在APP运营过程中，会衍生出大量的数据，通过提取有用的信息，能更好地把控APP的运营态势，并进一步指导APP运营。
APP数据来源比较广泛，但总的来说可归纳为两大方面：外部数据和内部数据。外部数据涉及到的主要是行业大数据，了解APP在整个行业所处的位置;内部数据则紧紧围绕着APP展开，包括用户数据、活动数据、渠道推广数据、更新迭代数据、交易数据等等。
今天，我想跟大家聊一聊APP用户数据。
用户来源分析主要解决“用户来自哪里”的问题。
如今，APP获取用户的渠道众多，用户可能来自网络社交平台(微博、微信、QQ、百度贴吧、天涯论坛、人人网等)、新闻网站(腾讯、搜狐、网易等)、APP垂直门户网站，也可能来自地推、广告、线下线上活动，或者是老用户邀请进来的……
通过调查、埋点、追踪等形式，获得用户来源数据，知道自己的用户从哪里来;通过来源数据统计，以及不同来源用户的多维度数据分析(用户留存率、活跃度、转化率等)，衡量APP拉新渠道的效果，判断哪里是APP用户的主要来源地，哪里的用户质量最高。
APP运营人员根据用户来源和用户行为数据评估的渠道效果，找到最适合自身的渠道，有针对性地做投放，不断完善推广策略，才能更加精准有效，快速吸引到有价值的用户。
用户属性分析解决“用户是谁”“用户在做什么”的问题。
每个APP用户都带有各自的共性和个性，通过获取用户属性，生成完整的用户数据库，可以构建用户画像，进行用户细分，便于用户的管理和运营。
APP用户属性主要包括以下的两大类别：
1)人口属性包括人的自然属性和社会属性特征：姓名、性别、年龄、身高、体重、职业、地域、受教育程度、婚姻、星座、血型……。自然属性具有先天性，一经形成将一直保持着稳定不变的状态，比如性别、地域、血型;社会属性则是后天形成的，处于相对稳定的状态，比如职业、婚姻。
获取用户属性数据的方法很多，最简单直接的就是通过问卷调查的形式。借用第三方工具比如问卷星、【活动盒子】、金数据等，在设置过程中巧妙地插入用户属性相关的问题(如年龄、性别等)，生成问卷小活动。然后嵌入到自己的APP 应用中，以奖品作为刺激，让APP用户积极参与，收集统计用户的属性。
来自活动盒子官网
根据用户人口属性的数据观察和统计，做不同的用户群体细分，有针对性的进行管理和营销。比如：据用户地区分布数据显示，某个APP现有用户70%都来自广东，那么，就可以单独策划一场面向广东地区用户的活动，以提高APP用户的活跃度。
2)APP行为属性，这里我们主要讨论的是用户在某个APP应用内外进行的一系列操作行为。常见的行为包括：搜索、浏览、注册、登录、评论、点赞、收藏、打分、加入购物车、购买、使用优惠券、添加、发布、删除、邀请/添加/取关好友、加入群、新建群……
在不同的时间，不同的场景，这些行为不断发生着变化，它们都属于动态的信息。运营人员通过捕捉用户的行为数据(浏览次数、是否进行深度评论等)，可以对APP用户进行深浅度归类，区分活跃/不活跃用户。
拉新是APP获取用户的第一步，通过各种各样的途径吸引新的用户下载、注册，之后，将面临新用户的流失和留存问题。如果APP运营没有解决好用户留存的问题，就白白浪费了拉新所做的努力。
要提高用户留存，减少流失，需要学会用户留存率的计算和分析。
用户留存率是指在时间单位中登录APP的新用户占当时新增用户的比例，一般按照每隔1单位时间(例日、周、月)来进行统计。具体的计算方式详见下图：
来自：百度百科
为了方便理解，举个例子，假如APP当天一共有1000个新增用户，他们都下载并注册了APP。在这1000个新用户中，第2天有300个再次登录了APP;第3天则有150个登录了APP，第7天有100个登录APP;第30天还剩50个登录APP。次日留存率=300/1000=30%、3日、7日(周)、30日(月)留存分别是15%、10%、5%。
做APP用户留存率数据分析，可以帮助运营人员及时把握新用户流失情况，反映APP应用的质量和保留用户的能力，挖掘流失原因制定对策，提高新用户留存。
比如：某个APP通过内部活动，一次性拉到了几千个新用户，但到了第二天，留存用户只剩下5%，流失率高达95%;第三天就只有2%的留存用户。通过对留存和留存率的观察分析，得出的结论是：自家APP内部活动的后续力不足，让活动进来的新用户很快失去兴趣;缺乏新用户指引和挽留措施，让用户少了留下来的契机和理由。
为了让更多的用户留下来，提高留存率，运营人员要做好APP活动的后续工作;添加清晰的新用户指引，帮助用户快速熟悉APP的功能，并配以新人奖励、任务等留住用户。
拉新、留存、促活最终是为了达到用户转化，可以说，用户转化是APP运营的终极目标。特别是付费转化，对APP开发者来说至关重要，用户付费转化率是APP最终能否盈利的核心，要想方设法提高用户转化率。
用户转化率应该根据APP类型和所处的阶段进行计算和分析。
同一个APP，每个阶段都存在相应的转化。比如：APP上线阶段，处于大量拉新的时期，需要提高APP渠道投放的下载转化率，即通过各种渠道让更多潜在用户变成APP的下载注册用户;在APP版本更新发布阶段，则要提高用户替换旧版本、下载新版本的用户转化率……。可以通过漏斗模型进一步分析每一个阶段的转化率，为最终的付费转化做铺垫。
而不同类型的APP，用户转化率的分析也各有侧重点。比如，类的APP，可以关注玩家在游戏闯关过中使用免费道具到付费购买道具的转化情况，道具购买即玩家的付费转化是游戏APP最重要的盈利模式(如下图是开心消消乐的付费道具)，应该合理设计关卡有效引导玩家付费购买道具。
游戏类APP的付费转化模式
再比如，电商类的APP，可以关注“商品——加入购物车/立即购买”、“加入购物车/立即购买——付款”这两个方面的转化率，因为电商APP最终目标就是让用户完成付费购买商品。用付费转化率数据判断整个APP的流程设置是否合理，用户付款前的引导以及刺激是否能够有效促成购买行为，提高付费转化率，需要优化改善的地方在哪里?
当然，APP用户数据分析不仅仅只有这些，还需要不断去挖掘和领悟。
