/ 移動應用分析是什么 /
移動應用是移動互聯網的重要載體，移動應用分析是指在獲得移動應用用戶使用等基本數據
情況下，進行數據分析，深入挖掘用戶使用的特點，找到產品設計的不足，發現運營推廣的機遇，
優化產品及運營策略，提升移動應用的質量。

 

/ 移動應用分析的意義 /
1，監控移動應用運營狀態
移動應用分析最基本的使用場景就是實時監控應用的運營狀態。通過收集應用每日的新增
用戶、活躍用戶、留存用戶等數據，并對其加以分析，以日報、周報、月報的形式進行系統地
監控。通過分析和比較這些核心數據的變化趨勢，用數據說話，可以幫助運營和推廣人員多維
度觀察應用的運營狀態，及時發現問題。
2，提升移動應用推廣效果
渠道是移動應用推廣的主要方式，不同渠道面對的是不一樣的用戶群體，根據渠道和推廣
位置的數據分析選擇成本低、效果好的渠道可以有效地找到目標用戶，提升運營表現，降低推
廣成本。
3，發現移動應用產品問題
通過分析應用的訪問路徑、自定義事件點擊/轉化等數據，找到用戶流失的原因，利用數
據更快地定位出產品問題或策略問題，并依據規范的移動分析思路和方法找出解決方案。
4，優化移動應用功能及體驗
作為移動互聯網的主要入口之一，移動應用的體驗優秀與否在一定程度上決定了用戶的去
留，通過移動應用分析找到產品問題，結合訪問路徑、用戶的人口學屬性等制定優化策略，提
升應用的吸引力和易用性。

 

/ 移動應用分析的原理 /
目前移動應用分析的方式主要是較為流行的基于SDK（Software Development Kit，
即軟件開發工具包）的分析統計。
這種方式是在應用中嵌入一段SDK代碼，SDK代碼規定了用戶行為收集的規范，用戶的啟
動和使用行為通過SDK記錄在應用中，當發送條件被觸發后，這些日志被發送到服務器來進行
分析和挖掘。此方式的優點是安裝使用簡單，用戶行為統計更加準確。以下為基于SDK的移動
應用分析數據收集流程圖：

 

/ 移動應用分析指標 /
移動應用多種多樣，對應的分析指標也有所不同。針對這種情況，移動統計發布白皮書
旨在歸納適合各類型應用的普適指標及定義，讓移動應用的產品運營狀況更加指標化，幫助開
發者從各維度了解用戶，優化應用。
其實分析指標以及之間的關系沒有那么復雜。舉個例子來說明，如果把一個應用比作一
間餐廳，那么可以把移動應用管理比作運營一家餐廳一樣，目標就是要讓顧客多光顧、老顧客
多推薦、多消費、提高顧客服務等。為了達成這個目標，我們先要了解當前的情況，比如有多
少新顧客光顧了餐廳，其中有多少是老顧客推薦的，一個月之內這些顧客光顧了多少次餐廳，
是否顧客體驗優秀，第二個月之后有多少新顧客留存下來成為常客了。類似地，移動應用的統
計分析過程中也需要掌握新用戶數、渠道來源細分、平均使用時長、平均使用頻率、錯誤率、
用戶留存率等數據，以幫助開發者從各個維度了解用戶，優化應用。

 

 

 

 

 

常見指標包括：新增用戶、啟動次數、活躍用戶、留存用戶、使用時長、使用頻率、使
用間隔、訪問深度、轉化率、目標事件、錯誤率等指標。可以概括為四類，即用戶分析類指
標、使用行為類指標、渠道運營類指標和應用質量類指標。
1，用戶分析類指標
1）新增用戶
定義：歷史上第一次啟動應用的用戶，需要按照設備號進行去重。
技術說明：如果某一個用戶之前安裝過該應用又卸載，之后又二次安裝，那么只要該用戶
的設備沒有更換或重置，則兩次視為同一個用戶，即第二次安裝不算作新增用戶。按照設備號
去重是指所有新開啟的用戶中，同一個設備號的新開啟都算作一次新增用戶，去重標準除了可
以使用Android系統的MAC地址、IMEI號，IOS系統生成的廣告ID之外，開發者還可以自行生
成ID，例如百度移動統計自行生成的CUID。
涵義：新增用戶越多說明應用的成長越快，推廣的效果越好。通常情況下，應用在發展初
期的時候新增用戶比例非常高，隨著市場趨于穩健增長，新增用戶比例逐漸下降。
2）啟動次數
定義：顧名思義，啟動次數就是在規定時間段內，用戶打開應用的次數。“一次啟動”是
指用戶從打開APP開始，到退出APP（或離開應用界面，進入后臺）為止。一次啟動過程中可
能瀏覽多個頁面。
技術說明：如果同一個用戶在退出APP或離開應用界面進入后臺，又在30秒之內再次啟動
應用，則兩次啟動算作一次。反之，如果用戶在30秒之后再次啟動應用，則啟動次數算作兩
次。在百度移動統計SDK3.1版本以上中，開發者都可以對“30秒”這個業界標準根據應用自
身情況進行調整設定。

 

涵義：用戶數是從規模上描述應用，而啟動次數是從訪客角度衡量訪問質量的分析指
標。如果一個應用的用戶體驗足夠好，用戶粘性足夠高，同一個用戶一天中會多次啟動應用，
那么啟動次數就會明顯大于訪客數。
3）活躍用戶
定義：指在規定的時間范圍內，啟動過應用的用戶數，需要按照設備號去重。活躍度是指
在某段時間內，活躍用戶數與總用戶數的占比。
涵義：活躍用戶通常都會有一個時間范圍做約束的，例如日活躍用戶、周活躍用戶、月活
躍用戶等。活躍用戶指標是一個應用用戶規模的體現，同樣也是衡量一個應用質量的最基本指
標，結合留存率、流失率、使用時長等指標還可以體現用戶粘性。該指標也可以衡量渠道質
量，排查渠道作弊。
4）留存用戶
定義：規定時間段（T1）內的新增用戶中，在經過一段時間（T2）后，仍然使用程序的
用戶。其中T1和T2可以根據應用自身的實際情況進行設置。
涵義：留存用戶主要用來衡量應用對用戶的吸引程度、用戶對應用的粘性、渠道用戶質量
及投放效果等。常用的留存指標有次日留存、三日留存和七日留存等。
2，使用行為類指標
1）使用時長
定義：用戶在應用程序上所停留的時間。主要分為平均使用時長和單次使用時長，平均使
用時長是某一段時間內所有用戶的全部訪問時間的平均值。

涵義：通過考量用戶在應用上的停留時間，我們可以看出應用內容是否吸引用戶，應用質量是
否合格；還可以看出某個推廣渠道到來的用戶是否是深度使用用戶，以此評判渠道質量。
2）使用頻率
定義：在一定時期內，同一個用戶啟動應用的次數。如在一天之內，同一個用戶一共進行
有效啟動5次，那么該用戶的日使用頻率就是5次。
涵義：使用頻率和日啟動次數類似，只是從另外一個角度衡量用戶粘性，一個應用通常情
況下用戶粘性越高，那么用戶的平均使用頻率也就越高。
3）使用間隔
定義：使用間隔是指同一用戶相鄰兩次啟動應用的時間間隔，例如某一用戶第一次啟動應
用到第二次啟動應用之間相隔2天，那么該用戶的使用間隔即為2天。
涵義：使用間隔也從側面反映了應用的用戶粘性，通常情況下使用間隔越短說明用戶越
依賴應用，也就是說應用的用戶粘性越高。也可以據此來決定推送消息的時機和發版頻率。
4）訪問深度
定義：我們將用戶在一次啟動應用過程中所到達的頁面累計數量視為用戶的訪問深度，
例如某用戶從啟動APP到退出應用過程中，一共訪問了12個頁面，那么稱該用戶的訪問深度為
12。
涵義：理論上來講，訪問深度越高，應用質量越好，用戶對應用的依賴就越強。
3，渠道運營類指標
1）用戶獲取成本
定義：獲取一個新用戶所需要花費的成本，也就是用戶獲取的邊際成本，隨著新增用戶數
比例越來越高，獲取新用戶的成本降低，反之亦然。
涵義：用戶獲取成本是應用推廣過程中最重要的ROI（投資回報率）指標，若通過統計分
析發現某渠道的用戶獲取成本明顯高于其他渠道，那么可以據此放棄該渠道，將主要的推廣資
金和資源投放在用戶獲取成本較低的渠道，以求在單位資源內獲得最多的新用戶。

2）目標事件轉化率
定義：設定某一事件的轉化條件和轉化結果之后，當轉化條件出現的時候，會有一部分轉
化結果出現，目標事件轉化率就是轉化結果事件數/轉化前事件總數。例如，設定所有啟動用
戶點擊完成注冊成為注冊用戶作為完整的轉化事件，點擊注冊就是轉化條件，成為注冊用戶就
是轉化結果，若每100個訪問用戶中就有50人完成注冊成為注冊用戶，那么可以說該目標事件
的轉化率為50%。
涵義：針對特定事件進行跟蹤統計是移動應用分析中的補充功能，但是可以實現通用功能
統計不到的數據，例如注冊用戶比例、付費用戶比例等。目標事件通常是伴隨自定義事件功能
出現的，全面滿足移動開發者的個性化、定制化需求。
4，應用質量類指標
1）錯誤次數
定義：在規定的時間段內，應用出現異常退出現象的次數總和。
涵義：通常情況下，應用錯誤集中于兩種：死機或強退，這樣的現象都會嚴重影響用
戶體驗，所以錯誤次數發生的越高，用戶體驗越差。降低錯誤次數是開發者應該時刻關注的重
要指標。
2）錯誤率
定義：在規定時間段內，一個應用發生錯誤的比率（錯誤次數/啟動次數）。
涵義：產品質量是一個應用發展壯大的基石，與網站不同，移動應用一旦被分發之后就無
法再收回，應用錯誤率高會降低用戶對產品的信任和口碑。通過對應用的質量監控，找到錯誤
代碼并及時發布修復版本，可以有效彌補這一問題。

 

/ 移動應用分析流程 /
移動應用的分析流程就是一個發現問題、分析問題和解決問題的過程。在移動應用的運
營過程中，利用規范的分析流程會避免思路混亂，做到更加清晰和高效地優化應用。以下是總
結出來的移動應用分析流程，以供大家參考：
1，明確目的，建立規劃
做任何事情之前，都要有明確的目標，才能采取正確的行動。所以在做移動應用分析之
前，必須要想好這樣三個問題：“應用的現狀是怎樣的？為什么會是現在這個樣子？未來的發
展規劃和目標是什么？”。首先，對于移動應用的現狀要有客觀的了解，下載量多少，日活躍
用戶多少，受眾群體特點是什么等。其次，需要對應用的現有數據的背后原因做分析，分別總
結出做得好和做得不夠好的原因，才能更有針對性地規避風險，發掘機會。最后，也是最重要
的，就是要明確移動應用未來發展的目標，只有有了明確的目標，才能對當下要做的事情有方
向性的把握。一般來講，移動應用的遠景發展目標有以下三點：
1）盈利：直接增加應用的盈利能力，例如游戲類的應用
2）品牌：不斷加強移動應用作為移動廣告媒體的影響力
3）合作：服務于用戶或者給其他應用導入流量的，如91手機助手等
這些遠景目標是一個大體發展方向，而具體執行的過程中還需要將其明確到細分目標，例
如游戲類的移動應用需要關注如何提升用戶應用內購買的頻率和客單價，提高游戲的銷售收
入，媒體類的應用要關注如何提升用戶的粘性和使用頻率，吸引更多的讀者。在實際操作的層
面上，還需要移動應用開發者將這些細分目標落實到指標的層面，這樣才能夠量化評估，推進
到實際操作中去。例如媒體類的應用，要知道用戶的具體屬性和使用習慣，包括地域分布和受
眾特征，這樣才能夠有的放矢，更加精準的推薦和推送，才能贏得用戶好感，增加用戶粘性和

依賴度，讓應用的發展進入良性循環的道路上。結合應用的發展整體趨勢報告，預計未來的發
展目標，制定有效的KPI（Key Performance Indicator），即核心業績指標，也就是說用戶使
用頻率、使用時長、日活躍度等各項指標達到怎樣的數值才能達成目標。所以KPI就像是大海
航行中的燈塔一樣，指引著移動開發者掌舵應用的發展，讓應用運營的方向更加清晰明確，讓
應用能夠更高效地達到目標。
2，選擇系統，部署應用
這個步驟就是正式開始了移動應用分析的實踐環節了，是收集和獲取數據的過程。選擇系
統就是指要選擇一個適合自己的移動統計分析工具來滿足既定的需求，這里僅從滿足移動應用
基礎性需求的角度列舉出以下幾點供大家參考：
1）開發簡單
移動開發者應該盡量選擇SDK輕便易于嵌入的移動統計分析工具，尤其是現在國內大部分
開發者都是以小團隊為主，技術研發人員不充足的情況下，最好要選用符合行業技術規范的老
牌開發者服務公司的產品，不僅開發學習成本較低，也有利于滿足后續打通公司內部其他產品
之間數據交換或應用升級的擴展性要求。
2）數據全面
雖然移動開發者最關心的數據就是上文提到根據應用發展目標而制定出來的KPI指標，但
是除了這些基本數據指標之外，開發者還應該關注更加全面的指標以便深入了解自己的應用。
全面的指標不是一味追求大而全，而是開發者最想要看到的數據指標，所以開發者除了關注基
本KPI指標外，還要考慮后續產品升級之后還需要哪些其他數據指標，評估一下分析工具是否
能滿足后續的發展需求，避免出現因為某幾個指標的缺失而更換整個統計分析系統的情況出
現。
3）功能完備
移動應用統計分析工具應該至少具備用戶屬性分析、用戶使用行為分析、渠道版本分析、
終端設備分析等基本功能，這些是最基礎的分析功能。除此之外，良好的受眾分析也是必要
的，這樣能夠幫助開發者更宏觀地了解自己的用戶群體，以指導后續推廣和廣告投放更精準；
而強大的數據多維度交叉分析功能也能提高開發者對于應用數據的使用效率，發現更多深度的

問題；還有更高級的開發工具組件功能是否齊全，如自定義事件、錯誤分析、開發測試環境
等，讓開發者能夠有更多定制化服務才能滿足個性化需求。另外一個維度是，即便這些高級功
能都有覆蓋，也要考核功能的分析深度和用戶體驗，例如頁面訪問流分析，提供可視化交互圖
分析要比簡單的柱狀圖或漏斗圖直觀易懂，像氣泡圖（Bubble Diagram）這樣的圖形化分析
報告也是用戶興趣分析中的一大利器。
4）系統可靠
由于收集和整理移動應用的歷史數據對今后的數據分析至關重要，所以在選擇分析工具的
時候要非常慎重，建議選擇行業內口碑較好、大型、穩定的統計分析系統提供商，這樣的提供
商一般都具備較強的硬件資源和數據庫安全實力，他們能夠保證穩定、長期地提供數據統計分
析服務。同時建議選擇服務器規模大而且設備在國內的服務商，因為移動應用統計大部分采用
SDK嵌入、回收相關數據日志的方式來收集數據的，若選擇國外提供商往往會在數據收集和傳
輸過程中出現丟包、遺漏等現象，大大降低了數據的全面性和可靠性，參考價值有限。
最后建議選擇行業中優質、服務全面的數據統計分析服務商，因為開發者很可能將來還會
有網站統計、云存儲、開發環境等需求，這樣將自己的全部產品都放在一個平臺上，便于未來
產品之間數據的打通，進而方便橫向分析和對比，對旗下產品進行整體監測和優化。當然，任
何的統計分析工具都只是一種工具，還需要正確的應用分析方法論的理論指導，才能保證恰當
地應用到實際運營工作中去。
3，測量指標，分析現象
上述系統選擇和部署完成后，進入了實際的數據管理和分析工作了。統計分析系統每天
都會提供大量的數據報表，應該與第一步中設定的數據分析KPI指標進行比較，分析哪些指標
數據較好，哪些沒有完成指標，并找到背后的原因，這也就是通常意義上說的“透過現象看本
質”，即在應用統計分析報告的字面層級上找到隱藏在應用背后的深度問題所在。所以在分析
現象的過程中要注意思路和方法的選擇，思路就是整體和細分的分析，方法則需要針對不同的
指標建立不同的方法論，如用戶留存分析、用戶訪問路徑分析等，這些方法論都將在后續文章
中詳細闡述。當然，數據分析遠不止讀懂幾張數據報表那么簡單，對數據的簡單統計不能發現
本質問題，最后一定要進行歸納和總結。

4，跟蹤問題，持續改進
數據分析發現了問題之后，還需要梳理一下解決方案：面對這樣的問題有沒有解決方案？
可行的解決方案有幾種？每個方案的優缺點是什么？方案如何落實等問題。將這些問題全部想
明白之后，進入解決方案落地的環節。例如，通過頁面訪問流程分析發現用戶在頁面A中的跳
出率特別高，明顯高于正常水平，那么就要分析是什么導致這樣的結果？通過重現發現頁面A
中沒有明確的指示告訴用戶如何進行下一步，所以大部分人研究半天沒明白就退出應用了。于
是根據這個問題優化了頁面A的導引指示，升級完善之后再針對這個頁面進行頁面流的統計分
析，若發現跳出率明顯變低，說明問題得到了有效的解決，若發現沒有明顯降低，那么還需要
再繼續分析是什么原因并實施解決方案，再進入后續統計分析流程。如此循環，直到問題得到
徹底解決。及時發現問題并對問題進行跟蹤，改進后再跟蹤，持續良性循環改進，直到讓應用
體驗最優化，這樣的統計分析工具才是開發者所想要的。

/ 移動應用分析思路 /
1，移動應用分析思路概述
大部分的初期開發者都對移動應用分析一頭霧水，覺得數據分析是一件高端而且有難度的
事情，從而對移動統計分析望而卻步，其實只要遵循一定的思路和方法，統計分析是一件非常
簡單而且有成就感的事情。筆者就總結了如下的基本分析思路。
移動應用分析的思路主要包括微觀細分和宏觀趨勢兩種。
1）微觀細分
微觀細分就是將分析的重點放在細節的洞察和把握上，例如新增用戶數、日活躍度、頁
面蹦失率、用戶粘性、自定義事件的轉化情況等，在細節上考量移動應用的具體指標和KPI表
現，從而做到具體問題具體分析。
2）宏觀趨勢
宏觀趨勢是指從整體數據上掌控移動應用的同比、環比等變化趨勢，核心指標在昨天、上
周、上個月的變化情況等。這是從宏觀上去分析應用發展大趨勢，進而通過應用內外部的數據
進行對比分析，明確自身在行業中的發展境況和地位名次，從而幫助開發者指定宏觀發展策略
等。
在實際的移動應用分析過程中，這兩種分析思路常常是融合在一起綜合使用的。例如，某
開發者開發了一個自媒體（如黑板報類）移動應用，投放到市場上去之后一段時間，開始使用
移動統計分析工具。作為日常統計需求來說，自媒體開發者不需要時時刻刻都盯著應用數據去
分析，所以常規的分析主要以“宏觀趨勢”為主，把握自己應用核心指標數據的同比、環比變
化趨勢，假如某天發現留存用戶的比例越來越高，則需要針對“用戶留存”進行“微觀細分”
分析，打開“用戶留存”細分選項之后，查看到底是哪一時段新增的用戶流失比例較大，結合
運營推廣分析這部分用戶主要來自哪些推廣渠道，是否這些渠道來的用戶屬性不是自己的目標

用戶而導致的流失？還是這些用戶在頁面訪問過程中有了不好的體驗才離開的？這些問題就像
剝洋蔥皮一樣，一層一層的深度分析下去，直到得到問題的本質原因。
所以可以說，“宏觀趨勢”與“微觀細分”結合使用，才能做到“大處著眼，小處入手”
地運營和管理，做到“有的放矢，心中有數”。
2，微觀細分——精確制導，有的放矢
1）為什么要微觀細分
移動應用的統計分析對象主要包括渠道來源、受眾屬性、用戶行為和終端設備。
渠道來源：目前的移動應用分發主要依賴外部渠道的推廣，這里的渠道既包括App
Store、Google Play等官方的應用市場和商店外，還有91助手、百度手機助手、聯盟、In App
推廣等非官方渠道。渠道推廣都是要付出代價的，因此開發者非常關注某個渠道推廣效果如何
等問題，渠道來源的分析就抓住了這一點強需求，從源頭上幫助開發者對比分析推廣效果，以
便優化廣告投放，提高ROI（Return On Investment，即投資回報率）。
受眾屬性：對于移動應用的用戶群體特性進行分析，是了解應用的受眾屬性最好的方式，
而掌握了受眾的屬性（如地域分布、年齡、愛好、學歷分布等），才能更加準確的指導后續運
營中的推廣廣告投放，做到有的放矢，把推廣的費用花在刀刃上。
用戶行為：了解了什么樣的人在使用你的應用之后，要了解這些人是如何使用的。用戶行
為包括，用戶活躍度、留存比例、新增數量、使用時長、使用頻率、使用間隔、頁面訪問路
徑、頁面訪問深度等。通過這樣翔實的分析，能夠讓用戶在應用內的行為一目了然，知己知彼
方能百戰不殆。所以深入細致的用戶行為分析，能夠極大的幫助開發者優化應用流程和定位應
用內問題。
終端設備：移動互聯網時代與PC互聯網時代相比，對于開發者最大的挑戰之一就是終端
設備千差萬別，移動應用的適配問題常常讓人頭疼。分辨率不同、機型不一樣、操作系統迥
異，這些都給兼容性帶來了極大的挑戰。因此，對于開發者來講，能夠全面掌握用戶的終端設
備情況，莫過于最大的福音。
以上這些數據都是移動應用精細化運營所要研究的問題，數據分析的本質也是在于透過數

據能夠挖掘出背后的問題和根結所在，從而順著一絲線索深入分析，層層抽絲，直搗問題的根
源，然后再分析總結問題根源，再順著相反方向返回問題出現的地方，用本質原因解釋表面的
現象，以指導運營的優化。通過這樣的過程，數據的價值才能彰顯出來。

2）如何做微觀細分
基于了解應用的運營情況前提下，對上述渠道來源、受眾屬性、用戶行為、終端設備等進
行細分和篩選，從而層層深入地逐漸定位問題，發現機會等。
例如，有一位開發者剛剛完成了新版本的發布和推廣工作，新用戶持續增長中，他想了解
應用的用戶活躍度情況如何。筆者根據這項分析任務，進行微觀細分，更好地了解用戶活躍度
情況，以便做到有針對性地指導工作。
接下來在百度移動統計的【活躍用戶】分析報告中對用戶活躍度進行細分。
A. 選擇分析的時間段，例如以最近30天為例（還可以篩選今天、昨天、最近七天等），
分析情況如下圖：

 

 

B. 與同期其他時間段進行對比分析，例如上個月與本月的對比分析（還可以任意N天與
之前任意N天進行對比），分析情況如下圖：

 

從圖中可以看出來，藍色代表的最近一個月時間數據，紅色代表的是6月1日至6月30日的
月數據，可視化折線圖中可以清晰看到最近30天的日活躍度略低于6月份的日活躍度數據。這
說明最近雖然做了大規模推廣，但是用戶活躍度卻沒有因此提升反而下降了。原因可能是新版
存在致命缺陷導致用戶不再喜歡和依賴應用了，也可能是應用新增用戶速度高于新增活躍用戶
速度，導致整體活躍比例有所下降。為了排除第二種可能性，還需要做進一步的數據分析。
C. 需要了解相同兩個時間段的新增用戶數據情況，如下圖所示：

 

從新增用戶數據中可以看出來，最近30天新用戶數明顯低于6月份的數據，這說明第二種
可能是不成立的，可以判斷新版本發布和推廣一定出了問題。需要做進一步多維度交叉分析。
D. 多維度交叉分析：接下來通過百度移動統計中的“多維交叉分析”高級篩選功能，
對用戶活躍度數據根據用戶類型、版本、渠道三個維度進行交叉篩選分析，發現1.2版本來自
App Store渠道的活躍度數據出現較大的負增長，導致了日活躍度較上個月下降。

 

通過這樣的微觀細分分析方法，層層過濾和剖析，最終鎖定了導致日活躍度下降的原因
和根結所在——來自App Store的1.2版本的應用存在較大問題，導致這部分的下載用戶活躍度
下降明顯。
以上實例就是通過微觀細分快速鎖定問題，層層深入分析最終找到背后原因，做到了精
確制導、有的放矢。
3，宏觀趨勢——著眼大局，步步為營
1）為什么要宏觀趨勢分析
評價一個應用的好壞，最直接的方式就是考量相應指標的上升/下降。移動統計系
統會將這些指標數據在時間維度上展開排列，也就是按照時間序列展現成趨勢（走勢）。
2）如何做宏觀趨勢分析
我們需要為核心指標設立參考系，然后通過同比、環比、定基比等多種方式去分析產品和
運營的工作情況。為了讓大家更好地理解后續的分析思路，現名詞解釋如下：
時間序列：指將某種現象某一個統計指標在不同時間上的各個數值，按照時間先后順序

排列而形成的序列。在移動統計分析中通常可以選擇一段時間（周、月、最近30天等）呈現
指標數據的連續變化情況。
同比：為了更好的消除數據的周期性或季節性變動影響，將本周期內的數據與之前周期中
相同時間點的數據進行比對。例如今年第N月與去年第N月相比。
環比：指的是將本期的數據與前期的數據進行對比，體現了數據連續變化的趨勢，可以有
日環比、周環比、月環比等，例如今年第N月與今年第N-1月或N+1月相比。
定基比：在進行數據分析之前，指定一個所有數據都可以進行對比的基準線，通常這個基
準線是公司或者產品發展的里程碑，將之后一段時間內的數據都與這個數據進行比較，從而反
映公司在里程碑后這段時間的發展狀況。
下面舉例說明，在百度移動統計中登錄后的應用概況頁面就有便捷的同比和環比功能：

環比：上方數據表顯示的就是本月和上個月的各個指標數據的環比情況。
同比：下方折線圖就是按照某天的數據與上個月某天的數據同比情況。
另外，在“趨勢分析”等帶有“時間序列控件”的報告中可以選擇任意兩天的數據比較，
依據移動應用的實際業務需要來指定基準線，劃定時間范圍，選擇觀察指標的變化情況。
當然，基于時間序列的趨勢分析方法還有很多種，其中同比和環比是最簡單易用的，而移

動應用中的常見數據分析均可以用以上的分析思路快速觀察關鍵指標的變化情況，了解現狀，
衡量達成目標的進度。

/ 移動應用分析方法 /
1，受眾人群分析——知己知彼，懂用戶方能做出更受歡迎的應用
用戶是移動應用分析的主體，任何的分析都離不開對用戶的了解，用戶作為應用的受眾
群體，有著豐富各異的特征。尤其在現今移動互聯網高速發展的時代里，追求用戶覆蓋數量是
絕大部分移動應用運營的核心目標。不僅應用的人氣需要用戶，應用的盈利能力也需要依賴用
戶，而要想從用戶那里賺到錢，就必須對用戶的人群屬性、興趣愛好、地域分布等一清二楚，
所以全面的“受眾分析”功能就顯得非常有必要了。了解用戶的喜好等特點之后，也能指導移
動開發者進行精準廣告投放，只把廣告投給真正的潛在用戶。
所以，受眾人群分析不僅能幫助開發者推進“開源”，更能通過指導廣告投放幫助開發
者“節流”，也只有知己知彼，才能投其所好，讓自己的應用越來越受到用戶的喜歡。
下面就受眾人群分析包含的幾個細分方向進行詳細的介紹：
1）新增和活躍用戶分析
新增和活躍兩大指標是用戶分析中最基礎的數據，新增用戶反映了移動應用用戶增
長情況，通常情況下，新用戶占比越高說明應用的未來發展潛力越大，而日活躍度越高說明應
用的用戶粘性越大。下面分別就新增和活躍用戶分析方法進行介紹。
通常移動應用分析系統都能夠對新增用戶按照時間序列的方式進行展示，以表現其發展趨
勢如何。例如，選擇最近30天內新增用戶的發展趨勢，可以得到按天分布的統計數據，而百
度移動統計系統還專門做了“按時”新增用戶分布統計，如下圖：

將統計顆粒度從“天”精確到“時”可以了解一天當中哪個時間段新增用戶最多，然后根
據這個數據調整推廣渠道的廣告投放時段，在新增用戶高峰期之前一兩個小時進行定向投放，
可以獲得最高的廣告效果等。
對于日活躍度（簡稱“日活”）的分析，可以幫助開發者了解用戶粘性和依賴度，通常用
百分比來進行統計，日活躍度數據也依據應用類型而千差萬別，高日活躍度應用主要集中在工
具類、游戲類和社交類，所以分析的時候應該結合自身應用類型。百度移動統計中日活分析也
可以按照時間段對比維度進行分析，例如選擇最近一個月和上個月的日活躍度數據進行對比，
如下圖：

2）留存用戶分析
最常見的就是“首次使用留存”分析，是指首次使用應用的用戶中，在第一次使用
完畢之后的某一相同間隔時間段內再次使用的情況。例如，選擇最近30天內新增用戶中，“
周留存”情況的統計分析，就是指最近30天內第N周的新增用戶，在第N周之后的每一周內留
存比例的情況。而“日留存”、“月留存”等含義以此類推。

提到留存分析，就一定離不開“漏斗分析”（Funnel Analytics）這個概念了，它是一種
被統計分析行業廣泛使用的研究某一指標轉化率的方法，因其展現方式通常類似于“漏斗形
狀”而得名。其實正如上文所述，某一段時間內的新增用戶，在后續每一個相同時間間隔的時
間段內留存比例。以“周留存”為例，其漏斗分析報表如下：

除“首次使用留存”分析之外，百度移動統計還獨創性地推出了“自定義留存分析”功
能，移動開發者可以通過自主指定某一時間段內新增的用戶，在之后任意一個時間段內的留存
情況。

“自定義留存分析”有利于開發者進行特例跟蹤分析，例如時間段A進行了渠道1 的
推廣，時間段B進行了渠道2的推廣，然后分別對時間段A和B中新增用戶在30天之后的留存分
析，就能夠對比出渠道1和渠道2哪個推廣的新增用戶粘性更強，以指導開發者調整相應的推
廣策略。
3）人群屬性分析
用戶是一個一個真實存在的人，那么用戶群體一定有其特定的人群屬性，包括性別、
年齡、學歷、行業、興趣等。所以對于某一個應用，其人群屬性一定有傾向性特點，例如應用
A的用戶群體具有高學歷、男性多、計算機行業多、愛好讀書等特點。
百度移動統計系統內就集成了全面的人群屬性分析功能，這一功能主要依托百度成熟的
“受眾分析”功能，通過IP歸類檢索，獲取移動應用的用戶在PC端訪問時留下的Cookies，結
合百度后臺海量的用戶群屬性碎片，進行比對分析其屬性特征。

4）用戶地域分布
移動開發者為什么需要了解用戶地域分布情況呢？第一，了解用戶最集中的區域有
利于開發者制定有效的城市推廣策略，如較成熟的城市需要進行老用戶的維護，而用戶較少的
城市可以重點考慮做新用戶推廣和擴張等；第二，對于部分大型移動應用如電商應用或游戲應
用，開發者需要了解集中了80%用戶的關鍵城市，對其做增加帶寬、增設CDN服務器等策略
的調整，保證集中的用戶區域也能有較好的用戶體驗等。

百度移動統計中的【地域分布】功能，通過可視化分省/分國家地圖和餅圖等方式，直觀
地向開發者展示了應用的地域分布全部數據，而且可以按照累計啟動用戶、累計啟動次數、累
計新用戶、平均使用時長等指標進行細分統計，提供詳細的分析報表：

2，使用行為分析——洞若觀火，優化應用流程和頁面設計的依據
在移動應用分析中，受眾人群分析是對用戶的靜態分析，主要把握用戶靜態屬性，而使用
行為分析是對用戶的動態分析，重點關注用戶使用過程中的動態數據。在了解用戶人群屬性的
基礎上，對這些用戶在應用內的使用行為進行分析，能夠更全面、更系統的完成對用戶的深入
了解。
對于開發者來講，掌握用戶使用行為和參與度，可以更好地指導其優化應用流程和頁面設
計等。例如通過頁面訪問路徑分析發現某一頁面的跳出率異常的高，那很可能是流程設計中到
該頁面出現中斷或不良的體驗等；再比如，通過用戶使用時長和使用頻率數據可以有效地對用
戶粘性進行綜合分析，從而幫助開發者發現問題、優化應用等。
通常用戶行為分析，又稱參與和使用分析，包括如下幾方面：頁面訪問路徑分析、訪問深
度分析、使用間隔分析、使用時長分析、使用頻率分析等。接下來就這幾個方面進行詳細地介
紹。
1）頁面訪問路徑
頁面訪問路徑又叫頁面訪問流，是分析移動應用中不同頁面之間的跳轉和轉化比例
情況的方法。用戶從打開應用的首頁開始，就會經歷一系列頁面瀏覽和跳轉，最終從某一頁面

完全退出應用。這是任何一位用戶都會經歷的頁面訪問路徑，不同的是某一頁面跳轉到另一頁
面的比例都不同，從任何一個頁面退出應用的比例也不一樣，從這些比例數據的差異上可以發
現應用在流程規劃、信息架構、頁面設計等方面存在的問題，進而引導開發者提出解決方案，
不斷對應用進行優化。
下面以百度移動統計中【訪問頁面】功能為例，闡述如何進行頁面訪問路徑分析。

如上圖，就是百度移動統計中的頁面訪問流分析圖，用進程圖的方式直觀地還原和展現了
用戶在應用中的訪問流，即圖中紅色箭頭標示的路徑。同時，還展現了每個頁面的蹦出率（離
開應用的比例）以及跳轉后比例排名前八名的頁面，點擊“其他”之后，會彈出如下的詳細數
據頁面：

點擊每個頁面右側的詳情按鈕，可以查看到該頁面的訪問次數、平均訪問時長和蹦出率等
詳細數據。同時，每個頁面都可以一鍵設置成為訪問起始頁，分析自由度很高。
獨具特色的“實時訪客分析”功能，系統會自動抽取500名最近的訪客，然后開發者可以
看到這500名用戶的獨立訪問信息，如啟動時間、設備機型、訪問頁面、聯網方式等，幫助開
發者進行個別分析，以點帶面，折射應用潛在問題。

2）訪問深度分析
移動應用的訪問深度分析同網站的一樣，是指用戶一次啟動應用之內訪問頁面的總
數，例如某用戶在一次啟動應用的時間之內，一共瀏覽了10個頁面（若多次訪問同一頁面，
該頁面也會被累加），那么就說這個用戶的訪問深度為10，依次類推。下圖是百度移動統計
的訪問深度功能，同樣也可以按照不同時間段進行橫向對比：

訪問深度功能中也提供詳細的分析報表，如下圖：

 

在做訪問深度分析時候要注意，并不是訪問深度越深越好，要根據不同應用類型進行具體
分析。例如，以內容分發為主的新聞類客戶端，通常情況下頁面訪問次數越多（相當于PV更
高），說明內容和推薦等越受到用戶的歡迎。而以幫助用戶快速處理問題為主的工具類應用，
就不必追求較高的訪問深度，比如某進程管理客戶端，用戶啟動后關閉某些任務即離開，較少
的訪問深度反而意味著客戶端實用、簡潔。
3）使用間隔分析
使用間隔是指在選定的時間范圍內，同一個用戶相鄰兩次啟動應用的時間間隔。如
下圖所示，橫軸為間隔時間，縱軸為啟動次數。柱狀圖表示的含義就是使用間隔為X天的用戶
啟動次數累計為Y。

使用間隔的數據對于移動開發者非常重要，從下面的詳細數據報表中可以看出，該應用有
超過一半的用戶使用間隔為1-2天，即大部分用戶在退出應用之后1-2天會重新啟動應用。然
后開發者再根據其所處行業和應用類型，進行同行業橫向比較，分析自己的應用在使用間隔維
度上是否還有提升的空間。

4）用戶粘性分析
移動開發者之所以關注用戶行為分析的本質目的，就是為了提高用戶的使用粘性。
所以用戶粘性分析是一個綜合維度的分析，在前文中也多次提到了，很多指標都可以從側面反
映出應用的用戶粘性程度，其中最直接衡量用戶粘性的指標就是使用時長和使用頻率了。通常
情況下，用戶使用時長越長、使用頻率越高說明用戶粘性越大。

使用頻率是指用戶在一天中啟動應用程序的次數，例如用戶某一天只在早晨8點和中午12
點分別啟動過應用，那么該用戶當天的使用頻率就是2次。

使用時長是指用戶在某次啟動應用到退出應用的時間間隔，例如用戶于10點啟動應用，
于10點半退出應用，那么該用戶的使用時長即為30分鐘。
如前文所述，用戶粘性是受到使用頻率和使用時長共同影響的，如下圖建立二維象限，即
可將使用時長和頻率進行綜合分析，四個象限也分別代表高頻率高時長、高頻率低時長、低頻
率高時長和低頻率低時長特點的應用。

接下來，筆者針對上圖中四個象限的應用特點進行逐一分析：

高頻率高時長：用戶粘性高，這類應用通常滿足了用戶的剛性需求，用戶依賴度非
常高，日啟動次數多，使用時間較長，應用提供的核心功能用戶體驗極好。例如微信、微博等
社交類應用。
高頻率低時長：用戶粘性較高，這類應用用戶依賴度很高，但是由于功能性有限或以滿足
用戶某種專門需求為主，所以導致用戶每次啟動之后停留時間不長。例如工具類應用，如殺進
程、鬧鈴、提醒、流量監測、清緩存等應用。
低頻率高時長：用戶粘性較高，這類應用用戶依賴度一般，但是由于極好地滿足了用戶的
核心需求，所以每次啟動的停留時間都很長，用戶愿意在應用上花更多的時間和精力。這類應
用主要集中在電商應用、游戲類應用和新聞閱讀類應用。
低頻率低時長：用戶粘性低，這類應用既沒有滿足用戶剛性需求又沒有讓人眼前一亮的用
戶體驗，所以沒有得到用戶的認可和依賴，在用戶粘性上是失敗的應用。
舉例說明，某移動開發者使用百度移動統計，得到如下關于使用時長和使用頻率的數據報
表：

 

 

從數據報表中可以看出，該應用使用時長集中在3分鐘左右，而使用頻率（日啟動次數）
則集中在1-2次左右。得到這樣兩組數據之后，可以通過對比同行業的平均數據，得到自己產
品在用戶粘性指標上的優劣。例如，該應用的同行或同類應用使用時長平均為3.5分鐘，平均
使用頻率為10次，那么說明該應用在使用頻率上明顯低于同行業水平，需要針對為什么使用
頻率較低進行系統分析，找到原因并提出有效的解決方案。
3，渠道來源分析——運籌帷幄，渠道監控是衡量推廣效果的利器
目前，移動應用的推廣渠道很多，包括應用商店、官網、應用市場、In App推廣等，開
發者在渠道推廣上都投入了大量的資金和精力，但往往有些長尾渠道存在導致推廣成本一直很
高，效果得不到有效的監控，只能依賴于推廣平臺提供的數據，“一面之詞”很難幫助開發者
辨別長尾渠道。
因此，渠道來源細分的功能對于開發者來講就尤為重要了，百度移動統計就可以實現渠道
來源的細分功能。對于Android應用，可以細分到某渠道某個推廣位置帶來的下載量，而對于
iOS應用，可以細分到某渠道或某推廣位置引入App Store帶來的下載量。然后開發者可以據
此對推廣渠道的效果進行監控，淘汰效果差的渠道，把推廣費用真正的用在刀刃上，讓開發者
的資金使用效率大幅度提高。
下面就兩個操作系統平臺的渠道來源細分功能進行詳細解釋：
1）Android渠道URL下載來源細分
Android應用由于種種原因，在國內的分發基本依賴于非官方應用市場或網站，而
Google Play市場在國內的占有率幾乎可以忽略不計。針對國內的特殊情況，百度移動統計就
專門設計了一套針對Android渠道來源細分方案，原理如下：

對渠道推廣原始鏈接進行URL封裝之后，開發者可以很方便的通過后臺添加新的渠道，然
后就可以跟蹤不同渠道和不同推廣位置帶來的下載量報表了。如下圖：

同時還會產出一份詳細的渠道來源細分報表，然后點擊進入報表中每個渠道的詳情頁，
可以查看到如下圖中單獨某個渠道的詳細數據：

2）iOS渠道URL下載來源細分
iOS平臺的應用相對于Android平臺最大的特點就是高度統一化，所有的iOS用戶
下載任何應用都必須通過App Store官方應用商店下載（部分用戶通過iTunes連接電腦安裝）。
所以說iOS應用的直接下載渠道都變成了“App Store”而沒有區分性，無法得知用戶是從哪
里看到推廣之后進入App Store去下載安裝的。百度移動統計專門針對App Store上游來源無法
追蹤的問題進行研發，前不久推出了“App Store上游來源細分”功能，基本原理如下：

這樣，移動開發者就可以在后臺方便地添加新的渠道，然后可以查看到強大的App Store
上游渠道來源細分報表了。如下圖：

同時還會產出一份詳細的渠道來源細分報表，然后點擊進入報表中每個渠道的詳情頁，可
以查看到如下圖中單獨某個渠道的詳細數據：

4，終端版本分析——了如指掌，提高應用對不同設備的適配能力
常常聽到開發者抱怨移動應用的設備適配問題，比如不知道目標用戶群主流的機型是什
么，也不知道他們操作系統、聯網方式、分辨率等數據，所以就陷入一種“窮盡”的思路，就
是花費大量人力物力去盡量做到適配所有的終端機型。而終端版本分析功能可以讓開發者對用
戶群體中終端設備和版本分布情況了如指掌，從而大幅度減少開發負荷，提高開發和適配效
率。下面就終端分析和版本分布功能分別進行闡述：
1）終端分析
由于Android系統開源免費，所以得到世界各大手機廠商的青睞，逐漸形成了
Android系統手機參差不齊的現象，不論是分辨率還是機型，都千差萬別，各大品牌各自為
戰。而iOS系統封閉，所以僅用在蘋果旗下移動設備上，終端具有機型有限、分辨率固定、界
面規范等優點。
百度移動統計的終端分析功能點全面，包括設備機型、分辨率、操作系統、聯網方式等指
標，每個指標都配有如下的柱狀數據圖，也有詳細的數據報表：

 

 

 

2）版本分布
合理的版本發布和管理策略，可以大幅度提高用戶體驗，因為過多的版本和過于分
散的分布，加大了開發者的管理成本，也不利于新版本的推廣。所以，開發者對移動應用版本
分布情況和變化趨勢了如指掌，可以幫助開發者制定有效的版本管理方案。

5，自定義事件和錯誤分析——如虎添翼，個性化智能化的應用統計分析
正所謂“一千個讀者腦海里就有一千個哈姆雷特”，每個移動開發者都有其統計分析上的
特殊需求，而百度移動統計作為行業內領先的分析系統，也考慮到開發者的很多個性化分析需
求，因此推出了自定義事件分析功能。錯誤報告分析功能會自動幫開發者統計和分析應用報錯
或崩潰次數和現象，智能化記錄錯誤日志等信息，幫助開發者快速定位信息，解決Bug。下面
就這兩項功能進行具體闡釋：
1）自定義事件分析
什么是自定義事件？說白了，就是任何具有轉化條件的事件都可以進行自定義。例
如，對于游戲類應用可以自定義注冊用戶“付費”這一事件的轉化率，而對于新聞讀物類應用
可以定義啟動用戶到“注冊用戶”這一事件的轉化率等等。
自定義事件的添加和編輯非常簡單，只需要在管理后臺的“自定義事件管理”中點擊“添
加事件”，添加事件ID和名稱，點擊添加即可完成。添加成功后可以查看SDK開發“接口實
例”，如下圖所示：

開發者在后臺自定義事件添加成功之后，便可以查看到該事件歷史趨勢詳情，如下圖：

另外，百度移動統計后臺提供了方便的用戶類型編輯功能，可以將自定義事件一鍵設置成
為新的用戶類型，如下圖，點擊“添加到新的用戶類型”：

點擊“確定”之后，就可以在統計報表的多維交叉分析（高級篩選）項目中看到有相應的
用戶類型信息了。

2）錯誤報告分析
由于移動應用是下載并直接安裝在用戶的設備上，因此很多錯誤不能被及時發現，
這也是導致移動應用的Bug很難被開發者發現的原因。

百度移動統計可以為開發者提供全面的錯誤分析功能，錯誤報告除了幫助移動開發
者統計應用報錯的總數和發生頻率之外，還提供強大的錯誤日志和崩潰定位功能。幫助快速定
位問題所在，通過錯誤細節信息快速解決問題。

/ 百度移動統計介紹 /
1，產品概況
百度移動統計（http://mtj.baidu.com）是一款專業免費的移動應用統計分析工具，支持
ios和android平臺，開發者可以通過嵌入統計SDK，實現對移動應用的全面監測，實時掌握產
品表現，準確洞察用戶行為。我們提供強大的報告分析，助您做到心中有“數”。
它是百度公司繼成功推出“網站統計”工具之后，又一次順應移動互聯網大潮，推出的基
于移動APP統計的分析工具。自2012年4月份上線以來，百度移動統計一直秉承著百度“簡單
可依賴”的精神，為上萬名開發者提供專業、免費、高效的移動統計分析服務，每天處理會
話請求超過10億次。獨創的“六大分析”全面幫助移動開發者實現數據化、精細化運營。如
今，百度移動統計快速迭代，已經孵化出“統計分析、開發工具、營銷推廣等多種服務類型，
從開發到運營到推廣，為開發者提供真正意義上的“一站式”服務！百度移動統計愿與全體開
發者一同，引領大數據時代精細化運營的潮流！
2，如何啟用
如此強大的統計分析功能，開通使用的步驟卻非常簡單易懂，只需要三步即可完成：
1）登錄官網（mtj.baidu.com），注冊賬號

2）登錄后在全部應用頁面點擊新增應用，填寫應用的基本信息，獲取應用的唯一識別碼
（即AppKey）

3）下載對應平臺的SDK（軟件安裝包，只有50K左右大小，很輕便），并參考開發文檔
集成SDK，即可在百度移動統計實時查看強大的統計分析報告了！

/ 了解百度移動統計 /
以下為百度移動統計產品的說明和聯系方式，
歡迎您通過官方渠道聯系我們：
百度移動統計域名：http://mtj.baidu.com
百度移動統計微博：http://e.weibo.com/apptongji
百度移動統計博客：http://hi.baidu.com/apptongji