）訪問頁面
訪問頁面數指用戶一次啟動訪問的頁面數。我們通常要分析訪問頁面數分布，即統計一定周期內（如1天、7天或30天）應用的訪問頁面數的活躍用戶數分布，如訪問1-2頁的活躍用戶數、3-5頁的活躍用戶數、6-9頁的活躍用戶數…同時，我們可以通過不同統計周期（但統計跨度相同，如多為7天）的訪問頁面分布的差異，以便於發現用戶體驗的問題。
（4）使用時間間隔
使用時間間隔是指同一用戶相鄰兩次啟動的時間間隔。一般統計一個月內應用的用戶使用時間間隔的活躍用戶數分布，如使用時間間隔在1天內、1天、2天……同時，我們可以通過不同統計周期（但統計跨度相同，如都為30天）的使用時間間隔分布的差異，以便於發現用戶體驗的問題。
3.渠道分析
渠道分析主要是分析各渠道在相同的投入情況下，用戶數量的變化和趨勢，以科學評估渠道質量，優化渠道推廣策略。渠道分析包括新增用戶、活躍用戶、啟動次數、單次使用時長和留存率等指標。APP的推廣渠道主要為安卓和iOS。
安卓的渠道：①第三方應用市場，如華為、oppon、小米、91助手等；②廣告聯盟，如網盟、友盟等；③廠商預裝，像華為、小米、vivo等；④水貨刷機，如刷機精靈等；⑤社會化推廣，如在社群做分享，在社區形成二次甚至多次傳播，也可以做推廣，但是這種的數據的分析就不太好獲取。
對於安卓來說，用戶來源就分以上幾種，每一種可以分別去定義。不同類型的推廣方式，可從不同的維度做數據的分析。比如說像第三方應用市場，很多用戶都是通過這個渠道來下載APP，所以這方面的數據更多的是看活躍和留存；像廣告聯盟這種，是通過積分牆來分析，更多的是用戶完成任務通過量級來做分析。
iOS的渠道主要是AppStore，原則上我們所有的數據和激活都是通過這個渠道來獲取，但是在實際推廣的過程中，我們更多的是想分析用戶是通過什么渠道跳轉到AppStore上進行下載，激活產品。這就需要我們直接和技術做最底層的對接——API接口對接。具體的分析方法與安卓是類似的，主要是分析活躍和留存數據。
以上提到的只是渠道質量評估的初步維度，如果還需要進一步研究渠道，尤其是研究到渠道防作弊層面，指標還需要更多，包括：判斷用戶使用行為是否正常的指標，如關鍵操作活躍量占總活躍的占比，用戶激活APP的時間是否正常；判斷用戶設備是否真實，如機型、操作系統等集中度的分析。
4.功能分析
功能分析主要分析功能活躍情況、頁面訪問路徑以及轉化率。
（1）功能活躍指標
主要關注某功能的活躍人數、新增用戶數、用戶構成、用戶留存。這些指標的定義與前文提到的“用戶規模與質量”的指標類似。只是，本部分只關注某一功能模塊，而不是APP整體。
（2）頁面訪問路徑分析
主要是統計用戶從打開應用到離開應用整個過程中每一步的頁面訪問和跳轉情況。目的是達成App的商業目標，即引導用戶更高效的完成App的不同模塊的任務，最終促進用戶付費。
APP頁面訪問路徑分析需要考慮APP用戶以下三方面問題：①身份：用戶可能是你的會員或者潛在會員，也有可能是你的同事或者競爭對手等；②目標：不同用戶使用APP的目的有所不同；③訪問路徑：即使身份類似、使用目的類似，但訪問路徑也很可能不同。因此，我們在做APP頁面訪問路徑分析的時候，需要對APP用戶做細分，然后再進行APP頁面訪問路徑分析。
最常用的細分方法是按照APP的使用目的來進行用戶分類。如汽車APP的用戶便可以細分為關注型、意向型、購買型用戶，並對每類用戶進行不同訪問任務的路徑分析，比如意向型的用戶，他進行不同車型的比較都有哪些路徑，存在什么問題；還有一種方法是利用算法，基於用戶所有訪問路徑進行聚類分析，依據訪問路徑的相似性對用戶進行分類，再對每類用戶進行分析。
（3）轉化率
轉化率是指進入下一頁面的人數（或頁面瀏覽量）與當前頁面的人數（或頁面瀏覽量）的比值。通常使用漏斗模型來，它可以分析產品中關鍵路徑的轉化率，以確定產品流程的設計、用戶體驗問題。
比如用戶從進入某電商網站—瀏覽商品—把商品放入購物車—支付完成，每一個環節都有很多的用戶流失。通過分析轉化率，我們可以比較快定位用戶使用產品的不同路徑中，分析是否存在問題，並提出如何進行優化的改進意見，通常我們只需要對每天的轉化率進行連續性的監控即可。
5.用戶屬性和畫像分析
用戶屬性分析主要從用戶使用的設備終端、網絡及運營商、地域和用戶畫像角度進行分析。設備終端分析的維度有機型分析、分辨率分析和操作系統分析；網絡及運營商分析的唯獨有有用戶聯網方式和電信運營商，地域主要從不同省市和國家來分析。
用戶畫像分析包括人口統計學特征分析、用戶個人興趣分析、用戶商業興趣分析。人口統計學特征包括性別、年齡、學歷、收入、支出、職業、行為等；用戶個人興趣指個人生活興趣愛好的分析，如聽音樂、看電影、健身、養寵物等；用戶商業興趣指房產、汽車、金融等消費領域的興趣分析。用戶畫像這部分的數據需要進行相關的畫像數據采集，才可以支撐比較詳細的畫像分析。
6.收入分析
盈利是產品的最終目的，所以總收入、付費用戶數、付費率、ARPU這四個指標經常用到。總收入、付費用戶數反映的是收入和付費用戶的規模；付費率、ARPU代表的是用戶付費質量，反映的是用戶付費的廣度與深度。主要關注轉化漏斗最后環節的訂單數量和金額。
