怎样通过统计工具来评估渠道的用户质量

如题所述

一.明确基础指标定义:
新增用户
也就是我们常说的激活用户。用户只下载不使用是没有任何意义的,因此在评估渠道用户质量的时候不能至关注下载量,还要兼顾使用量,用户下载应用并启动使用才能称为你真正的用户!而诸葛分析是通过设备来识别用户,而不仅靠下载量或注册量。
活跃用户
活跃用户是指在所选的时间段内至少打开过一次应用的用户,当然,当天的新增用户同样是当天的活跃用户。
活跃用户构成
报表中提供了活跃用户构成这一指标,它能清晰的体现出活跃用户中的新老用户所占的比例。不仅能看出新增用户的占比,还能获得活跃用户中老用户具体来自哪一天。
使用时长
即用户一次启动使用应用的时长分布。
留存率
顾名思义就是指“有多少用户留下来了”。举个例子:9 月 1 日新增用户 100 人,9 月 2 日这 100 人中有 50 人再次启动了应用,9 月 3 日有 55 人再次使用,那么 9 月 1 日新增用户的次日留存为 50%,两天后留存为 55%。留存用户和留存率体现了应用的质量和保留用户的能力。
基础指标就介绍到这,参考 《诸葛 》的统计分析,我认为用户活跃度、用户留存率和自定义事件是普遍有用的,起码在产品推广初期这几个指标是最重要的。其他一些常见指标如设备型号、网络类型、地域分布等信息在评判渠道质量时也有参考性作用,下面和大家聊聊如何利用这些指标来评估渠道用户质量。
二.利用基础指标评估渠道用户质量
留存分析
在 App 推广中,大家通常会要求渠道推广商给出次日留存和七日留存的数据,这也就造成有个别推广商在造假的时候只刷了次日和七日的留存率。我在工作中就遇到过一个开发者的应用,次日留存和七日留存都维持到 30%—40%,但一查看三日留存、四日留存,数据惨不忍睹,齐刷刷的全都是“0”。这样的数据很明显不是真实用户产生的数据。
使用时长
再教大家一招,真实用户行为产生的数据和造假数据的使用时长一定是存在差异的。运营朋友通常对应用的使用时长分布会有一个整体的把握,如果通过数据发现,某一渠道的使用时长和其他渠道有明显的差异,那这个渠道的数据真实性就值得怀疑了。
终端属性
这里我所说的终端属性包括设备型号、网络和运营商、地域分布。
温馨提示:答案为网友推荐,仅供参考
第1个回答  2015-01-05
移动互联网的快速发展,为众多移动应用创业者创造了繁荣的商机,各家App为了在用户手机屏幕上占据不足两平方厘米的位置,投入大笔的推广费用,同时也催生了大量的移动应用推广公司,百度搜索“应用推广联盟”有超过搜索七千万的结果。渠道数量过多,鱼龙混杂,想要挑选出合适的优质渠道,却不容易。甚至有开发者曾经吐槽“数万元推广费用,获得上万激活量,只有7个真实用户!”
 
  一个优秀的推广渠道不仅要用稳定的新增用户和活跃用户,还在在数据上体现出用户真实的行为数据来供我们不断优化产品,下面我来和大家分享一些平时工作中总结的通过统计分析工具评估渠道质量的方法。

  首先,我们先来明确几个指标的定义。

1、新增用户,也就是我们常说的激活用户,用户只下载不使用是没有任何意义的,所以我们在评价渠道用户质量的时候不能仅仅关注下载量,用户下载应用并启动使用才真正成为了你的用户,譬如友盟通过设备来识别用户,而不是下载量或注册量。

2、活跃用户,活跃用户是指在所选的时间段内至少打开过一次应用的用户数,当然了,当天的新增用户同样是当天的活跃用户。

3、活跃用户构成,在友盟统计的报表中提供了活跃用户构成这个指标,它能清晰的体现出活跃用户中的新老用户所占的比例,最近收到友盟邮件,发现他们新增加 了一个指标叫做“用户新鲜度”不仅能看出新增用户的占比,还能获得活跃用户中老用户具体来自哪一天。

4、使用时长,即用户一次启动使用应用的时长分布。

5、留存率,顾名思义就是指“有多少用户留下来了” ,举个例子:9月1日新增用户100人,9月2日这100人中有50人再次启动了应用,9月3日有55人再次使用,那么9月1日新增用户的次日留存为50%,两天后留存为55%,留存用户和留存率体现了应用的质量和保留用户的能力。

基本的指标就介绍到这,参考友盟的统计分析,认为用户活跃度、用户留存率和自定义事件这几个指标是普遍有用的,起码对产品推广初期这几个指标是最重要的。其他一些常见的指标如设备型号、网络类型、地域分布等信息在评判渠道质量的时候也有参考性作用,下面和大家聊聊如何利用这些指标来评估渠道用户质量。

留存分析
在App推广中,大家通常会要求渠道推广商给出次日留存和七日留存的数据,这也就造成有个别推广商在造假的时候只刷了次日和七日的留存率,作者在工作中就从遇到过一个开发者的应用,次日留存和七日留存都维持到30%~40%,但一查看三日留存、四日留存,数据惨不忍睹齐刷刷的全都是“0”。这样的数据很明显不是真实的用户产生的数据。

使用时长
再教大家一招,真实用户行为产生的数据和造假数据的使用时长一定是存在差异的,运营同学通常对应用的使用时长分布会有一个整体的把握,如果通过数据发现,某一渠道的使用时长和其他渠道有明显的差异,那这个渠道的数据真实性就值得怀疑了。

终端属性
这里我所说的终端属性包括设备型号、网络和运营商、地域分布。曾经接触过一个知名公司的运营同学,他们一直怀疑渠道商有数据造假的行为,但一直苦于找不到明确的证据证明,经过多项数据指标的对比,最后在终端属性的数据中发现了蛛丝马迹,正常渠道的机型多为三星、小米等设备,而这个渠道的机型却90%以上都是一款市价400元左右的廉价安卓手机,其中还有一些型号居然是是一款安卓开发板!

近来数据造假也越来越专业化、产业化,作者曾经加到一个刷量的QQ群,管理员称各种指标想刷多少刷多少!不过,只要我们活用统计分析工具,总能撕开不良渠道推广商的伪装,在看似漂亮的推广数据背后找到造假的蛛丝马迹,通过各种数据指标的对比,筛选出效果最佳的推广渠道。