App用户质量评估办法

1、A p p 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题

2、，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 ”。留存用户是指某段时间的新 增用户在下个时

3、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，贝U A周的新增用户1周后留 存为 270/1000=27%， N 周后留存依次同

4、理。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：日使用时长一天内使用应用的总

5、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 活跃用户是指在所选的时间段内至少打开过一次应用

6、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

7、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。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。3：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朋友，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90%以上却是一款市价 400 元左右的廉价安卓手机