App用户质量评估办法.doc

《App用户质量评估办法.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、App的用户质量评估办法来自:Devo一：App运营中相关统计指标的解读开发者在做移动应用统计工具时，每天必看的就是新增用户、活跃用户、留存用户，以及使用时长等指标。究竟这些指标代表什么涵义?容易产生哪些误解?本文就“启动类”指标和“时长类”指标做个简单解读。一、启动类指标1：新增用户指首次联网打开应用的用户。如果一个用户首次打开某APP，那这个用户定义为该APP的新增用户。注意，卸载再安装不会被算作新增;老用户更新应用程序版本会被算成新版本的用户，但不算做新增用户;还有，下载未安装或者安装未启动的用户都不会被计算在内。再补充个开发者经常问的问

2、题，新版本发布了，老版本还有新增用户数据，是为什么?产生这个现象通常有两个原因：第一，曾经下载了老版本的用户刚刚联网启动应用，此时收到数据，并以服务器时间为准，记为新增用户。第二，老版本的安装包被某些渠道抓去使用，有用户仍可以下载到。2：活跃用户打开应用的用户即为活跃用户。活跃对用户进行排重，即同一个用户一天内多次打开应用被记为一个活跃用户。(活跃用户包括新用户和老用户两部分。)3：周/月活跃用户指某个自然周(月)内启动过应用的用户，该周(月)内的多次启动只记一个活跃用户。4：留存用户顾名思义，留存指的就是“有多少用户留下来了”。留存用户是指某

3、段时间的新增用户在下个时间段再次启动应用的用户。这部分用户占当时新增用户的比例即为留存率。日留存例举：某应用3月1日新增用户100个，这100个用户有50个在3月2日再次启动了该应用，则3月1日的新增用户1日后留存为50%。如果这100个用户有30个在3月3日再次启动了该应用，则3月1日的新增用户2日后留存为30%，N日后留存依次同理。周留存例举：某应用A周(3月3日~3月9日)新增用户1000个，这1000个新增用户在B周(3月10日~3月16日)有270个启动了应用，则A周的新增用户1周后留存为270/1000=27%，N周后留存依次同理。

4、月留存例举：某应用3月份新增用户5000个，这5000个新增用户在4月份有550个再次启动了该应用，则3月份的新增用户1月后留存为550/5000=11%，N月后留存依次同理。5：升级用户应用版本号发生变化的用户视为升级用户，通常是指由老版本升级到新版本的用户。(也包括新版本变更为老版本的情况)二、时长类指标1：单次使用时长　一次启动内使用应用的时间长短被称作单次使用时长，使用时长统计的是应用一次启动内在前台的时长。注意，应用在后台的运行时长均不会被算到使用时长里。2：平均单次使用时长平均单次使用时长=某日总使用时长/某日总启动次数。3：日使用

5、时长一天内使用应用的总时长被称作日使用时长。平均日使用时长=某日总使用时长/某日总活跃用户。二：如何评估不同推广渠道的用户质量?目前，移动应用推广公司大量出现，鱼龙混杂，甚至有开发者吐槽“数万元推广费用，获得上万激活量，却只有7个真实用户!”如何评估各个推广渠道的，撕开不良推广渠道的伪装?下面总结了一些通过统计工具辨别渠道质量的高招：一、明确基础指标定义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，因此在评估渠道用户质量的时候不能只关注下载量，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!2：活跃用户活跃

6、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。3：使用时长即用户一次启动使用应用的时长分布。4：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，参考统计分析，其中用户活跃度、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

7、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1：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。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。2：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

8、。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。