互联网产品的16个关键业务指标 mixpanel150 _经验分享

更新iOS 15后无法连接app store怎么回事？
有用户反映升级 iOS 15 后无法进入 App Store、SIM 卡无服务等问题。目前苹果还未对此作出回应，提示iPhone系统存不存在。目前，苹果方面还没有回应，而上述问题也暂时没有太好的解决办法。
2021年月，苹果发布了iOS 15正式版，来自数据分析公司Mixpanel的数据显示，iOS 15的安装普及率不及去年的 iOS 14 。
约有8.5%的用户升级至 iOS 15，去年这个数字为14.5% 。Mixpanel 的数据来自网站和应用的访问统计，所以并不是官方数据。苹果官方还没公布iOS 15升级率，2021年 6 月时苹果官方的数据为iOS 14升级率为85% 。
解决办法：降级
本次的ios15的大版本提升并未实现多数人的满意，很多小伙伴选择降级到14.6正式版，这也很正常，毕竟没人会用一个不舒服的系统。
大家根据自己的机型来选择，建议使用xr以上机型，新手不要尝试，刷成白苹果可能你的花钱去门店去恢复系统。非主力机可以降级。

用户行为特征用户行为特征
用户行为特征，对于运营来说用户的行为是需要关注的一个点，很多时候用户的行为决定了一个网站甚至是一个软件能否继续运运营下去，所以通常都是要对于用户行为特征进行一个分析，下面一起看看相关内容。
用户行为特征1
用户行为是用户在产品上产生的行为，实际表现为相关的用户数据。产品经理运用不同分析方法对不同数据进行分析，进而为产品迭代和发展提供方向。
一、用户行为是什么？
1、用户行为
用户行为是用户在产品上产生的行为。我们以小明的case具象化用户行为表现：
因为小明关注作者的信息被记录了下来，当该作者有发布信息时，则会通知所有关注他的人，而小明也是其中之一。
小明关注作者的信息记录，则是行为数据。小明的行为数据会有启动app、浏览、查看图集、播放视频、点赞、关注作者……
2、用户行为数据
用户行为数据是从一次次的行为中而来的，行为数据是通过埋点进行监控（相见埋点介绍）、后续一篇文章将介绍如何（设计埋点）。通常是数据同学完成埋点设计，由开发完成监控程序或调用SDK 。针对小明的行为（假设以下均已埋点）：
3、用户行为分析
是指对用户行为数据进行数据分析、研究。
4、用户行为分析的作用
（1）通过用户行为分析，可以还原用户使用的真实过程。
一个xxx的人在什么样的环境中（由于什么样的行为）在时间点做了xxx事情做了什么事情结果如何
（2）“了解用户，还原用户”是“以用户中心”的第一步。只有详细、清楚的了解用户的行为习惯、真实的使用路径、进而找出产品使用、渠道推广等过程中存在的问题，提高用户/页面/业务过程中的转化率。
（3）用户行为分析（case需要补充）可以用于
A、拉新：渠道分析、SEM分析、用户质量分析、
B、转化：新增用户注册转化过程、产品使用过程转化（搜索、推荐等）、push推送调起过程、站外拉起过程
C、促活：用户停留时长、用户行为分布、
D、留存：用户留存分析
E、商业化：根据用户历史行为展示广告
二、如何进行用户行为分析？
1、行为事件分析
行为事件分析方法主要用于深度研究某行为事件，以及对产品的影响以及影响程度。
针对某一具体行为，全面的描述、对比，针对其异常表象深度下钻分析各维度、确认导致该行为数据表现的原因。如快手的播放量徒增:同期对比分析，确认历史上是否有发生过，对比去年/上个季度/上月/上周/昨日的数据的相对表现。多事件对比分析。对比浏览量、点赞、评论、分享事件的数据是否存在徒增。通过对比多个事件，确认徒增现象发生的范围。维度下钻：由于播放量取决于3个部门用户在快手消费视频，被监控程序上报。
所以在三个方面分析：
监控程序是否异常？在快手哪个页面的播放量增加呢？是发现、关注、还是同城？-> 对应页面做了哪些调整？是否增加了引流；哪一部分用户群的播放量增加了？交叉分析用户自然属性（平台、性别、年龄、地域、教育学历、机型、消费能力）、行为属性（新增、回流、常活跃用户；直播用户、短视频用户…、）、视频属性（视频类型、作者类型…、）
2、留存分析
留存是衡量用户是否再次使用产品的指标，也是每一个app赖以生存的指标，能够反映任何一款产品健康度，是产品、运营、推荐效果的整体表现。如果一个app从来没有留存用户，那DAU将永远是新增用户，那么产品将无法运行下去，更别说新用户成本付诸东流。
贴合业务属性、精细化留存过程将对留存数据更有价值和指导意义。通过留存分析，能够剖析用户留在产品的原因，从而优化产品核心功能提升留存。
留存的类型：
用户留存：用户使用app后，经过一段时间仍旧使用。功能留存：用户使用xxx功能后，经过一段时间仍旧使用该功能，且其他功能均有所变化。此时，该功能对用户留存有正向作用。先前有写过留存分析的文章，这里就不赘述了。
3、漏斗分析
漏斗分析实质是转化分析，是通过衡量每一个转化步骤的转化率，通过转化率的异常数据找出有问题的环节并解决，进而实现优化整个流程的完成率。
在产品初期(处于与市场适配的阶段)：通过漏斗分析找到用户触达的瓶颈，帮助用户触达产品核心价值，真实反映MVP与市场匹配程度；在产品中期(处于用户平稳增加的阶段): (1)通过漏斗分析优化渠道，找到目标群体用户; (2)通过漏斗分析优化用户在各模块的体验(基础的登录模块、产品核心价值模块: 如抖音的播放模块、淘宝的购买模块等)；在产品后期(处于用户价值产出的阶段): (1)通过漏斗分析可以改善用户生命周期(优化用户体验提高用户生命周期，间接拉长用户群体的价值产出的时间长度，减少高价值用户群体的流失)；(2)可以通过漏斗分析优化商业化模块，像商品的购买过程（购物车-提交订单的转化漏斗）、广告的曝光点击等，提高生命周期中单位时间产生的价值。
4、路径分析
路径分析可以将纷杂的app日志按照用户的使用过程，呈现出“明确的”用户现存路径。发现路径问题，进而优化，使用户尽可能短路径体验到产品核心价值。
通过路径分析，可以了解到像小明这样9点左右播放视频的用户：他们是通过push点击而来，这部分用户占比是多少；他们匆匆结束播放，再也没有下一步行为，这部分用户占比又有多少。针对他们利用碎片化时间播放视屏的场景，尤其是突然退出的'场景，是否在下一次打开app时，仍旧打开终端的视频。是否有其他策略可以针对该场景来优化？
此外，路径分析不仅仅可以用于行为路径分析，也可以用于用户群体转化分析。例如：新用户中分别转化为忠实用户、常活跃用户、潜在流失用户、流失用户的分析。
5、用户分群分析
通过了解用户画像，可以帮助运营理解用户。根据用户画像（基本属性、用户偏好、生活习惯、用户行为等）的标签信息将用户分群。
通过用户分群行为表现对比，可以进一步了解不同群体对产品的反馈，有针对性的优化产品。
发现中西南地区的低端机型使用app时，奔溃率特别高，开发可以针对该点进行优化、降低奔溃率；可以针对不同的用户群体的行为表现做定向投放、push等，从而实现精细化运营。业内的商业化行为分析产品，基本上将用户画像的生成、标签的过程均合并在用户分群的群体定义中，降低了操作流程。
三、用户行为分析的完整链路
以小明为case的用户行为每天数以万/亿计的产生，如何对“这类人群”进行“行为分析”？需要行为分析将明细级别的日志聚合后再以较为可读的形式展示出来。
为了保障埋点可靠、数据上报及时、行为数据分析有效。需要一套完整的用户行为系统，包括从数据埋点设计、埋点开发、数据上报、数据模型开发、行为数据分析。过程中也需要多方协作完成，如何保障多方协作中高效、便利的完成、产出具有业务价值的数据分析结论。后续将介绍服务于用户行为分析的相关平台介绍。
用户行为特征2
一、什么是用户行为
中国有句古话“天地四方为宇，古往今来为宙”，这句话揭示了空间和时间的概念。我们要想透彻地研究任何事物，常以时间和空间两个维度来考虑。分析用户行为也不例外。
换句话说，用户行为的研究内容可以按照时间和空间维度展开。
从时间的维度来看，按照管理学大师菲利普科特勒的理论，用户的行为轨迹包括：产生需求、信息收集、方案比选、购买决策；购后行为5个阶段。其中购后行为包括使用习惯、使用体验、满意度、忠诚度等。
从空间的维度来看，用户行为的构成要素包括5W2H，例如我们要全面描述用户在购买阶段的行为，就要回答这样的问题，谁（who）？打算在什么时候(when)？什么地方(where)？买什么东西(what)？产生需求的动机是什么（why）？打算买多少（how much）？如何买（how）？同理，在使用阶段也可以从这7个要素来描述。
5阶段和7要素的结合，形成了用户行为分析的研究体系。这个体系细化了用户行为的研究内容，基于这些内容，就有了用户调查问卷的一些基本的问题。
二、为什么分析用户行为（Why）?
之所以分析用户行为，是为了找到用户行为的特征，从而为企业的经营提供支持。
大家想想，用户行为具有哪些特征呢？
Q1: 用户行为是同质化的，还是差异化的？
A1：差异化的，因此用户行为具有差异性
Q2:用户行为是静态不动的，还是动态变化的？
A2:动态变化的，因此用户行为具有流动性
Q3:用户行为是相互隔绝的，还是相互影响的？
A3:相互影响的，因此用户行为具有传播性
差异性、流动性和传播性是用户行为的三个显著特征。那么，这些特征具体是如何表现的，分析这些特征对企业的经营有什么作用？
这里我们只谈差异性，后面的博文中会谈流动性和传播性。
用户行为从时间和空间的维度，分为5阶段7要素。因此用户的差异性，就表现在这5阶段和7要素上。例如，在产生需求阶段，用户的需求动机why不同。同样是买电脑，有的是为了工作、有的为了学习、有的是为了消遣；再比如，在信息收集阶段，用户的信息收集渠道where不同。同样是买房子，有的看网络广告；有的听朋友介绍；有的到现场采点。
这里只举了两个阶段，你能说出在其他阶段用户的差异性表现吗？
意识到用户的差异性，企业的营销工作就不会搞一刀切，就不会拿大炮轰蚊子，而是会进行市场细分和目标市场选择，然后针对目标用户进行精准营销。这种精准营销体现在市场定位、竞争战略选择、品牌形象和营销组合等很多方面。
三、如何分析用户行为(How)？
这里我们只谈差异性，后面的博文中会谈流动性和传播性。
我们前面谈到因为用户行为具有差异性，因此需要进行市场细分和目标市场选择，那么如何进行市场细分和目标市场选择呢？
市场细分的思路是看看从哪个维度切分市场，使所分得的细分市场内部具有的共性，细分市场之间具有个性。从哪个维度切要结合企业所处的行业特点的。例如食品市场，地域差异比较明显，南甜北咸东辣西酸，所以食品市场可按地域分；服装市场，性别差异非常突出，男款少而精；而女款多而靓，所以服装市场可按性别分。此外二八原则，也广泛用于市场细分，即我们可以按重要程度将用户分为大中小三类。重要性可以有很多评价指标，比如规模、综合实力、业内影响力、对企业的贡献率、在同类产品上的总投入等等。
将市场划分成几个细分市场后，企业就面临着目标市场选择的问题。如何选择目标市场呢？这是一个团体决策的过程，在选择目标市场时往往需要企业的管理人员和骨干营销人员坐在一起讨论来确定。讨论共有五步进行
第一步指标的选择需结合企业自身的实际情况。例如，我是大企业，规模经济是我的优势，那市场规模就是我选择的重要指标；我是中小企业，我要更关注竞争的激烈程度，因为竞争太激烈了，我可能无法存活。因此，竞争强度就是我选择的重要指标。
第二和第三步确定优先级和为指标打分的方法可参考小蚊子的《谁说菜鸟不会数据分析》中的权重确定方法
第四步的综合得分是第二步和第三步的结果加权平均得到。
第五步选择目标市场可以企业适应度和市场吸引力为横纵坐标，得出各个细分市场在四个象限中的位置。
六款免费的用户行为分析工具测评
中国移动互联网市场经过几年的高速发展，增速已经明显放缓，人口红利逐渐消失。移动互联网进入了下半场，市场竞争已经从增量用户竞争逐步转化成为存量用户竞争。同时伴随流量红利消失，数据红利时代已经到来，流程驱动性公司正转变为数据驱动的数字公司，竞争从同业蔓延至异业竞争，跟随用户，跨场景地满足用户的需求将会成为数据红利时代最核心的诉求。
如果说数字化转型不可逆，那么对于用户的精细化运营将会是数字化转型的支撑点之一。要实现对用户的精细化运营，必不可少要对用户行为进行分析。比如对网站、APP等渠道的用户行为数据进行采集，对获取到的用户行为数据进行多维度、多角度对比分析，用以指导提升获客效率、优化产品服务和用户体验，以数据驱动业务持续增长。
但目前来看，距离要实现这一目标，还有一定的差距。由于日常工作中，大家的分工不同，仅关注某一个方面的数据显然不够，无法全面了解产品运营情况，更不能提出行之有效的分析建议。
现在的情况是在公司内，业务部门想要看数据，会先提出自己的数据需求，这时候需要找到技术人员或者数据分析师，根据需求写SQL将数据从库里提出来，交给数据分析师进行分析，形成对应报表之后，再发给业务部门查看，完成整个过程没个三五天搞不定，数据分析的时效性大大降低。
企业采用用户行为分析工具，可以让产品、运营、市场、数据等业务部门更方便的分析数据，让技术部门日常面对的零碎需求更少，能把等多精力放在建立数据仓库等核心工作上。
当我们在做产品开发或者产品运营时，通常需要第三方工具去做用户行为分析以提供数据支持。因此免费产品的试用成了大家在前期选择工具的必要方式。为了方便大家对目前市场上的用户分析工具有一个清晰的了解，我们在试用了大量的工具后，分别从数据接入、数据分析、安全与拓展几个方面进行了综合分析。
许多人都在问，市场上有没有免费的用户行为分析工具，答案是有的！不过各家各有特点，国外知名用户行为数据分析工具像Google Analytics（以下简称GA）、Mixpanel，国内有百度统计、易观方舟Argo、友盟、TalkingData免费版（以下简称TD免费版）。
01、数据接入
谈到数据接入，首先需要说明的是几个产品在数据模型上的差别。
GA、百度统计诞生于传统PC互联网时代，都是以传统的页面浏览（PV）和用户会话（Session）为核心。其中GA经过多年演进，增加了一些关于事件分析和自定义属性的内容，但本质上主要还是服务于页面类的产品。百度统计还是依然只支持页面和会话统计。
随着移动互联网时代到来，用户的行为触点变多，以往以页面和会话为中心所能采集到的结构化数据颗粒度不够细，页面和会话模型已经不适用了。因此，基于“用户+事件（User+Event）”模型出现了，在分析的时候可以完全自主的定义需要分析的事件，并从不同的属性维度进行交叉分析。刚推出不久的易观方舟Argo，以及Mixpanel、友盟、TalkingData免费版都采用了 “用户+事件”模型。
在埋点方面，目前根据埋点的工具和方式，可以划分为三种类型：代码埋点，可视化埋点和全埋点，并没有说哪一种方式能够碾压其他几种，因为都各有弊端，具体的各种埋点方法的分类与优缺点我们也做一下对比：
下面我们看一下市面上几家免费的数据分析产品之间在数据接入方面对比。需要注意的是由于GA、Mixpanel都是国外产品，在数据采集的规则适配了iOS、Android的设计规范，但国内开发者常常直接忽视这些设计规范开发产品，而GA、Mixpanel在数据采集上没有针对国内产品的特点进行优化，因此在数据采集的准确性上可能会受到一些影响。
另外，需要提到的一点是Mixpanel和易观方舟Argo的数据采集SDK开放了源代码，一定程度上可以打消企业在数据采集安全方面的顾虑。
02、数据分析
数据分析是用户行为分析工具的核心，除了百度统计以外，其他几款产品都可以满足用户行为数据分析的基本需求，但在功能的丰富程度上不尽相同。具体对比可以看下表。
从分析模型丰富程度上来看，Mixpanle和易观方舟Argo是里面功能最全的，堪称全家桶，唯一遗憾的是目前易观方舟Argo目前尚不支持热图分析。比如最常用的“事件分析”这个功能，不止可以从PV、UV等方面进行分析，还可以根据不同的属性值设定具体的指标按照不同的维度进行对比，功能非常强大。
从数据准确性上来看，GA在算法的严谨性上应该是最好的，但如果用户或者事件量比较大的时候，会采取抽样分析，可能会影响到数据的准确性，Mixpanel的免费版本也会存在类似的问题。易观方舟Argo在这方面表现抢眼，在数据计算上支持秒级实时数据分析、自定义指标、多维多人群指标对比、人群交叉分析、智能分析、数据实时回传、即席数据分析等。
从数据管理、项目管理、权限管理这些常用的管理功能方面来看，几款工具都提供了比较友好的支持。但仅有友盟+提供了手机app，可以随时通过手机查看监测的数据情况，易观方舟Argo支持通过手机浏览器访问查看数据看板。
另外，值得一提的是易观方舟Argo里面的用户运营和触达功能。目前易观方舟Argo可以在完成用户分析与分群后，通过邮件、短信、Push消息等方式对目标用户进行触达，还支持配置UTM追踪参数对广告进行跟踪。
03、安全与拓展性
企业级产品在数据安全性和可拓展性上，需要提前做一些考量，几款产品也各有侧重，具体对比情况如下表所示：
（点击图片可查看清晰大图）
GA免费版和 Mixpanel 提供的都是SaaS服务，但因为服务器都在国外，在国内使用起来稳定性和刷新速度上可能会有一定的影响；百度统计、友盟统计、TD免费版基本上都是SaaS服务；易观方舟Argo提供安装包，可由企业自己私有部署，如果对数据安全有顾虑，易观方舟Argo是个不错的选择。在服务方面，除了GA和易观方舟Argo可提供社区服务支持以外，其他产品目前还没有完善的用户服务支持。
总结
对比来说，刚推出不久的易观方舟Argo，在数据采集、数据分析能力上，已经可以满足产品数据和用户行为数据分析的需求，而且提供了独家的一站式用户运营和用户触达。与目前其他国内的免费工具产品对比来说，易观方舟Argo在颗粒度细致程度、分析模型全面性、系统性能方面表现优秀。
目的，大多数成长型团队、创业团队的市场及运营预算都相对紧张，每一分投出去的钱恨不得立马知道什么时候能转化回来，如果自己搭建一套完整的数据分析平台要花费的功夫肯定不少。相信更多性能全面的用户分析和运营分析工具的免费开放，能避免企业在市场运营方面走弯路；也能解放团队更专注的在业务上，通过用户行为分析提升营销效率、优化迭代产品、留住更多用户，真正用数据指导和驱动业务。
最后，这次选型过程中，在易观方舟Argo社区交流感受较好，现在市面上能见到的免费工具产品不少，但真正形成自己技术服务社区的不多。相信未来他们能把这个社区做的更好，就像当年小米运营MIUI做社区一样，能给广大的技术宅和数据爱好者提供一个炫技、PK、互助的圈子。
如何用数据来做渠道效果的分析
如何用数据来做渠道效果的分析
日前和几个 BD 朋友聊天，听到说“现在很多渠道投放的效果犹如雾里看花，点击很多，激活很少，留存更是骨感……”想到自己对当下的统计后台还算了解，所以想从数据角度讲下渠道效果分析的几点经验。
几乎所有的运营人员都会接触到渠道推广。这些渠道推广可能是付费渠道，可能是免费渠道，无论是哪一种渠道推广，都是需要我们付出成本的。在与渠道打交道的过程中，有时候涉及到跟渠道分成或者跟渠道合作，我们需要统计从渠道获取的用户的数量；有时候涉及到渠道付费，我们需要鉴别渠道用户的质量的好坏，控制并提高渠道的效果。
工欲善其事，必先利其器。我们可以利用第三方统计工具来对渠道投放进行监控，通过一些指标来有效的监控渠道投放的数量和质量。
Android渠道监控工具
一般来说，统计工具具备很完整的Android渠道监控的功能了。我们可以选择集成了统计分析SDK，来使用其中的Android渠道监控的功能。我在下面列举了一些统计分析工具。
国外的统计工具：mixpanel、flurry、localytics、google analytics for mobile 。
如果我们的应用是做海外发行，建议优先选择国外的统计工具。除了时差的问题（大部分统计工具采用服务器时间进行计算），由于伟大的墙的存在，数据包从国外传输到国内会存在一定比例的丢失。
国内的统计工具：友盟、腾讯移动统计、talkingdata、avodcloud、dataeye 。
如果我们的用户主要集中在大陆地区，可以优先使用国内的统计工具。一个好的统计工具，它的服务是稳定的，数据是安全的，指标和维度具备完整性，拥有自由灵活的高级功能。
友盟是国内最早的统计分析工具，在数据稳定性和功能完整性上的表现是很优秀的。
talkingdata和dataeye是做游戏分析起家的，在游戏领域，talkingdata和dataeye分别在华北和华南地区具备很大的知名度。他们在游戏指标和维度上的设计也是很专业的。
腾讯的优势是具备强大的社交关系链。这个优势也输出到了腾讯统计分析中。腾讯统计分析具备强大的用户画像功能，这个数据能够帮助开发者更好的了解用户。
独立部署企业版本：talkingdata企业版本、ly、Cobub razor 。
我们也可以购买独立部署的数据服务，将数据的收集、计算、展示都放到私有云上。
统计原理

Android平台的应用市场比较多，推广方式也很丰富。我们可以通过分包发布来区分不同的渠道。
简单的说，就是开发人员为每个渠道生成一个渠道包，每个渠道包用不同的渠道字段来标示。运营人员再将这些渠道包上传到渠道中，当有用户下载激活app时，就可以在报表页面中查看到不同渠道来的用户的数据了。
用友盟统计分析举个例子。开发人员可以在manifest文件的<application>节点中添加下面这行配置。
<meta-data android:value=https://pipe99.com/%E5%B7%A5%E7%A8%8B%E6%A1%88%E4%BE%8B/”Channel ID” android:name=”UMENG_CHANNEL”/>
将“Channel ID”改成需要标示的渠道，比如小米、豌豆荚等。
关于数据准确性的问题
一般来说，统计工具是使用IMEI+MAC来唯一标示一台Android设备。当然这是一个简化的说法，实际上，Android的设备id存在很多缺陷，比如mac存在漂移，imei存在冲突，所以一个好的统计工具会有自己的id组合策略，而非单一的设备id来唯一标示一台设备。不同的统计系统的id方案不一样，所以我们会发现不同的统计系统会存在微小的偏差。如果这个偏差在一定范围内，是可接受的。
除了可接受的误差之外，我们可能还会遇到很多其他的数据问题。我总结了一些列举在下面。
为什么渠道后台的数据大于统计系统的数据
渠道是基于下载计算的，统计工具是基于激活计算的。也就是说，

用户下载了app但未运行，统计系统无法统计到；用户使用app时未联网，统计系统也获取不了这个用户数据；用户之前安装过该app，从某渠道下载了一个新版本，这个用户只能算一个老用户，不计入该渠道的新增用户中。

这些情况都会导致渠道后台的数据大于统计系统的数据。
为什么渠道后台的数据小于统计系统的数据
安卓市场情况非常混乱，会存在小渠道抓包发布的情况。同时，各渠道之间有资源互通的合作，例如豌豆荚与二十多家渠道互通资源，如果一个应用的新版本未在豌豆荚发布，豌豆荚本身的搜索引擎性质仍能通过豌豆荚下载其他渠道（如安智）的安装包，此时应用在本身安智渠道的下载量并不会增加，但友盟统计后台安智渠道会新增用户+1
不同的统计工具，数据对不上
正如前面所说，不同的统计系统的id方案不同，会存在微小的偏差。
此外，如果一个统计工具是基于账号系统，一个统计工具基于设备，可能会存在一个设备登陆好几个账号，或者一个账号跨屏登陆的情况，这两个系统数据肯定是对不上的。
iOS渠道监控原理

相比Android平台，iOS是一个封闭的生态（暂不考虑越狱渠道）。我们不能通过分包发布来区分渠道用户，只能通过短链分发来监控渠道的效果。
具体的说，每个app在appstore上对应了一个唯一的链接，我们可以将这个原始链接封装成不同的短链接，将短链接交给渠道，这样就可以区分来源于不同渠道的用户了。
从技术步骤上来看，一个终端手机用户如果点击了渠道上这个短链接，会跳转到appstore页面上。这个过程会触发一个服务器端的请求，服务器会记录这次点击的设备信息，包括ip地址、机型等。如果这个终端用户下载并激活了这个app，会向服务器发送一个激活包的信息。短链监控平台将激活信息与点击信息进行匹配，从而计算出点击、激活等数据。
工具
我们可以自建短链监控系统，也可以选择国内外成熟的解决方案来进行iOS渠道的监控。

广告平台自带广告监测工具：Inmobi AdTracker、google adwords第三方广告监测平台：umtrack、appcpa、mobile app tracking、Tapstream

一般来说，选用第三方平台会比广告平台自带的监控工具更加具备公正性。我们需要尽早做好准备，在一个app还没有进入推广期时，就选择接入第三方广告监测平台。这样，第三方平台中保存了这个app的历史数据，在进行渠道推广时能够判断新老用户，从而数据会更加准确。
关于数据准确性的问题
精确性
有的运营人员做渠道投放，每个渠道都投放了，点击量特别高，可能达到上万，甚至两三万，但激活量特别低，呈现个位数。费用都花光了，但是效果没有出来。自己也做分析，投放的平台也做分析，但是却得不到结论。
我们做数据分析的前提是需要拿到靠谱的数据。如果数据不准确，基于这个数据分析出来的结论是没有意义的。
我们做iOS正版的渠道推广，需要注意的是，第三方短链服务存在一个精确度的问题。
具体来说，用户点击短链的时候，服务器端只能获取到ip地址，获取不了openudid这样设备标示符的信息。我们知道ip地址是一个会变化的地址，并不能唯一的标示一台设备。
比如我在公司wifi下点击下载app，但是回家才打开app体验产品，因为ip地址切换了，这个激活是匹配不上的；另外一个例子就是，一个咖啡店中，一个客人点击短连接，另一个客人去appstore上搜索并下载激活了这个app，因为这两个客人都连接了咖啡店的wifi，属于同一个ip地址，系统会认为这个点击和激活是可匹配的。
所以用ip地址进行匹配的原理存在天然的缺陷，是一种有误差的统计。
合作平台
正是因为这种统计原理的缺陷，监控平台会通过跟DSP、网盟这样的渠道建立合作来避免和消除不准确性。
当有用户点击短链接时，渠道回传可靠的设备标示符给监控平台（如idfa、idfv、openid等）。用户激活时，监控平台可以使用设备标示符来匹配激活和点击的数据，从而提高了整个系统的数据准确性。
如果我们使用付费推广的方式来获取新用户，一定要提前了解监控平台是否与对应的渠道建立了合作关系，如果有合作，那么监控平台上的数据是非常准确，广告平台也认可用这个数据来结算的。
与此同时，总有一些推广渠道是监控平台合作所覆盖不到的。比如社会化营销推广，这种推广的效果只能使用ip地址来匹配。
这种不准确的效果数据对我们的意义就在于：粗略地了解每一次推广的趋势，通过相对的对比来分析每一次推广的效果，优化营销推广方案。
写在最后：
正确的选择渠道监控工具只是我们数据分析的第一步，我们还需要学会使用数据指标和高级功能来分析渠道的效果。下一篇，我将重点针对这个主题，谈谈有哪些指标和维度可以用来反映渠道的用户质量，如何通过数据分析来辨别渠道作弊，分析渠道的效果。
以上是小编为大家分享的关于如何用数据来做渠道效果的分析的相关内容，更多信息可以关注环球青藤分享更多干货

互联网产品的16个关键业务指标
一些关键的启动指标可以帮助投资者在进行业务投资时评估其健康状况。
好的指标不只是要从风险投资中筹集资金……它们还在于以某种方式运营企业，使创始人能够知道（以及为什么）某些事情（或不起作用），然后相应地解决它们。换句话说，这些指标不仅用于宣传，还用于在随后的董事会会议，季度更新和管理会议中进行讨论。“与他们一起开车，不要只是'报告'他们” 。
TAM 是量化市场规模/机会的一种方式。但是，利用现有市场的规模实际上可能会低估新业务模型的机会：例如，相对于本地企业软件而言，SaaS的平均每用户收入可能要低得多，但通过增加用户数量来弥补这一点却可以弥补这一不足，从而扩大了市场。或者，提供比现有选择更好的功能数量级的产品也可以扩大市场。
尽管有几种方法可以确定市场规模，但希望看到一个自下而上的分析，该分析考虑了目标客户概况，他们为产品或服务付款的意愿以及如何营销和销售产品。相比之下，自上而下的分析将根据市场份额和总市场规模来计算TAM 。
为什么提倡自下而上的方法？假设要在中国出售牙刷。自上而下的计算将是这样的：如果每年可以向40％的中国人出售1美元的牙刷，那么TAM为1.36B人x $ 1 /牙刷x 40％= 5.4亿美元/年。这种分析不仅倾向于夸大市场规模（为什么占40％？），而且完全忽略了将牙刷交到540M牙刷购买者手中的困难（且昂贵！）现实：他们将如何了解产品？人们在哪里买牙刷？有哪些选择？同时，自下而上的分析将基于每天/每周/每月/每年通过药店，杂货店，便利店和在线商店出售的牙刷数来确定TAM 。
这种类型的分析迫以更具体的方式考虑销售和营销团队的形体和技能，以应对市场机会。
向投资者推销时，不要“玩弄” TAM，这一点很重要。是的，风险投资人寻求投资大创意。但是，许多最佳的互联网公司在开始时就试图解决看似适度的TAM 。以eBay（收藏品和古董）和Airbnb（位于别人家的房间）为例；在这两种情况下，公司及其用户社区都采用了原始功能并极大地扩展了用例，其规模远远超出了最初的市场规模估计。
当软件企业使用ARR，他们的意思是每年的经常性收入，不是每年的运行速度。将给定月份中的已确认预订（有时在某些情况下为收入）乘以12，然后将该数字称为ARR，这是错误的。
在SaaS业务中，ARR是每年经常性收入的量度。它不包括一次性费用，专业服务费用和任何可变使用费。因为在给定的月份内，通过开具一次性服务或支持的发票可能会获得更多收入，并且将该数字乘以12可能会大大夸大实际ARR潜力。
在市场业务中，这些业务更多地基于交易，并且通常没有合同。通过对最近一个月或一个季度的GMV或收入指标进行年度化分析，可以查看当前的收入运行率。
经常看到的一个错误是，市场GMV被称为“收入”，这可能会高估业务规模。GMV 通常反映出消费者在网站上的支出，而收入则是市场为提供其服务而在GMV中所占的一部分（“ 收益 ”）。
ARPU 定义为总收入除以特定时间段（通常是一个月，一个季度或一年）内的用户数量。这是一个有意义的指标，因为它可以证明平台上用户的价值，无论这些用户购买订阅（例如电信月度订阅）还是在广告消费内容时点击广告。
对于收入前的公司，投资者通常会将公司的前景与知名公司的ARPU进行比较。例如，Facebook在2015财年第二季度从其美国和加拿大用户产生了$ 9.30的ARPU：
因此，如果评估一家广告业务的公司，其货币化潜力可与Facebook相提并论，那么们会问：我们是否认为与Facebook相比，该公司可以产生四分之一，一半，多少甚至更多的ARPU？为了证明这一信念是正确的？公司将如何实现这一目标（他们有能力做到这一点）？
毛利率（即公司的总销售收入减去所售商品成本）可以被视为具有不同业务模式的企业之间的均衡器，否则比较相对收入将毫无意义。毛利率告诉投资者公司必须支付多少资金来支付其运营费用，并且（希望如此）利润率降至底线。
有几个例子可以说明这一点：电子商务业务通常具有相对较低的毛利率，亚马逊及其27％的数字就是最好的例证。相比之下，大多数市场（请注意电子商务之间的区别）和软件公司应该是毛利率很高的企业。
对吉姆·巴克斯代尔（Fedex著名的首席运营官，麦考蜂窝网络（McCaw Cellular）首席执行官和网景（Netscape）首席执行官）的解释是：“这是软件的神奇之处：软件是我拥有的东西，我可以卖给你，然后我仍然拥有它。由于具有这种神奇的属性，软件公司应具有很高的毛利率，在80％-90％的范围内。较小的软件公司可能会因为提供超出其所需容量的容量而开始降低毛利率，但是如今，随着按需付费的公共云服务的出现，小型公司购买和运营昂贵的设备的需求就消失了，因此甚至早阶段的公司可以以相对较高的毛利率起步。
销售率通常以一种方式计算（一个时期内售出的单位数除以该时期初的项目数），但在不同类型的业务中具有不同的用途和含义。
在市场业务中，销售率也可以按“ 接近率 ”，“ 转换率 ”和“ 成功率 ”进行计算。不管是什么，销售率都是市场业务中最重要的指标之一。作为投资者，我们希望看到相对较高的利率，以便供应商在投入市场上市方面所付出的努力获得丰厚的回报。我们还希望看到该比率随着时间的推移而提高，尤其是在市场开发的早期阶段（因为它通常表明网络效应正在发展）。
在购买任何种类的库存的企业（零售商，批发商，制造商）中，销售率是每周或每天管理库存的关键操作指标。它可以显示您逐个产品地将产品供应与需求匹配的程度。
但是，对于许多投资者而言，库存周转率比基于库存的业务的销售率更有用，因为它：
—与企业的资本效率进行谈判，其中更多的转弯更好
—提供有关库存质量的线索，在这种情况下，随着时间推移而变慢的库存周转可能表示需求下降以及潜在的库存减损（这可能导致减价或冲销）
库存周转率通常通过将一个期间的销售成本除以该期间的平均库存来计算。最典型的使用期限是每年。
有两种改善库存周转率的方法：（1）通过提高相同数量库存的销售速度；（2）通过减少产生给定销售量所需的库存。虽然两者都很好，但要注意后者：过分管理库存可能会因没有足够的库存来满足消费者需求而对销售产生负面影响。
简而言之，当产品或服务随着越来越多的人使用它/设备而变得越来越有价值时，它就会具有网络效应（例如电话网络，以太网，eBay和Facebook等示例）。通过增加参与度和更高的利润，网络效应对于帮助软件公司建立持久的护城河，使他们免受竞争的影响至关重要。
但是，没有单一的指标可以证明企业具有“网络效应”（梅特卡夫定律是一种描述性表述，而不是一种度量）。但是我们经常看到企业家断言他们的业务在没有提供任何支持证据的情况下具有网络效应。如果没有这一点，很难确定一家企业是否确实具有网络效应！
使用OpenTable作为具有网络效应的业务的示例。OpenTable网络的效果是，更多的餐馆选择吸引了食客，更多的食客吸引了餐馆。以下是一些有助于证明这些网络效应的措施（由于OpenTable的网络效应很大程度上是局部的，因此我们通常在一个城市内使用度量值来说明这一点）：
这些度量标准中的大多数特定于OpenTable正在构建的网络。其他对网络有影响的业务（例如Airbnb，eBay，Facebook，PayPal）具有非常不同的指标。
因此，在管理具有网络效应的业务时，最重要的事情是定义这些指标是什么，并随时间进行跟踪。这看起来似乎很明显，但是网络效应的关注程度越高，企业将能够更好地维持和发展它们。同样，对于潜在的投资者来说，重要的是要看到网络效应的证据，企业家必须确切地了解它是什么，以及他或她是如何驱动它的。
网络效应衡量网络的价值时，病毒性是产品从一个用户传播到另一个用户的速度。请注意，病毒的生长并不一定表示网络效应。这很重要，因为有时会混淆这些概念！
病毒性通常通过病毒系数或k值来衡量-产品的用户有多少让其他人使用该产品[每个现有用户发送的邀请的平均数量*邀请新用户的转化率] 。k值越大，这种传播越多。但这不仅需要口口相传，如果通过提示用户但没有激励用户邀请用户，通过与参与用户的随意联系或通过“固有”社交图谱（例如手机中的联系人）来邀请用户，则传播也会发生。
这里的k值背后的数学基础[还有其他一些更细致和复杂的计算这里]：
1以下的任何内容均不视为病毒；高于1的任何内容均视为病毒。数字越多越好，因为这意味着您获得新客户的成本将低于具有较低病毒系数的产品。现在，如果可以将每位客户的ARPU值或终身价值与之结合起来，那么您就拥有了一个伟大的事业的开端。
规模经济意味着随着业务规模和产量的增加，产品的生产成本将降低。
规模经济的一个好方法是随着时间的推移降低单位成本。一个典型的例子是亚马逊的1P销售：它具有规模经济（共享的仓库设施，更便宜的运输选择等）。随着数量的增加，每单位产出的成本会下降，因为固定成本分布在更多的单位上。
由于运营效率的提高，规模经济还可以减少变动成本。
请记住，“规模经济”不同于“病毒性”和“网络效应”！
基本上，净发起人得分是一个度量标准，用于衡量客户对产品的满意度和忠诚度。它基于询问您向朋友或同事推荐我们公司/产品/服务的可能性有多大？
这是一种计算NPS的方法：
报告NPS分数的一个明显问题是仅通过调查一部分客户来歪曲样本。这里一个不明显的问题是，您可能认为只有对“足够”使用您的产品的用户（例如，一个月内使用x次或至少y个月内使用该服务的用户）进行衡量才值得–有偏见的样本。
报告NPS指标的其他一些常见问题包括仅显示发起人所占的百分比（不考虑贬低因素），或基于太小的样本量得出分数。另一个问题（由Brad Porteus通过Facebook评论提出）正在比较公司，这会导致误解和游戏得分；“相反，应关注同一公司的NPS趋势-并密切注意用户的可选评论。” Porteus还分享了UI建议，即如果NPS评分垂直显示在移动设备上，“分数可能相差20点，具体取决于您将10放在顶部，然后向下滚动到0，反之亦然”，因此建议您将50 / 50在电话屏幕上分割。
在查看NPS时，我们需要注意以下几点：
1.显而易见，分数越高越好。它表示满意的用户，并且随着时间的推移，满意的用户更有可能被保留。与此相关的是，只要有相关信息，我们还将评估相对于公司竞争趋势集的得分。
2.我们还希望看到NPS分数随时间呈上升趋势。这是一个很好的领先指标，表明该公司不仅专注于他们的用户，而且随着时间的推移正在改善其价值主张。
同类群组分析细分了特定时间段内对业务有意义的用户组（“同类群组 ”）的活动/行为-例如，每个在一月的第一周签署了服务的人，然后进行了跟踪长期用户组：1个月，3个月，6个月等之后，谁还在使用您的产品？
良好的同类群组分析有助于揭示用户如何随着时间与您的产品互动。初创企业的投资者尤其赞赏这一点，因为它可以帮助我们评估人们对您的产品的热爱程度，因为许多初创企业都已经收入很高，因此用户可能还没有投票赞成他们的钱包。
以下是同类群组分析的步骤：
这是每周在Mixpanel中进行队列分析的示例。在此图表中，您可以观察每个群组随时间变化的参与度，以周为单位。例如，在2013年10月7日这一周加入的44个人中，有2.27％仍在参与（12周后仍在使用（以下颜色编码为一种“热图”，阴影逐渐变浅））：
希望在同类群组分析中看到两个趋势：
1.在6或12个月的时期后，稳定每个队列的保留。这意味着将保留用户，并且企业正在建立越来越大的重复使用基础。
2.较新的群组比旧的群组表现更好。这通常意味着您将随着时间的推移改进产品及其价值主张，并且还向我们表明了团队的能力。
在某些企业中，注册用户的数量（作为参与客户的代理）确实可以提供一些有用的信号。
但是，我们经常倾向于打折注册用户，因为注册用户的增加并未导致实际产品使用量的增加。同样，注册用户是那些可怕的“累积”指标之一，即使企业在萎缩，这些指标也可以不断上升。
因此，在大多数情况下，我们的首选用户指标是活跃用户，它可以更好地表明产品的实际使用情况-并通常直接转化为长期的潜在收入。继续阅读以获取有关衡量和报告活跃用户的更多信息…
“ 活跃 ”用户的真正含义是什么？想知道的人问问！但是，没有唯一的答案，因为活动用户的定义确实因公司而异。这取决于商业模式。例如，Facebook将“活动”定义为通过任何设备登录并访问该网站的注册用户，或通过与Facebook集成的第三方网站采取行动与Facebook朋友共享内容或活动的用户。
衡量活跃用户时要记住的重要事项是：（1）明确定义；（2）确保它是您平台上“活动”的真实表示；（3）在应用该定义时要保持一致。
以下是公司如何为一般业务类别定义活跃用户的其他一些示例...
在社交和移动平台，为活动量度的通用指标是 MAUs （月活跃用户），WAUs（每周活跃用户），在DAUs（日活跃用户），和 HAUs （每小时活跃用户）。
在评估社交业务时，我们会仔细查看这些指标的比率，例如DAU与MAU或WAU与MAU的比率，以了解用户的参与度。最有价值的社会属性通常在所有这些比率上显示出较高的相对参与度。
在各种基于内容的网站上，活跃用户和活动的常见衡量指标是“ 唯一身份 ”（每月唯一身份访问者）和访问（如果在完整活动的最短时间内定义，则是浏览量或有时称为“会话”）。尽管关于每种技术的优缺点存在很多争论（哪些更准确，更易揭示等），但关键是针对对业务至关重要的衡量指标进行优化，并且您实际上可以采取一些措施。例如，随着媒体网站和广告类型的发展，某些网站和广告客户可能会更关注真正的参与度，如按网站停留时间，重复访问次数衡量，份额，评论者/评论数，内容使用率，情感分析结果或其他此类指标。
尽管指标取决于业务目标和要优化的动作，但我们倾向于同时考虑唯一身份和访问/会话，因为前者反映了受众群体的规模（如果通过新访客的加入而增长），个月），而后者则显示出粘性（尽管参与度很高，但在现场停留的时间可能仍是最佳）。最好的企业同时具有：高度参与的不断增长的庞大受众。
在大多数电子商务企业中，我们通常不会对活跃用户给予太多重视。这些业务的指标更具说服力-实际收入（和毛利率）-因此，通过显示总收入，每位用户的收入，平均订单大小，重复使用率，毛利率，退货率，和其他措施，告诉我们有关交易每访客，而不是数量的游客。
有多少用户访问该公司的物业可能会适度地表明其转化效率，但这还受到其他因素的影响，例如，他们的流量中有多少来自移动设备-至少到目前为止，其转化率通常比网站低得多。
我们不希望所有收入都由一个来源来驱动；这相当于在网上将所有鸡蛋都放在一个篮子里。这是因为客户获取的经济性会随着时间而发生变化（例如，Facebook移动广告在早期就为公司带来了可观的回报，但成本却很快上涨了）；渠道可以选择竞争相同的流量（Google在搜索引擎结果页面中添加了自己的赞助商链接）；或者渠道合作伙伴可以通过某种方式更改其政策，从而大幅减少流量。
这就是为什么区分流量来源（即直接还是间接）的关键所在，因为它揭示了平台风险（取决于特定平台或渠道）。这与下面定义的客户集中风险非常相似。更重要的是，区分流量的能力揭示了您对客户来自何处的了解，尤其是当您的目标是建立独立的目标品牌时。
直接流量是直接（即不通过中介）到达您的在线媒体资源的流量。直接访问Target.com的用户（而不是在Amazon.com上购买Target产品）是直接用户。从技术上讲，在Google上搜索特定商品并到达诸如Target.com或Amazon.com的网站的用户不是直接用户。但是这个定义确实很棘手，因为在某些方面可以将Google品牌搜索词包含在搜索词中，因为在很多情况下，他们不再麻烦输入URL了！
有机流量定义各不相同。SEO专家和某些市场分析提供商将“自然”定义为搜索结果中的纯付费流量。其他人将其更广泛地定义为与任何付费或付费来源相反，在这种情况下，它将包括上面定义的直接流量；来自特定关键字的搜索结果的流量；甚至是通过保留营销努力产生的流量（例如发送给现有客户群的电子邮件）……只要它们都是“免费的” 。
有机流量没有正确或错误的定义。与其他渠道不同，对您进行跟踪和了解很重要，因此您可以查看客户来自何处以及将重点放在现有或新客户身上。但是，当我们看到直接流量比例很高的公司时，我们的确会更加兴奋。
障碍：在考虑流量来源时要注意的一个重要细微差别是技术编辑Alexis Madrigal提出的“ 黑暗社会”的存在。此术语描述了来自外部来源或Web分析无法跟踪的引荐的Web流量，例如，通过电子邮件或聊天共享的链接进入的用户。[一些网站刚刚开始吸引人们在首页和着陆页之外寻找链接，称为“直接社交” 。]
最后，在考虑流量时要注意的另一个细微差别是搜索引擎优化（SEO）和搜索引擎营销（SEM）之间的差异，因为即使它们不同，有时它们也可以互换使用： SEO 是优化网站可见性的过程搜索引擎的“无偿”结果，方法是将关键字仔细地放在元数据和网站正文内容中，创建独特而准确的内容，甚至优化页面加载速度。SEO仅影响自然搜索结果，而不影响付费或赞助广告结果。扫描电镜另一方面，涉及通过付费广告或列表来推广您的网站，无论是在搜索引擎中还是在社交网络中的推广广告。因此，SEO和SEM是互补的，而不是相互竞争的服务，许多企业都使用两者。
为了遵循“不要把所有的鸡蛋都放在一个篮子里”的主题，我们经常在评估企业业务时关注客户的集中度。
客户集中度是指最大客户或少数几个客户相对于总收入的收入，两个收入都反映了同一时间段。因此，如果最大的客户向您支付200万美元/年，而您的总收入为2000万美元/年，则最大的客户集中度为10％。
根据经验，我们倾向于使用客户集中度相对较低的公司，因为只有一个或几个客户的企业会承担许多风险。除了最明显的一位客户将其业务转移到其他地方（这会造成大的收入缺口）之外，风险还包括以下现实：
—客户在定价和其他关键条款上拥有全部杠杆
—客户可能会不适当地影响产品路线图，有时会要求仅其需求独有的功能
-客户利用自己的重要性迫使公司以低于市场价格的价格向他们出售
但是，这里有一个不利的一面：在某些行业中，客户相对较少，但是这些客户数量巨大。具有这些特征的行业包括移动电话运营商，有线网络和汽车公司。可以（并且已经！）建立了非常成功的公司来为这些行业提供产品，但是由于少数买家知道如何行使自己的权力，它们往往具有较高的进入市场的风险，您将看到在指标，如平均时间关闭交易，从列表价格折扣，审批的数量（包括可怕的采购部门），以及销售成本。
提供评估数据时请勿这样做。
为什么改变数据范围中y轴“放大”上的差异是误导。下面的零基线（右）显示了利率实际上并没有飞涨（左）：
我们在上一篇文章中提到了累积图表的问题，但是一个相关的问题是提出了不应在累积图表中累积的指标。
……这是真正发生的事情：
切勿以累计方式报告的指标包括收入，新用户和预订。底线：如果要以累积方式报告某些内容，请确保可以解释为什么如此重要，以及为什么适合以这种方式衡量您的业务。

数据分析的常见工具有哪些？数据分析软件有Excel、SAS、R、SPSS、Tableau Software 。
1、Excel
为Excel微软办公套装软件的一个重要的组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。
2、SAS
SAS由美国NORTH CAROLINA州立大学1966年开发的统计分析软件。SAS把数据存取、管理、分析和展现有机地融为一体。SAS提供了从基本统计数的计算到各种试验设计的方差分析，相关回归分析以及多变数分析的多种统计分析过程，几乎囊括了所有最新分析方法。
3、R
R拥有一套完整的数据处理、计算和制图功能。可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。
4、SPSS
SPSS除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。
5、Tableau Software
Tableau Software用来快速分析、可视化并分享信息。Tableau Desktop 是基于斯坦福大学突破性技术的软件应用程序。它可以以在几分钟内生成美观的图表、坐标图、仪表盘与报告。
求推荐好用的第三方数据统计分析平台？如果技术人员不够，自己再去开发数据统计平台的意义不是太大，可以选择第三方的数据分析平台，但是也存在着风险，例如数据出现问题的时候，如果他们技术团队不强，根本没人理你的好嘛，所以选择一个专业的数据统计分析平台是必要的。就个人使用情况来看，talkingdata（国内），mixpanel（国外）还是值得推荐的
【互联网产品的16个关键业务指标 mixpanel150】关于mixpanel和mixpanel150的内容就分享到这儿！更多实用知识经验，尽在 www.hubeilong.com