app留存率在哪裡看

❶ app用戶留存率用什麼工具分析較准確

用戶留存對於互聯網產品來講十分重要，直接體現你的產品體驗以及對於用戶吸引，現在比較流行的增長方式對於用戶留存率也十分看中，如何實現產品的優化就相對重要，AB測試就是不錯的一種方式，國內用戶可以使用吆喝科技的產品。

❷ 如何獲取app的新增用戶，活躍用戶，啟動次數，使用時長等數據

最近和幾個人聊天,大家對於活躍都有著自己的看法,此外因為一些標準的問題,不熟悉分析術語的很多人把活躍,留存等很多信息都搞混了.後來發現這是一個很現實的問題。在一些我 看來不是問題的問題都變成了問題了，因此在此特地說說活躍的事，幫助更多從事游戲數據分析的小白們成長。
究竟什麼是活躍?在日常與外界合作過程中，我們經常日活躍、周活躍、月活躍等等信息，貌似聽起來比較簡單，但是真正如果自己實施操作統計數據時卻發現自己又不懂這些定義，因此作為一些分析師、甚至開發人員就會發現很難去操作。以下我將描述三個活躍的定義、使用方式、分析方法以及注意事項，限於篇幅今天就說說日活躍的分析使用。
日活躍
統計標准
日活躍的統計標准有很多種，在RPG中有日活躍角色數和日活躍賬號數。這類游戲由於存在創建角色的問題，所以一般會分成兩種統計方式。一般比較多見的是日活躍賬號數，可以認為就是日活躍用戶數。當然，很多游戲室不存在這樣的多角色概念，因此通用日活躍賬號數來作為統計的標准為最佳。
當然，還有一種統計標准就是設備的唯一標示，比如MAC，這樣統計日活躍設備數量，不過價值相對不大。
定義標准
統計日登錄過游戲的賬號數，此處要去重。
比如某日有1000個賬號登錄過游戲，總計登錄次數為1600次(因為存在某些賬號重復登錄游戲)，那麼該日的日活躍賬號數為1000。不要小看這個解釋，在實際操作中，經常會出現問題，例如我們在寫SQL語句提取數據時就應該加上distinct 進行去重操作：
Select count(distinct passportid) from playerlogintable
如果沒有加上distinct 統計的就是所有登錄玩家的總計的登錄次數，這樣就會出現大的問題。
日活躍能分析什麼?
單單一天的日活躍其實只能與前一日或者歷史同期做一個環比或者同比的分析。但是日活躍的能發揮的作用遠遠超出你的想像。
核心用戶規模
核心用戶規模的衡量其實和產品周期結合起來來看，在大部分游戲中，日活躍大概的構成可以分成以下的部分。
其中，新登用戶對於日活躍用戶的影響是最大的，一般新登佔比達到40%，而這個比例其實是可以判斷游戲核心用戶規模的依據之一。
從上圖的構成來看，如果新登用戶在後續不斷轉化穩定的老用戶以後，那麼老活躍用戶的規模是在不斷增長的，同時，如果新登用戶的注入水平保持不變，這樣來看，游戲的核心用戶有規模是在增長，並且新登用戶所佔的日活躍百分比是在下降的;如果新登用戶注入水平也在增長，且不斷轉化為老用戶，即核心用戶規模也在增長，那麼新登用戶所佔百分比會在一個區間穩定的變化的。
剛才所提到的核心用戶規模，之所以使用日活躍用戶來衡量，原因在於，以每日作為一個衡量的單位比較客觀反映用戶的游戲積極性，以日作為統計長度，恰好符合用戶游戲的最短的周期性循環。
那麼在日常的分析中，我們可以簡單計算一個周期內，每日新登用戶和活躍用戶的關系比例，看一個長期趨勢，一定程度上反映了目前核心用戶的規模增長情況。
那這里有人會問，怎麼看待迴流用戶的作用呢?
實際上，迴流用戶對於日活躍用戶的貢獻比例是極低的，但是該部分的貢獻卻不能夠忽略，因為在重大節日、渠道推廣等各種營銷手段上線以後，會對於游戲日活躍產生一個很大的貢獻值。但是一般而言，該部分的貢獻比例比較低。
說了這么多，那麼老用戶和迴流用戶的定義究竟是怎樣的?這里只給出參考的標准：
迴流用戶：統計日登錄游戲，但是之前7天未登錄過游戲的歷史用戶(所謂歷史用戶就是非新登用戶，歷史上登錄過游戲的用戶)
老活躍用戶：如果粗略的計算，可以如下計算：
•日活躍用戶數-日新登用戶數-日迴流用戶
當然如果要精確衡量老用戶規模，可以給予老用戶定義，例如：
統計日登錄游戲的用戶，在此之前7日內再次登錄過游戲(注意此處沒有嚴格區分新登用戶的情況，即也把新登用戶的次日登錄的部分計算為老用戶，可按照實際需要提出此部分對於老用戶的影響)。
下面我們通過幾個曲線來簡單說明一下怎麼利用DAU分析問題。
首先我們要得到劃定時間區段的DAU和DNU的曲線圖，如下圖：
在該圖中，我們DAU和DNU的走勢基本上是一致的，DNU對於DAU的影響還是比較大的，但是隨著後期波動的減小，我們發現從106天到280 天，兩條曲線是呈現緩慢的下滑趨勢的，但是這不足以說明問題，仔細觀察，我們發現夾在兩條曲線之間的面積是逐漸縮小的，而這部分面積就是DAU中除去 DNU的部分，即我們可以認定是老用戶的部分，這個面積的縮小，意味著用戶的流失加劇，活躍用戶的控制不得當，此外，也可能是新用戶在短期內留存率不高引起的，那就需要結合留存率來看問題了，這里不討論。
在發現上述的情況後，我們可以使用DAU-DNU的差值做一條曲線來進行分析這個問題。如下圖所示：
可以很明顯的看到，這個差值在逐漸走低，也就是說用戶的活躍度是在下滑的，這個下滑可以認定是後期渠道導入用戶質量不高造成的，也可以是產品本身的用戶周期問題造成的。但是斷定一點的是，這個時期，需要緊急的拉動用戶規模增長，因此，可以看到，隨後進行了兩次相應的拉動，其規模有所提升。
此外，我們還要看一下新用戶所佔的比例曲線，如上文所述，基本維持在40%的水平上，但是有一個值得關注的是，當處於一個相對的穩定期時，即使有大范圍的推廣和拉動新登增長，那麼這個比值的變化也不會太劇烈，唯一劇烈的原因就在於，原本游戲的老活躍用戶規模就在下滑，流失較多。
當然了，用戶的流失、產品的粘性等等都可以通過對DAU不同角度的解析獲得相應的信息，這點也是要和其他數據結合來分析的，比如次日留存率，用戶流失率、啟動次數、登錄時長分布等數據，找出來DAU中的虛假用戶，例如1-3s用戶非常多，那麼在正常的網路和設計情況下，這種數據就可能是很多假用戶造成的，也就是作弊行為。
再比如的情況，我們可以通過事件管理，區分推廣和非推廣時期的用戶增長對DAU的影響，比如自然增長時期的新登用戶對DAU的影響，判斷DAU的質量，渠道的質量;或者推廣時期的新登用戶對DAU的影響情況分析。
如果需要的也可以結合用戶的登錄習慣，比如登錄次數，登錄天數等等數據進行忠誠活躍用戶的閾值確定，以此來保證DAU的質量。
其實在DAU的背後，隱藏的問題和分析的要素很多，這個也是需要結合自己的業務需要來進行的，這里只是給大家提供一個分析的思路和方式。至於具體的問題，還要結合具體需求進行分析。不過話說回來，DAU的解析離不開細分數據和其他數據的支持，但是也是不一定一直細分進行數據的分析。因為有一些因素不是靠細分數據就一定能夠得到的，還要經驗積累，有關這部分的分析參見這里。
文章來源：博客園

❸ 什麼叫做APP留存率呢誰能給個解答呢

就是當日安裝的APP不卸載，存留在手機的幾率

❹ 如何利用數據分析提升用戶留存率

一、留存的概念和重要性

1、什麼是留存？

在互聯網行業當中，因為拉新或推廣的活動把客戶引過來，用戶開始訪問公司的網站，但是經過一段時間可能就會有一部分客戶逐漸流失了。那些留下來的人或者是經常回訪我們公司網站的人就稱為留存。

現在大家經常會用到所謂的「日活」（日活躍用戶量，簡稱DAU）來監測我們的網站，有的時候會看到我們的「日活」在一段時期內都是逐漸增加的，這是一個非常好的現象。但是如果我們忽略了留存分析的話，這個結果很可能是一個錯誤。

比如某公司做了很多拉新、推廣的活動，用戶是帶來了很多，但是留下來或經常返回來的客戶不一定增長，他們有可能是在減少，只不過是拉新過來的人太多了而掩蓋了流失率居高不下的問題，實際上客戶的留存是在逐漸降低的。這個時候留存分析就很重要！

2、怎樣用圖表展示留存狀況？

我們提供了留存圖和留存表兩個模型來分析用戶流失與留存問題。

如上圖左側的留存圖所示，開始的時候是帶來了百分之百的人數，隨著第一天結束，留存用戶就急劇下降了85%，然後慢慢地降低，直到第13天進入一個平穩的階段。

再如上圖右邊留存表，這張表該怎麼解讀呢？

我們先看一下第二行，時間是1月11日這一天，我們通過各種各樣拉新和推廣吸引到了6.7K 的客戶。但是一天之後就下降了85%，變成15%，兩天之後再一次下降10%，到了第七天是比較穩定的狀態，達到了6.5%，後面就是緩慢地下降，比較平穩。我們可以看出來客戶在第一天的時候就有一個巨大的流失，然後慢慢地達到了一個比較平穩的狀態。

3、為什麼要進行留存分析？

看完留存分析的概念，不禁思考，我們為什麼要做留存呢？留存的分析意義何在？

像SaaS企業，獲得一個客戶無論在時間上還是在金錢上成本都是非常巨大的，也許要花掉兩到三個月的時間才能獲得一個客戶。

以上面左邊的圖為例，剛開始這個客戶，我們花了6000多美元的成本才把這個客戶得到。得到了以後一般情況下客戶對咱們這些企業可能就是按照一定的現金流給我們付錢，比如說付500美金，就這樣一直地付下去。

這樣你就會發現前期成本很高，也許我們只有通過客戶使用我們的產品高達一年或者兩年的時候我們才能收回成本。如果這個客戶在之前就流失掉了，流失掉就意味著咱們的產品虧本了，連本都沒有返回。

再來看右邊的這張圖，這張圖講的是每位客戶成本的應收的現金流。第一個月我們得到了這個客戶，我們花了6000刀，然後這個客戶就每個月給我們付費，比如說每個月付500刀，他要到第13個月的時候我們才能達到所謂的收支平衡，從14個月以後才開始逐漸地賺錢，如果我們的留存沒有做好，客戶在用了兩個月以後就走掉了，那這部分錢我們就流失了。

所以說留存有一個非常重要的意義，客戶使用咱們公司的產品，時間越長越好，越長帶來的現金流或者利潤越高，這就是留存的一個非常核心的意義。

如果我們的留存做得好的話客戶就會一直使用我們的產品，一直給我們帶來財富。

從上圖中我們可以看到兩點：第一個就是使用的時間，留在我們產品的時間越長越好；第二個，希望利潤越高越好。利潤如何越高越好？就是我希望我的留存率越來越高，這樣利潤的面積也就越來越大。

二、用戶留存的三個階段和重要時間點

1、提升留存曲線的意義

假如現在我們產品的留存度是上圖最下面那條綠色的線，縱軸是留存的比例，橫軸是時間。一天過後，我們拉新獲得的100%用戶只留下35%，第7天變成了20%，然後緩慢下降，到了第60天以後達到一個大約10%的效果。

這個效果我們看看能不能通過某些方面的改進，讓它逐步提升呢？

假如我們讓綠色的留存度的線上升到橙色的線，再上升到紅色的線，那麼第一天留存率高達到70%，七天留存率也有60%多，到了60天、90天的時候留存率也能高達60%左右。這就是說我們前面通過市場拉新獲得的百分之百的人數在經過90天以後有60%的人留下來了。

剛開始的時候看綠色的線我們的90天的留存率是10%，如果通過我們的努力能讓它達到60%，這會給我們帶來源源不斷的財富和現金流的收入。

2、留存的三個階段

今天通過留存分析的一些方法來給大家一些思路，看看如何通過優化產品的方式來提高我們的留存率。

在講這個之前我先給大家講一下我們應該如何去看這張留存的圖。

這是一個常見的留存曲線，我把它分成了三個部分：第一部分是振盪期，第二部分是選擇期，第三部分是平穩期。

大家會有一個問題，為什麼我要分成這三個期呢？

首先在振盪期，我們可以看到拉新過來進入我們公司網站或者是下載APP的人數在前幾天劇烈地減少，由100%幾天就變成了百分之十幾或者更低，這個期叫振盪期，它有自己的特色。

過了振盪期以後就是選擇期，為什麼我們稱它為選擇期呢？就是一般情況下客戶在這段時間之內對我們的產品有了初步的了解，他開始探索我們公司的產品，看看這個產品有沒有滿足客戶的一些核心需求。如果能滿足，顧客很有可能就留下來了；如果沒有滿足，那客戶就要走掉了。

過了選擇期就是平穩期，留存率進入一個相對穩定的階段。

3、留存的重要時點

第一個就是次日留存，就是當天過來第二天的留存有多少。我們可以看出，當天拉新，比如說我們拉了100個人，到了第二天可能只有十幾個了，這是次日留存。

第二個是周留存，周留存是一個什麼樣的概念呢？我們為什麼要周留存，這個概念就是說一般情況下客戶使用一款產品，如果他進行一個完整的使用的話他的體驗周期大約是一周或者是幾天，因為比較常見的是周留存，我們就起了一個周留存的名字。

這個可以根據你的業務，如果您公司的產品體驗一個完整的體驗周期的話比如說是14天或者3天，我們就定3日留存或者14日留存。

三、留存的核心原因

什麼樣的客戶會留下來？

其實這個問題也非常簡單，如果我們的產品能夠滿足客戶的核心需求，他能夠在我們的產品使用當中發現這個產品的價值，那麼他很有可能就會留下來。

如果我們做了很多的拉新、渠道的優化等等，也許會提高一定的留存率，但是這個留存到底能不能留下來，核心的問題還是說我們的產品功能設計能否滿足客戶的核心需求。如果能滿足的話，我們能不能再進一步，我們這個產品的設計能否比較好的、比較快的、比較方便地滿足客戶的核心需求，這是第二點。

四、留存分析的方法論

下面我給大家講解一下留存分析的方法論，來更好提升我們在平穩期這段時間的留存量。

假如我們現在可能只有5%，我想把它提高到10%或者是20%更高，就是回到剛才這張圖，從一個綠色的線，慢慢地努力提到一個紅色的線。

在這里留存分析有兩個常見的分析方法，給大家稍微介紹一下，然後在後面的案例的講解當中慢慢地把這兩個方法融進去，給大家講一講。

第一個就是獲取時間，我們在留存分析的時候可以對獲取客戶的時間進行分組。比如說這個產品發布了版本2.0或者是3.0，這個時間點我們可以做一個分組，看看用新版本的人的留存表現。

還有一種分組方式就是根據客戶的行為進行分組，比如說我們舉個例子，有一款音樂的軟體，我想知道分享這首歌的人，他們在留存上有什麼樣的表現，或者對這首歌點贊數大於3次或者5次的人，他們在留存上有什麼樣的表現。

1、按照獲取客戶時間進行分析

如上圖，是一個新版本音樂APP的留存情況，左邊是留存表，右邊是留存圖。

先看左邊的留存表，正如我剛才所說的，按照獲取的時間進行了一個分組。舉個例子，我們看最下面的10月26日獲得的用戶，一天後留存率是多少，兩天後留存率是多少，三天後留存率是多少。

我們看到右邊這個留存表也是這個意思，可以看出來第一天留存率驟降一半，第二天又降了10%，可以看出來前兩天客戶的留存率下降得很大，然後慢慢地在後期，比如說在第十五六天的時候達到一個比較平穩的階段。

從這兩張圖表可以很好告訴我們隨著時間的變化，留存在下降。但是如果我們想深度地挖掘哪裡出了問題的話這兩張表還不夠，我們還需要進一步地分析用戶行為。

2、按照用戶行為進行分析

這時候我們就涉及到了一個新的分析方法，就是根據客戶的行為進行分析。

還是以音樂APP為例，如果一個客戶在一段時間內點擊「喜歡」大於3次，我們看看這一部分人的留存，即上面左邊的圖。我們可以很明顯地看到，咱們這條留存曲線是高於所有用戶的藍色留存曲線的。我們看一下次日留存率，高達82%，而所有用戶可能只有50%多。得出結論：點擊「喜歡」大於三次的用戶留存表現優於所有用戶平均值。

這時候咱們再進行更深一步的對比，點擊「喜歡」大於等於3次與小於3次的用戶留存之間有什麼差異？上面右邊的圖中，紅色的線就是喜歡這首歌大於等於3次，藍色的還是剛才整體的所有用戶，在下面是綠色，小於3次的。

可以明顯地看出來這三個分群有很大的不同，點擊「喜歡」越多的次數留存率就會很高，而點擊「喜歡」小於3次的人留存率比所有用戶的還要低。

我們看到這兩這張圖就會想到一個問題，我們有沒有一種方法來引導客戶，讓他點擊喜歡呢？

這個時候留存的分析的作用就是說如何促使產品的更新和優化，既然通過數據我發現了點擊「喜歡」大於3就會留存率高，那麼我們是不是通過這種分析方法來得到一個類似的假設，我們的產品如果通過優化能讓客戶更早地去點擊「喜歡」，那麼客戶的留存就會多。

當然了這個時候我們會對產品通過一些交互行為的設計、A/B test或者各種各樣的方法來使這個產品變得更好一些，更優化一些，不過這個主題比較大，我們先講到這里。

我們繼續往下深入地挖掘。

現在有一個行為是點擊「喜歡」大於3次，我們還有些其他的行為，比如說我在一個網站上想加入一個興趣的社區，比如說我非常喜歡聽爵士樂，我就在APP進入爵士樂的社區，比如說我非常喜歡陳奕迅，我就想加入陳奕迅歌迷俱樂部，或者說我想加入其他的一些社區。

在上面左邊的留存圖中我們就用綠色的線表示當客戶加入了一個興趣社區時他的表現是什麼樣子。紅色的線還有藍色的線也是剛才說的三條線的對比。

可以看出來，如果這個客戶加入了一個興趣社區，我們也可以看到它的留存率相對整體客戶來說是有一個提升的。

我們發現客戶加入興趣社區，點擊大於3都會導致留存率的上升，那麼我們會不會更深一步想一個問題，如果他既點擊「喜歡」大於3次以上，又加入興趣社區，會有什麼樣的效果？

當然這時候可能並沒有很好的效果，我們並不確定，那我們就做一個實驗，把數據抓出來，做上一張圖，先看一下是好是壞，即刻分享。

然後我們就做出了上面右邊的圖，紅色的就是我剛才說的，點擊「喜歡」大於3次以上並且加入了社區，另外就是它的補集，就是沒有小於等於3次或者是沒有加入社區的，這時候我們發現這是一個很大的留存方面的差異。

由上圖可以很明顯地看出來紅色要遠遠地高於藍色，這時候就會給我們一個想法，如果咱們的產品能夠更好地引導這些客戶去使用這些功能，那麼這些客戶就能很好地留下來，留在咱們的產品上。

3、不同群組對產品不同模塊使用狀況的分析

上面的圖叫「如何發現一個對比的點」，功能是分析不同的群組對產品不同模塊使用情況。

分群A（平穩期）的客戶之所以留下來了，是因為咱們的產品提供的功能滿足了他，這些用戶我們可以通過一些細節的挖掘，去看他對每一個產品每一項功能的使用情況。

比如某個產品有很多功能，我現在就截取了A/B/C/D/N 5個模塊，10代表使用這個模塊的頻率還有熱度的指數的滿分，9表示他經常使用這個功能。反映到我們手機上的例子可能就是說他經常使用「喜歡」這個按鈕或者是經常用「分享」這個按鈕。

從這里可以看出來，如果我們做一個排序的話，分群A在平穩期的這部分用戶非常喜歡使用模塊A，也非常喜歡使用模塊C或者模塊D。

這部分群體我們再逆推到之前，他們在前期的時候喜歡使用什麼樣的功能呢？他們在所謂的振盪期和選擇期的時候使用什麼樣的功能。

我們也是通過數據的分析，把這個數據拿下來，即分群A（振盪期+選擇期），我們發現客戶很可能非常喜歡模塊A或者是功能模塊C，例如客戶非常喜歡分享一個東西或者喜歡下載一個東西，這個東西就是我們行為分析的一個起止點。

我們可以探索我們是不是先用這兩個點來看一看客戶在留存上面有沒有一個巨大的行為差異，然後我們就會通過這些東西做出一些東西，比如說我點擊了「喜歡」大於3次的我就發現留存率高，點擊「喜歡」小於等於3次的留存率相對就會比較低。

五、用戶留存的案例分析

1、留存圖和留存表

下面展示了我們提供的一張留存圖和留存表（也稱為手槍圖），可以方便大家看到新進來的客戶們在後續的時間的表現，我們也可以定義起始行為和回訪行為這兩個功能。

2、起始行為和回訪行為

起始行為規定了你想篩選什麼樣的用戶進行留存分析。我們按照最普遍的留存率的概念，將默認的起始行為設置為「新增用戶」，即這個用戶ID此前未曾出現過，那麼就會歸為當天的新增用戶。除了默認選項外，我們還支持將任意圈選過的標簽的瀏覽或點擊行為作為起始行為，在下拉菜單中就可以直接選擇。

例如，選擇「頁面_加入我們」「瀏覽」為起始行為，那麼系統會將一段時間內所有瀏覽過「加入我們」這個頁面的用戶都篩選出來，然後再計算他們在這之後是否發生過回訪行為。

你希望用戶經常地、持續地到你的產品中做什麼？這就是回訪行為的定義。在默認條件下，回訪行為被設置為「任意行為」，即對任何頁面的瀏覽或點擊都被認為是留存。與起始行為一樣，你可以設置任意標簽的瀏覽或點擊行為作為回訪行為，在下拉菜單中可以選擇。

例如，選擇「按鈕_加入購物車」「點擊」作為回訪行為，那麼系統會計算：在滿足起始行為的用戶中，接下來的每一天里有多少人點擊了「加入購物車」按鈕？他們佔起始用戶的比例有多少？

3、某O2O企業分析「發紅包」案例分析

某個O2O應用，想觀察給用戶發放紅包之後的回購行為趨勢。在這個案例中，我們將觸發了購買行為的用戶定義為留存用戶，因為對於這個活動來說，刺激用戶的購買是首要目標，那些僅在應用里查看了商品頁面的用戶，雖然他們回訪了，但並沒有進行關鍵行為，因此在這個案例中暫不能成為留存用戶。

首先在【起始行為】中選擇【紅包領取成功頁面】【瀏覽】，然後在【回訪行為】中選擇【購買成功頁面】【瀏覽】，時間選擇紅包活動的時間段1月1日至1月14日，點擊【提交】。

在這張表中，可以看到第一列「當天」的留存率已經不是100%，這是因為我們設定的起始行為與回訪行為不一致而形成的，是正常現象。當天的平均留存率為38.1%，表示每100個領取了紅包的用戶中，大約38人會在當天就去購買商品花掉紅包。

我們還可以根據這張表做進一步的分析：例如，在1天後的留存率中，1月2日領取紅包的這批用戶轉化率非常低，只有2.6%，而1月2日的這批用戶的當天轉化率也不高。我們可以在【用戶分群】功能中將這批用戶定義為一個分群A，同時將1月7日領取紅包的這批用戶定義為分群B（因為1月7日的紅包用戶當天、次日的留存率都比較高），將這兩個分群進一步按照多個維度和指標進行交叉對比，找出他們的行為差異。

❺ 如何跟蹤app的留存數據，打開數據

行業數據

行業數據對於一個APP來說，至關重要。了解行業數據，可以知道自己的APP在整個行業的水平，可以從新增用戶、活躍用戶、啟動次數、使用時長等多個維度去對比自己產品與行業平均水平的差異以及自己產品的對應的指標在整個行業的排名，從而知道自己產品的不足之處。這種縱向的對比，會讓自己的產品定位、發展方向更加清晰。

評估渠道效果

在國內，獲取用戶的渠道是非常多的，如微博、微信、運營商商店、操作系統商店、應用商店、手機廠商預裝、CPA廣告、交叉推廣、限時免費等等。看一個APP的數據，首先要知道用戶從哪裡來，哪裡的用戶質量最高，這樣開發者就會面臨一個選擇和評估渠道的難問題。但是通過統計分析工具，開發者可以從多個維度的數據來對比不同渠道的效果，比如從新增用戶、活躍用戶、次日留存率、單次使用時長等角度對比不同來源的用戶，這樣就可以根據數據找到最適合自身的渠道，從而獲得最好的推廣效果。

用戶分析

產品吸引到用戶下載和使用之後，首先要知道的就是用戶是誰。所以，我們需要詳盡地了解到用戶的設備終端類型、網路及運營商、地域的分布特徵。這些數據可以幫助了解用戶的屬性，在產品改進以及產品推廣中，就可以充分利用這些數據制定精準的策略。

用戶行為分析

在關注完用戶的屬性後，我們還要高度關注用戶在應用內的行為，因為這些行為最終決定著產品所能夠帶來的價值。開發者可以通過設置自定義事件以及漏斗來關注應用內每一步的轉化率，以及轉化率對收入水平的影響。通過分析事件和漏斗數據，可以針對性的優化轉化率低的步驟，切實提高整體轉化水平。

產品受歡迎程度

在了解了用戶的行為之後，我們應該看一下自己的產品是否足夠受歡迎，這是一個應用保持生命力的根本。開發者可以從留存用戶、用戶參與度（使用時長、使用頻率、訪問頁面、使用間隔）等維度評價用戶粘度。進行數據對比分析的時候，要充分利用時間控制項和渠道控制項，可以對比不同時段不同渠道的用戶粘度，了解運營推廣手段對不同渠道的效果。

❻ appapp用戶留存用什麼軟體進行分析

app用戶留存對於互聯網產品來講十分重要，直接體現你的產品體驗以及對於用戶吸引，現在流行的增長方式對於app用戶留存率也十分看中，如何實現產品的優化就相對重要，AB測試就是不錯的一種方式，國內用戶可以使用吆喝科技的產品。

❼ app的留存率看什麼

❽ App頁面上的數據如何追蹤和統計的現成的工具有哪些

1. Android 渠道追蹤方法

眾所周知 Google Play 無法在中國使用，所以國內 Android 市場被數十家應用商店（ 豌豆莢、網路助手、酷市場、360手機助手等等 ）佔領，Android 渠道追蹤主要圍繞上述渠道展開。

方法 1：每個渠道打渠道包

具體來說就是開發者為每一個渠道生成一個渠道安裝包，不同渠道包用不同的 Channel ID （渠道標識）來標識；當用戶下載了 App 之後，運營人員就可以通過渠道標識查看各個渠道的數據。

Android 渠道打包機制：

雖然這樣可以統計到不同渠道的來源數據，但是當渠道數量變多、抑或同一渠道在多個平台上做推廣的話，打渠道包的做法就捉襟見肘了。

方法 2：使用平台方提供的數據

部分第三方推廣平台提供渠道數據，然而只依賴平台方的「一面之詞」是很難找到真正的優質渠道。

2. iOS 渠道追蹤方法

和 Android 的開放生態不一樣，iOS 則是一個完全封閉的系統；除了少部分越獄機器，絕大部分 App 都是從 App Store 中下載。在蘋果一家獨大以及嚴格的審核制度下，Android 打包的做法在這里就完全行不通。
為了追蹤 iOS 渠道數據，開發者們想出了很多黑科技，下面我介紹一下常見的三種做法。

方法 1：通過 IDFA 追蹤渠道

IDFA 的全稱是 Identifier for Advertisers ，即廣告標識符的含義，這是蘋果專門給各廣告提供商用來追蹤用戶而設的標識。

通過 IDFA 追蹤渠道：

今日頭條作為廣告提供商可以獲取用戶的 IDFA，當你在上面投放的 App 被用戶下載激活，你的 App 也可以獲取用戶的 IDFA。將廣告提供商提供的 IDFA 和自己獲取的 IDFA 匹配，即可追蹤渠道來源。
缺點是 IDFA 只能用於 App 類型的渠道，如果你在網頁上投放廣告是不支持的；同時，用戶可以在iPhone 設置中選擇關掉 IDFA 獲取許可權。

方法 2：通過 Cookie 追蹤渠道

iOS 9 裡面引入了 SFSafariViewController 類，一方面是用戶體驗更好了，同時可跨 App 與 Safari 共享 Cookie。

通過 Cookie 追蹤渠道：

當用戶點擊廣告鏈接時，監控伺服器可以接收到 Cookie 中含有的渠道信息；用戶在 App Store 中下載激活 App，這個時候監控伺服器再次收到 Cookie 信息。系統匹配前後兩次 Cookie ，即可追蹤渠道。
缺點是基於SFSafariViewController 的追蹤必須在 iOS 9 及以上版本才有效，而且微信公眾號廣告、朋友圈廣告仍然無法實現追蹤。

上述方法可以實現部分平台、部分渠道的追蹤監測，然而三大缺點也是顯而易見：
（1）割裂了 Android 和 iOS 兩個平台的渠道數據，難以整合分析；
（2）Android 投放需要重復打包，效率低下；
（3）iOS 渠道範圍限制多，無法大規模推廣。

Part 2 | 基於用戶設備標記的解決方案

下面我們介紹一種快速、靈活的解決方案 ––– 基於用戶設備標識的追蹤方法，它可以同時兼容 Android 和 iOS 兩個平台、適用於大部分投放渠道。

1. 基於用戶設備標記的追蹤原理

上面介紹的基於 IDFA 和 SFSafariViewController 的兩種方法均受到 iOS 的限制，而用戶的設備標記則不受系統的影響。在 GrowingIO【渠道來源】解決方案中，我們將「IP + UserAgent + 設備 ID」組合設置為用戶的設備標記。

通過用戶設備標記追蹤渠道：

用戶點擊含有 UTM 追蹤參數的廣告鏈接後，GrowingIO 伺服器檢測到用戶的設備標記以及 UTM 渠道參數。鏈接跳轉到應用商店（ Android 和 iOS 均可以）後，用戶下載安裝並激活 App，此時 GrowingIO 伺服器第二次收到用戶的設備標記。
系統匹配前後兩次的標記，可以確定用戶的渠道來源，同時 UTM 參數含有的詳細渠道信息一並呈現。

2. 用戶設備標記方法的特點

當然，基於用戶設備標記的方法也有一定不足。當小部分用戶所處的網路環境前後變化時（如從 WiFi 切換到 4G），此時 IP 前後不一致就會導致匹配失敗。
但是相比於前面的 4 種方法，基於用戶設備標記的渠道追蹤方法顯然更有優勢：
第一點，打通了 iOS 和 Android 的渠道來源，可以將【操作系統】加入用戶屬性整合分析；
第二點：避免了 Android 平台重復打渠道包的工作；
第三點：規避了 iOS 原有諸多限制，適用於更加廣泛的推廣渠道；
第四點：只需修改推廣鏈接中的參數、無需改動安裝包，適合大規模、多渠道、敏捷的推廣需求。

同時，廣告鏈接中含有的渠道參數（ 廣告來源、廣告媒介、廣告名稱、廣告內容、廣告關鍵字 ）可以一同加入用戶屬性數據中，方便後期對用戶數據進行多維度的對比、交叉分析。

Part 3 | App 渠道數據分析兩大思路

有了 App 渠道追蹤數據後，我們可以將 UTM 的五個參數作為維度，從數量和質量兩個思路出發，進行 App 渠道數據分析。

1. 數量：找到獲客成本最低的渠道

根據業務需要，我們選取廣告來源（ utm_source ）和廣告關鍵詞 ( utm_term ) 兩個維度，計算出不同渠道的獲客數量並評估獲客成本。

某 O2O 類 App 先後在 3 個渠道上進行了 2 次投放，投放內容先後是「美食」和「外賣」。通過 UTM，我們監測到每個渠道、每次投放的 「App 新增用戶量」，然後計算出平均獲客成本。
從廣告來源上看，渠道 1 的平均獲客成本最低；從廣告關鍵詞上看，「外賣」主題的廣告平均獲客成本最低。從客單價的角度出發，接下來可以針對性優化投放渠道和投放內容，大幅度降低投放成本、提高拉新效率。

2. 質量：找到獲客價值最高的渠道

「App 新增激活用戶量」和「獲客成本」這兩個指標是從數量的角度進行分析，但是數量大、價格低並不一定代表渠道用戶質量高。我們還需綜合考慮用新用戶在接下來的表現，以及新用戶所能帶來的價值。

方法 1：用戶行為數據分析

在這個過程中，我們重點參考用戶留存指標，包括次日留存率、三日留存率、七日留存率、三十日留存率等等。

我們按訪問來源（utm_source）分析新用戶的留存度，發現渠道 2 的三十日留存率高達 14%，而渠道 1 為 8%、渠道 3 為 6%。從留存度上來看，渠道 2 獲取的新用戶價值顯著更高。

方法2：用戶價值分析

除了用戶行為指標，財務指標也非常具有參考性。按照廣告來源（utm_source）我們統計出不同渠道獲取到的新用戶的財務價值，如新用戶在第一個月的月付費率（MPR）和用戶平均收益（ARPU）。

通過分析發現，渠道 2 獲取的新用戶首月付費率（42%）最高，用戶平均收益（30 元）也是最高的。雖然渠道 2 的獲客成本略高於渠道 1，但是從收益的角度來說，投資渠道 2 顯然是一種更加明智的選擇。
綜合上述指標，該 O2O 類 App 在下個月的市場投放中將資源集中到了渠道 2，同時主打「外賣」主題內容。還是和上個月同樣的市場預算，但是新增用戶卻提高了 150%、新用戶留存率提升了 240%，這是一個巨大的增長。

❾ APP運營怎麼利用留存率等數據分析用戶減少的原因

app每天的用戶量都是在不斷變化著的，或增加或減少，如果app運營人單獨只看每日活躍用戶數，是很難發現問題的本質的，所以通常會結合活躍率和整個app的生命周期來看，這里說的活躍率是指活躍用戶/總用戶，我們通過這個比值可以了解你的用戶的整體活躍度，但隨著時間周期的加長，用戶活躍率總是在逐漸下降的，所以經過一個長生命周期(3個月或半年)的沉澱，用戶的活躍率還能穩定保持到5%-10%，則是一個非常好的用戶活躍的表現，當然也不能完全套用，得看看是什麼產品並根據產品特點來看。
同時留存用戶和留存率通常反映了不同時期獲得的用戶流失的情況，分析這個結果往往是為了找到用戶流失的具體原因，具體又分以下幾個指標來看：
次日留存：因為都是新用戶，所以結合產品的新手引導設計和新用戶轉化路徑來分析用戶的流失原因，通過不斷的修改和調整來降低用戶流失，提升次日留存率，通常這個數字如果達到了40%就表示產品非常優秀了。
app周留存：在這個時間段里，用戶通常會經歷一個完整的使用和體驗周期，如果在這個階段用戶能夠留下來，就有可能成為忠誠度較高的用戶。
app月留存：通常移動app的迭代周期為2-4周一個版本，所以月留存是能夠反映出一個版本的用戶留存情況，一個版本的更新，總是會或多或少的影響用戶的體驗，所以通過比較月留存率能夠判斷出每個版本更新是否對用戶有影響。
app渠道留存：因為渠道來源不一，用戶質量也會有差別，所以有必要針對渠道用戶進行留存率分析。而且排除用戶差別的因素以後，再去比較次日，周留存，可以更准確的判斷產品上的問題。
其實只要app運營們能夠不斷完善自己的應用並不斷創新，這個app應用一定會活的長長久久，用戶也會越來越多，賺錢當然就不用說了。

❿ 移動應用運營數據中的留存率是怎麼計算的

留存率
=新增用戶中登錄用戶數/新增用戶數*100%（一般統計周期為天）簡單來說就是之前打開過app的用戶再次打開此app就被記為留存，之前沒有打開過的，現在打開了，那就是新增數據