/ 移动应用分析是什么 /
移动应用是移动互联网的重要载体，移动应用分析是指在获得移动应用用户使用等基本数据
情况下，进行数据分析，深入挖掘用户使用的特点，找到产品设计的不足，发现运营推广的机遇，
优化产品及运营策略，提升移动应用的质量。
/ 移动应用分析的意义 /
1，监控移动应用运营状态
移动应用分析最基本的使用场景就是实时监控应用的运营状态。通过收集应用每日的新增
用户、活跃用户、留存用户等数据，并对其加以分析，以日报、周报、月报的形式进行系统地
监控。通过分析和比较这些核心数据的变化趋势，用数据说话，可以帮助运营和推广人员多维
度观察应用的运营状态，及时发现问题。
2，提升移动应用推广效果
渠道是移动应用推广的主要方式，不同渠道面对的是不一样的用户群体，根据渠道和推广
位置的数据分析选择成本低、效果好的渠道可以有效地找到目标用户，提升运营表现，降低推
广成本。
3，发现移动应用产品问题
通过分析应用的访问路径、自定义事件点击/转化等数据，找到用户流失的原因，利用数
据更快地定位出产品问题或策略问题，并依据规范的移动分析思路和方法找出解决方案。
4，优化移动应用功能及体验
作为移动互联网的主要入口之一，移动应用的体验优秀与否在一定程度上决定了用户的去
留，通过移动应用分析找到产品问题，结合访问路径、用户的人口学属性等制定优化策略，提
升应用的吸引力和易用性。
/ 移动应用分析的原理 /
目前移动应用分析的方式主要是较为流行的基于SDK（Software Development Kit，
即软件开发工具包）的分析统计。
这种方式是在应用中嵌入一段SDK代码，SDK代码规定了用户行为收集的规范，用户的启
动和使用行为通过SDK记录在应用中，当发送条件被触发后，这些日志被发送到服务器来进行
分析和挖掘。此方式的优点是安装使用简单，用户行为统计更加准确。以下为基于SDK的移动
应用分析数据收集流程图：
/ 移动应用分析指标 /
移动应用多种多样，对应的分析指标也有所不同。针对这种情况，移动统计发布白皮书
旨在归纳适合各类型应用的普适指标及定义，让移动应用的产品运营状况更加指标化，帮助开
发者从各维度了解用户，优化应用。
其实分析指标以及之间的关系没有那么复杂。举个例子来说明，如果把一个应用比作一
间餐厅，那么可以把移动应用管理比作运营一家餐厅一样，目标就是要让顾客多光顾、老顾客
多推荐、多消费、提高顾客服务等。为了达成这个目标，我们先要了解当前的情况，比如有多
少新顾客光顾了餐厅，其中有多少是老顾客推荐的，一个月之内这些顾客光顾了多少次餐厅，
是否顾客体验优秀，第二个月之后有多少新顾客留存下来成为常客了。类似地，移动应用的统
计分析过程中也需要掌握新用户数、渠道来源细分、平均使用时长、平均使用频率、错误率、
用户留存率等数据，以帮助开发者从各个维度了解用户，优化应用。
常见指标包括：新增用户、启动次数、活跃用户、留存用户、使用时长、使用频率、使
用间隔、访问深度、转化率、目标事件、错误率等指标。可以概括为四类，即用户分析类指
标、使用行为类指标、渠道运营类指标和应用质量类指标。
1，用户分析类指标
1）新增用户
定义：历史上第一次启动应用的用户，需要按照设备号进行去重。
技术说明：如果某一个用户之前安装过该应用又卸载，之后又二次安装，那么只要该用户
的设备没有更换或重置，则两次视为同一个用户，即第二次安装不算作新增用户。按照设备号
去重是指所有新开启的用户中，同一个设备号的新开启都算作一次新增用户，去重标准除了可
以使用Android系统的MAC地址、IMEI号，IOS系统生成的广告ID之外，开发者还可以自行生
成ID，例如百度移动统计自行生成的CUID。
涵义：新增用户越多说明应用的成长越快，推广的效果越好。通常情况下，应用在发展初
期的时候新增用户比例非常高，随着市场趋于稳健增长，新增用户比例逐渐下降。
2）启动次数
定义：顾名思义，启动次数就是在规定时间段内，用户打开应用的次数。“一次启动”是
指用户从打开APP开始，到退出APP（或离开应用界面，进入后台）为止。一次启动过程中可
能浏览多个页面。
技术说明：如果同一个用户在退出APP或离开应用界面进入后台，又在30秒之内再次启动
应用，则两次启动算作一次。反之，如果用户在30秒之后再次启动应用，则启动次数算作两
次。在百度移动统计SDK3.1版本以上中，开发者都可以对“30秒”这个业界标准根据应用自
身情况进行调整设定。
涵义：用户数是从规模上描述应用，而启动次数是从访客角度衡量访问质量的分析指
标。如果一个应用的用户体验足够好，用户粘性足够高，同一个用户一天中会多次启动应用，
那么启动次数就会明显大于访客数。
3）活跃用户
定义：指在规定的时间范围内，启动过应用的用户数，需要按照设备号去重。活跃度是指
在某段时间内，活跃用户数与总用户数的占比。
涵义：活跃用户通常都会有一个时间范围做约束的，例如日活跃用户、周活跃用户、月活
跃用户等。活跃用户指标是一个应用用户规模的体现，同样也是衡量一个应用质量的最基本指
标，结合留存率、流失率、使用时长等指标还可以体现用户粘性。该指标也可以衡量渠道质
量，排查渠道作弊。
4）留存用户
定义：规定时间段（T1）内的新增用户中，在经过一段时间（T2）后，仍然使用程序的
用户。其中T1和T2可以根据应用自身的实际情况进行设置。
涵义：留存用户主要用来衡量应用对用户的吸引程度、用户对应用的粘性、渠道用户质量
及投放效果等。常用的留存指标有次日留存、三日留存和七日留存等。
2，使用行为类指标
1）使用时长
定义：用户在应用程序上所停留的时间。主要分为平均使用时长和单次使用时长，平均使
用时长是某一段时间内所有用户的全部访问时间的平均值。
涵义：通过考量用户在应用上的停留时间，我们可以看出应用内容是否吸引用户，应用质量是
否合格；还可以看出某个推广渠道到来的用户是否是深度使用用户，以此评判渠道质量。
2）使用频率
定义：在一定时期内，同一个用户启动应用的次数。如在一天之内，同一个用户一共进行
有效启动5次，那么该用户的日使用频率就是5次。
涵义：使用频率和日启动次数类似，只是从另外一个角度衡量用户粘性，一个应用通常情
况下用户粘性越高，那么用户的平均使用频率也就越高。
3）使用间隔
定义：使用间隔是指同一用户相邻两次启动应用的时间间隔，例如某一用户第一次启动应
用到第二次启动应用之间相隔2天，那么该用户的使用间隔即为2天。
涵义：使用间隔也从侧面反映了应用的用户粘性，通常情况下使用间隔越短说明用户越
依赖应用，也就是说应用的用户粘性越高。也可以据此来决定推送消息的时机和发版频率。
4）访问深度
定义：我们将用户在一次启动应用过程中所到达的页面累计数量视为用户的访问深度，
例如某用户从启动APP到退出应用过程中，一共访问了12个页面，那么称该用户的访问深度为
12。
涵义：理论上来讲，访问深度越高，应用质量越好，用户对应用的依赖就越强。
3，渠道运营类指标
1）用户获取成本
定义：获取一个新用户所需要花费的成本，也就是用户获取的边际成本，随着新增用户数
比例越来越高，获取新用户的成本降低，反之亦然。
涵义：用户获取成本是应用推广过程中最重要的ROI（投资回报率）指标，若通过统计分
析发现某渠道的用户获取成本明显高于其他渠道，那么可以据此放弃该渠道，将主要的推广资
金和资源投放在用户获取成本较低的渠道，以求在单位资源内获得最多的新用户。
2）目标事件转化率
定义：设定某一事件的转化条件和转化结果之后，当转化条件出现的时候，会有一部分转
化结果出现，目标事件转化率就是转化结果事件数/转化前事件总数。例如，设定所有启动用
户点击完成注册成为注册用户作为完整的转化事件，点击注册就是转化条件，成为注册用户就
是转化结果，若每100个访问用户中就有50人完成注册成为注册用户，那么可以说该目标事件
的转化率为50%。
涵义：针对特定事件进行跟踪统计是移动应用分析中的补充功能，但是可以实现通用功能
统计不到的数据，例如注册用户比例、付费用户比例等。目标事件通常是伴随自定义事件功能
出现的，全面满足移动开发者的个性化、定制化需求。
4，应用质量类指标
1）错误次数
定义：在规定的时间段内，应用出现异常退出现象的次数总和。
涵义：通常情况下，应用错误集中于两种：死机或强退，这样的现象都会严重影响用
户体验，所以错误次数发生的越高，用户体验越差。降低错误次数是开发者应该时刻关注的重
要指标。
2）错误率
定义：在规定时间段内，一个应用发生错误的比率（错误次数/启动次数）。
涵义：产品质量是一个应用发展壮大的基石，与网站不同，移动应用一旦被分发之后就无
法再收回，应用错误率高会降低用户对产品的信任和口碑。通过对应用的质量监控，找到错误
代码并及时发布修复版本，可以有效弥补这一问题。
/ 移动应用分析流程 /
移动应用的分析流程就是一个发现问题、分析问题和解决问题的过程。在移动应用的运
营过程中，利用规范的分析流程会避免思路混乱，做到更加清晰和高效地优化应用。以下是总
结出来的移动应用分析流程，以供大家参考：
1，明确目的，建立规划
做任何事情之前，都要有明确的目标，才能采取正确的行动。所以在做移动应用分析之
前，必须要想好这样三个问题：“应用的现状是怎样的？为什么会是现在这个样子？未来的发
展规划和目标是什么？”。首先，对于移动应用的现状要有客观的了解，下载量多少，日活跃
用户多少，受众群体特点是什么等。其次，需要对应用的现有数据的背后原因做分析，分别总
结出做得好和做得不够好的原因，才能更有针对性地规避风险，发掘机会。最后，也是最重要
的，就是要明确移动应用未来发展的目标，只有有了明确的目标，才能对当下要做的事情有方
向性的把握。一般来讲，移动应用的远景发展目标有以下三点：
1）盈利：直接增加应用的盈利能力，例如游戏类的应用
2）品牌：不断加强移动应用作为移动广告媒体的影响力
3）合作：服务于用户或者给其他应用导入流量的，如91手机助手等
这些远景目标是一个大体发展方向，而具体执行的过程中还需要将其明确到细分目标，例
如游戏类的移动应用需要关注如何提升用户应用内购买的频率和客单价，提高游戏的销售收
入，媒体类的应用要关注如何提升用户的粘性和使用频率，吸引更多的读者。在实际操作的层
面上，还需要移动应用开发者将这些细分目标落实到指标的层面，这样才能够量化评估，推进
到实际操作中去。例如媒体类的应用，要知道用户的具体属性和使用习惯，包括地域分布和受
众特征，这样才能够有的放矢，更加精准的推荐和推送，才能赢得用户好感，增加用户粘性和
依赖度，让应用的发展进入良性循环的道路上。结合应用的发展整体趋势报告，预计未来的发
展目标，制定有效的KPI（Key Performance Indicator），即核心业绩指标，也就是说用户使
用频率、使用时长、日活跃度等各项指标达到怎样的数值才能达成目标。所以KPI就像是大海
航行中的灯塔一样，指引着移动开发者掌舵应用的发展，让应用运营的方向更加清晰明确，让
应用能够更高效地达到目标。
2，选择系统，部署应用
这个步骤就是正式开始了移动应用分析的实践环节了，是收集和获取数据的过程。选择系
统就是指要选择一个适合自己的移动统计分析工具来满足既定的需求，这里仅从满足移动应用
基础性需求的角度列举出以下几点供大家参考：
1）开发简单
移动开发者应该尽量选择SDK轻便易于嵌入的移动统计分析工具，尤其是现在国内大部分
开发者都是以小团队为主，技术研发人员不充足的情况下，最好要选用符合行业技术规范的老
牌开发者服务公司的产品，不仅开发学习成本较低，也有利于满足后续打通公司内部其他产品
之间数据交换或应用升级的扩展性要求。
2）数据全面
虽然移动开发者最关心的数据就是上文提到根据应用发展目标而制定出来的KPI指标，但
是除了这些基本数据指标之外，开发者还应该关注更加全面的指标以便深入了解自己的应用。
全面的指标不是一味追求大而全，而是开发者最想要看到的数据指标，所以开发者除了关注基
本KPI指标外，还要考虑后续产品升级之后还需要哪些其他数据指标，评估一下分析工具是否
能满足后续的发展需求，避免出现因为某几个指标的缺失而更换整个统计分析系统的情况出
现。
3）功能完备
移动应用统计分析工具应该至少具备用户属性分析、用户使用行为分析、渠道版本分析、
终端设备分析等基本功能，这些是最基础的分析功能。除此之外，良好的受众分析也是必要
的，这样能够帮助开发者更宏观地了解自己的用户群体，以指导后续推广和广告投放更精准；
而强大的数据多维度交叉分析功能也能提高开发者对于应用数据的使用效率，发现更多深度的
问题；还有更高级的开发工具组件功能是否齐全，如自定义事件、错误分析、开发测试环境
等，让开发者能够有更多定制化服务才能满足个性化需求。另外一个维度是，即便这些高级功
能都有覆盖，也要考核功能的分析深度和用户体验，例如页面访问流分析，提供可视化交互图
分析要比简单的柱状图或漏斗图直观易懂，像气泡图（Bubble Diagram）这样的图形化分析
报告也是用户兴趣分析中的一大利器。
4）系统可靠
由于收集和整理移动应用的历史数据对今后的数据分析至关重要，所以在选择分析工具的
时候要非常慎重，建议选择行业内口碑较好、大型、稳定的统计分析系统提供商，这样的提供
商一般都具备较强的硬件资源和数据库安全实力，他们能够保证稳定、长期地提供数据统计分
析服务。同时建议选择服务器规模大而且设备在国内的服务商，因为移动应用统计大部分采用
SDK嵌入、回收相关数据日志的方式来收集数据的，若选择国外提供商往往会在数据收集和传
输过程中出现丢包、遗漏等现象，大大降低了数据的全面性和可靠性，参考价值有限。
最后建议选择行业中优质、服务全面的数据统计分析服务商，因为开发者很可能将来还会
有网站统计、云存储、开发环境等需求，这样将自己的全部产品都放在一个平台上，便于未来
产品之间数据的打通，进而方便横向分析和对比，对旗下产品进行整体监测和优化。当然，任
何的统计分析工具都只是一种工具，还需要正确的应用分析方法论的理论指导，才能保证恰当
地应用到实际运营工作中去。
3，测量指标，分析现象
上述系统选择和部署完成后，进入了实际的数据管理和分析工作了。统计分析系统每天
都会提供大量的数据报表，应该与第一步中设定的数据分析KPI指标进行比较，分析哪些指标
数据较好，哪些没有完成指标，并找到背后的原因，这也就是通常意义上说的“透过现象看本
质”，即在应用统计分析报告的字面层级上找到隐藏在应用背后的深度问题所在。所以在分析
现象的过程中要注意思路和方法的选择，思路就是整体和细分的分析，方法则需要针对不同的
指标建立不同的方法论，如用户留存分析、用户访问路径分析等，这些方法论都将在后续文章
中详细阐述。当然，数据分析远不止读懂几张数据报表那么简单，对数据的简单统计不能发现
本质问题，最后一定要进行归纳和总结。
4，跟踪问题，持续改进
数据分析发现了问题之后，还需要梳理一下解决方案：面对这样的问题有没有解决方案？
可行的解决方案有几种？每个方案的优缺点是什么？方案如何落实等问题。将这些问题全部想
明白之后，进入解决方案落地的环节。例如，通过页面访问流程分析发现用户在页面A中的跳
出率特别高，明显高于正常水平，那么就要分析是什么导致这样的结果？通过重现发现页面A
中没有明确的指示告诉用户如何进行下一步，所以大部分人研究半天没明白就退出应用了。于
是根据这个问题优化了页面A的导引指示，升级完善之后再针对这个页面进行页面流的统计分
析，若发现跳出率明显变低，说明问题得到了有效的解决，若发现没有明显降低，那么还需要
再继续分析是什么原因并实施解决方案，再进入后续统计分析流程。如此循环，直到问题得到
彻底解决。及时发现问题并对问题进行跟踪，改进后再跟踪，持续良性循环改进，直到让应用
体验最优化，这样的统计分析工具才是开发者所想要的。
/ 移动应用分析思路 /
1，移动应用分析思路概述
大部分的初期开发者都对移动应用分析一头雾水，觉得数据分析是一件高端而且有难度的
事情，从而对移动统计分析望而却步，其实只要遵循一定的思路和方法，统计分析是一件非常
简单而且有成就感的事情。笔者就总结了如下的基本分析思路。
移动应用分析的思路主要包括微观细分和宏观趋势两种。
1）微观细分
微观细分就是将分析的重点放在细节的洞察和把握上，例如新增用户数、日活跃度、页
面蹦失率、用户粘性、自定义事件的转化情况等，在细节上考量移动应用的具体指标和KPI表
现，从而做到具体问题具体分析。
2）宏观趋势
宏观趋势是指从整体数据上掌控移动应用的同比、环比等变化趋势，核心指标在昨天、上
周、上个月的变化情况等。这是从宏观上去分析应用发展大趋势，进而通过应用内外部的数据
进行对比分析，明确自身在行业中的发展境况和地位名次，从而帮助开发者指定宏观发展策略
等。
在实际的移动应用分析过程中，这两种分析思路常常是融合在一起综合使用的。例如，某
开发者开发了一个自媒体（如黑板报类）移动应用，投放到市场上去之后一段时间，开始使用
移动统计分析工具。作为日常统计需求来说，自媒体开发者不需要时时刻刻都盯着应用数据去
分析，所以常规的分析主要以“宏观趋势”为主，把握自己应用核心指标数据的同比、环比变
化趋势，假如某天发现留存用户的比例越来越高，则需要针对“用户留存”进行“微观细分”
分析，打开“用户留存”细分选项之后，查看到底是哪一时段新增的用户流失比例较大，结合
运营推广分析这部分用户主要来自哪些推广渠道，是否这些渠道来的用户属性不是自己的目标
用户而导致的流失？还是这些用户在页面访问过程中有了不好的体验才离开的？这些问题就像
剥洋葱皮一样，一层一层的深度分析下去，直到得到问题的本质原因。
所以可以说，“宏观趋势”与“微观细分”结合使用，才能做到“大处着眼，小处入手”
地运营和管理，做到“有的放矢，心中有数”。
2，微观细分——精确制导，有的放矢
1）为什么要微观细分
移动应用的统计分析对象主要包括渠道来源、受众属性、用户行为和终端设备。
渠道来源：目前的移动应用分发主要依赖外部渠道的推广，这里的渠道既包括App
Store、Google Play等官方的应用市场和商店外，还有91助手、百度手机助手、联盟、In App
推广等非官方渠道。渠道推广都是要付出代价的，因此开发者非常关注某个渠道推广效果如何
等问题，渠道来源的分析就抓住了这一点强需求，从源头上帮助开发者对比分析推广效果，以
便优化广告投放，提高ROI（Return On Investment，即投资回报率）。
受众属性：对于移动应用的用户群体特性进行分析，是了解应用的受众属性最好的方式，
而掌握了受众的属性（如地域分布、年龄、爱好、学历分布等），才能更加准确的指导后续运
营中的推广广告投放，做到有的放矢，把推广的费用花在刀刃上。
用户行为：了解了什么样的人在使用你的应用之后，要了解这些人是如何使用的。用户行
为包括，用户活跃度、留存比例、新增数量、使用时长、使用频率、使用间隔、页面访问路
径、页面访问深度等。通过这样翔实的分析，能够让用户在应用内的行为一目了然，知己知彼
方能百战不殆。所以深入细致的用户行为分析，能够极大的帮助开发者优化应用流程和定位应
用内问题。
终端设备：移动互联网时代与PC互联网时代相比，对于开发者最大的挑战之一就是终端
设备千差万别，移动应用的适配问题常常让人头疼。分辨率不同、机型不一样、操作系统迥
异，这些都给兼容性带来了极大的挑战。因此，对于开发者来讲，能够全面掌握用户的终端设
备情况，莫过于最大的福音。
以上这些数据都是移动应用精细化运营所要研究的问题，数据分析的本质也是在于透过数
据能够挖掘出背后的问题和根结所在，从而顺着一丝线索深入分析，层层抽丝，直捣问题的根
源，然后再分析总结问题根源，再顺着相反方向返回问题出现的地方，用本质原因解释表面的
现象，以指导运营的优化。通过这样的过程，数据的价值才能彰显出来。
2）如何做微观细分
基于了解应用的运营情况前提下，对上述渠道来源、受众属性、用户行为、终端设备等进
行细分和筛选，从而层层深入地逐渐定位问题，发现机会等。
例如，有一位开发者刚刚完成了新版本的发布和推广工作，新用户持续增长中，他想了解
应用的用户活跃度情况如何。笔者根据这项分析任务，进行微观细分，更好地了解用户活跃度
情况，以便做到有针对性地指导工作。
接下来在百度移动统计的【活跃用户】分析报告中对用户活跃度进行细分。
A. 选择分析的时间段，例如以最近30天为例（还可以筛选今天、昨天、最近七天等），
分析情况如下图：
B. 与同期其他时间段进行对比分析，例如上个月与本月的对比分析（还可以任意N天与
之前任意N天进行对比），分析情况如下图：
从图中可以看出来，蓝色代表的最近一个月时间数据，红色代表的是6月1日至6月30日的
月数据，可视化折线图中可以清晰看到最近30天的日活跃度略低于6月份的日活跃度数据。这
说明最近虽然做了大规模推广，但是用户活跃度却没有因此提升反而下降了。原因可能是新版
存在致命缺陷导致用户不再喜欢和依赖应用了，也可能是应用新增用户速度高于新增活跃用户
速度，导致整体活跃比例有所下降。为了排除第二种可能性，还需要做进一步的数据分析。
C. 需要了解相同两个时间段的新增用户数据情况，如下图所示：
从新增用户数据中可以看出来，最近30天新用户数明显低于6月份的数据，这说明第二种
可能是不成立的，可以判断新版本发布和推广一定出了问题。需要做进一步多维度交叉分析。
D. 多维度交叉分析：接下来通过百度移动统计中的“多维交叉分析”高级筛选功能，
对用户活跃度数据根据用户类型、版本、渠道三个维度进行交叉筛选分析，发现1.2版本来自
App Store渠道的活跃度数据出现较大的负增长，导致了日活跃度较上个月下降。
通过这样的微观细分分析方法，层层过滤和剖析，最终锁定了导致日活跃度下降的原因
和根结所在——来自App Store的1.2版本的应用存在较大问题，导致这部分的下载用户活跃度
下降明显。
以上实例就是通过微观细分快速锁定问题，层层深入分析最终找到背后原因，做到了精
确制导、有的放矢。
3，宏观趋势——着眼大局，步步为营
1）为什么要宏观趋势分析
评价一个应用的好坏，最直接的方式就是考量相应指标的上升/下降。移动统计系
统会将这些指标数据在时间维度上展开排列，也就是按照时间序列展现成趋势（走势）。
2）如何做宏观趋势分析
我们需要为核心指标设立参考系，然后通过同比、环比、定基比等多种方式去分析产品和
运营的工作情况。为了让大家更好地理解后续的分析思路，现名词解释如下：
时间序列：指将某种现象某一个统计指标在不同时间上的各个数值，按照时间先后顺序
排列而形成的序列。在移动统计分析中通常可以选择一段时间（周、月、最近30天等）呈现
指标数据的连续变化情况。
同比：为了更好的消除数据的周期性或季节性变动影响，将本周期内的数据与之前周期中
相同时间点的数据进行比对。例如今年第N月与去年第N月相比。
环比：指的是将本期的数据与前期的数据进行对比，体现了数据连续变化的趋势，可以有
日环比、周环比、月环比等，例如今年第N月与今年第N-1月或N+1月相比。
定基比：在进行数据分析之前，指定一个所有数据都可以进行对比的基准线，通常这个基
准线是公司或者产品发展的里程碑，将之后一段时间内的数据都与这个数据进行比较，从而反
映公司在里程碑后这段时间的发展状况。
下面举例说明，在百度移动统计中登录后的应用概况页面就有便捷的同比和环比功能：
环比：上方数据表显示的就是本月和上个月的各个指标数据的环比情况。
同比：下方折线图就是按照某天的数据与上个月某天的数据同比情况。
另外，在“趋势分析”等带有“时间序列控件”的报告中可以选择任意两天的数据比较，
依据移动应用的实际业务需要来指定基准线，划定时间范围，选择观察指标的变化情况。
当然，基于时间序列的趋势分析方法还有很多种，其中同比和环比是最简单易用的，而移
动应用中的常见数据分析均可以用以上的分析思路快速观察关键指标的变化情况，了解现状，
衡量达成目标的进度。
/ 移动应用分析方法 /
1，受众人群分析——知己知彼，懂用户方能做出更受欢迎的应用
用户是移动应用分析的主体，任何的分析都离不开对用户的了解，用户作为应用的受众
群体，有着丰富各异的特征。尤其在现今移动互联网高速发展的时代里，追求用户覆盖数量是
绝大部分移动应用运营的核心目标。不仅应用的人气需要用户，应用的盈利能力也需要依赖用
户，而要想从用户那里赚到钱，就必须对用户的人群属性、兴趣爱好、地域分布等一清二楚，
所以全面的“受众分析”功能就显得非常有必要了。了解用户的喜好等特点之后，也能指导移
动开发者进行精准广告投放，只把广告投给真正的潜在用户。
所以，受众人群分析不仅能帮助开发者推进“开源”，更能通过指导广告投放帮助开发
者“节流”，也只有知己知彼，才能投其所好，让自己的应用越来越受到用户的喜欢。
下面就受众人群分析包含的几个细分方向进行详细的介绍：
1）新增和活跃用户分析
新增和活跃两大指标是用户分析中最基础的数据，新增用户反映了移动应用用户增
长情况，通常情况下，新用户占比越高说明应用的未来发展潜力越大，而日活跃度越高说明应
用的用户粘性越大。下面分别就新增和活跃用户分析方法进行介绍。
通常移动应用分析系统都能够对新增用户按照时间序列的方式进行展示，以表现其发展趋
势如何。例如，选择最近30天内新增用户的发展趋势，可以得到按天分布的统计数据，而百
度移动统计系统还专门做了“按时”新增用户分布统计，如下图：
将统计颗粒度从“天”精确到“时”可以了解一天当中哪个时间段新增用户最多，然后根
据这个数据调整推广渠道的广告投放时段，在新增用户高峰期之前一两个小时进行定向投放，
可以获得最高的广告效果等。
对于日活跃度（简称“日活”）的分析，可以帮助开发者了解用户粘性和依赖度，通常用
百分比来进行统计，日活跃度数据也依据应用类型而千差万别，高日活跃度应用主要集中在工
具类、游戏类和社交类，所以分析的时候应该结合自身应用类型。百度移动统计中日活分析也
可以按照时间段对比维度进行分析，例如选择最近一个月和上个月的日活跃度数据进行对比，
如下图：
2）留存用户分析
最常见的就是“首次使用留存”分析，是指首次使用应用的用户中，在第一次使用
完毕之后的某一相同间隔时间段内再次使用的情况。例如，选择最近30天内新增用户中，“
周留存”情况的统计分析，就是指最近30天内第N周的新增用户，在第N周之后的每一周内留
存比例的情况。而“日留存”、“月留存”等含义以此类推。
提到留存分析，就一定离不开“漏斗分析”（Funnel Analytics）这个概念了，它是一种
被统计分析行业广泛使用的研究某一指标转化率的方法，因其展现方式通常类似于“漏斗形
状”而得名。其实正如上文所述，某一段时间内的新增用户，在后续每一个相同时间间隔的时
间段内留存比例。以“周留存”为例，其漏斗分析报表如下：
除“首次使用留存”分析之外，百度移动统计还独创性地推出了“自定义留存分析”功
能，移动开发者可以通过自主指定某一时间段内新增的用户，在之后任意一个时间段内的留存
情况。
“自定义留存分析”有利于开发者进行特例跟踪分析，例如时间段A进行了渠道1 的
推广，时间段B进行了渠道2的推广，然后分别对时间段A和B中新增用户在30天之后的留存分
析，就能够对比出渠道1和渠道2哪个推广的新增用户粘性更强，以指导开发者调整相应的推
广策略。
3）人群属性分析
用户是一个一个真实存在的人，那么用户群体一定有其特定的人群属性，包括性别、
年龄、学历、行业、兴趣等。所以对于某一个应用，其人群属性一定有倾向性特点，例如应用
A的用户群体具有高学历、男性多、计算机行业多、爱好读书等特点。
百度移动统计系统内就集成了全面的人群属性分析功能，这一功能主要依托百度成熟的
“受众分析”功能，通过IP归类检索，获取移动应用的用户在PC端访问时留下的Cookies，结
合百度后台海量的用户群属性碎片，进行比对分析其属性特征。
4）用户地域分布
移动开发者为什么需要了解用户地域分布情况呢？第一，了解用户最集中的区域有
利于开发者制定有效的城市推广策略，如较成熟的城市需要进行老用户的维护，而用户较少的
城市可以重点考虑做新用户推广和扩张等；第二，对于部分大型移动应用如电商应用或游戏应
用，开发者需要了解集中了80%用户的关键城市，对其做增加带宽、增设CDN服务器等策略
的调整，保证集中的用户区域也能有较好的用户体验等。
百度移动统计中的【地域分布】功能，通过可视化分省/分国家地图和饼图等方式，直观
地向开发者展示了应用的地域分布全部数据，而且可以按照累计启动用户、累计启动次数、累
计新用户、平均使用时长等指标进行细分统计，提供详细的分析报表：
2，使用行为分析——洞若观火，优化应用流程和页面设计的依据
在移动应用分析中，受众人群分析是对用户的静态分析，主要把握用户静态属性，而使用
行为分析是对用户的动态分析，重点关注用户使用过程中的动态数据。在了解用户人群属性的
基础上，对这些用户在应用内的使用行为进行分析，能够更全面、更系统的完成对用户的深入
了解。
对于开发者来讲，掌握用户使用行为和参与度，可以更好地指导其优化应用流程和页面设
计等。例如通过页面访问路径分析发现某一页面的跳出率异常的高，那很可能是流程设计中到
该页面出现中断或不良的体验等；再比如，通过用户使用时长和使用频率数据可以有效地对用
户粘性进行综合分析，从而帮助开发者发现问题、优化应用等。
通常用户行为分析，又称参与和使用分析，包括如下几方面：页面访问路径分析、访问深
度分析、使用间隔分析、使用时长分析、使用频率分析等。接下来就这几个方面进行详细地介
绍。
1）页面访问路径
页面访问路径又叫页面访问流，是分析移动应用中不同页面之间的跳转和转化比例
情况的方法。用户从打开应用的首页开始，就会经历一系列页面浏览和跳转，最终从某一页面
完全退出应用。这是任何一位用户都会经历的页面访问路径，不同的是某一页面跳转到另一页
面的比例都不同，从任何一个页面退出应用的比例也不一样，从这些比例数据的差异上可以发
现应用在流程规划、信息架构、页面设计等方面存在的问题，进而引导开发者提出解决方案，
不断对应用进行优化。
下面以百度移动统计中【访问页面】功能为例，阐述如何进行页面访问路径分析。
如上图，就是百度移动统计中的页面访问流分析图，用进程图的方式直观地还原和展现了
用户在应用中的访问流，即图中红色箭头标示的路径。同时，还展现了每个页面的蹦出率（离
开应用的比例）以及跳转后比例排名前八名的页面，点击“其他”之后，会弹出如下的详细数
据页面：
点击每个页面右侧的详情按钮，可以查看到该页面的访问次数、平均访问时长和蹦出率等
详细数据。同时，每个页面都可以一键设置成为访问起始页，分析自由度很高。
独具特色的“实时访客分析”功能，系统会自动抽取500名最近的访客，然后开发者可以
看到这500名用户的独立访问信息，如启动时间、设备机型、访问页面、联网方式等，帮助开
发者进行个别分析，以点带面，折射应用潜在问题。
2）访问深度分析
移动应用的访问深度分析同网站的一样，是指用户一次启动应用之内访问页面的总
数，例如某用户在一次启动应用的时间之内，一共浏览了10个页面（若多次访问同一页面，
该页面也会被累加），那么就说这个用户的访问深度为10，依次类推。下图是百度移动统计
的访问深度功能，同样也可以按照不同时间段进行横向对比：
访问深度功能中也提供详细的分析报表，如下图：
在做访问深度分析时候要注意，并不是访问深度越深越好，要根据不同应用类型进行具体
分析。例如，以内容分发为主的新闻类客户端，通常情况下页面访问次数越多（相当于PV更
高），说明内容和推荐等越受到用户的欢迎。而以帮助用户快速处理问题为主的工具类应用，
就不必追求较高的访问深度，比如某进程管理客户端，用户启动后关闭某些任务即离开，较少
的访问深度反而意味着客户端实用、简洁。
3）使用间隔分析
使用间隔是指在选定的时间范围内，同一个用户相邻两次启动应用的时间间隔。如
下图所示，横轴为间隔时间，纵轴为启动次数。柱状图表示的含义就是使用间隔为X天的用户
启动次数累计为Y。
使用间隔的数据对于移动开发者非常重要，从下面的详细数据报表中可以看出，该应用有
超过一半的用户使用间隔为1-2天，即大部分用户在退出应用之后1-2天会重新启动应用。然
后开发者再根据其所处行业和应用类型，进行同行业横向比较，分析自己的应用在使用间隔维
度上是否还有提升的空间。
4）用户粘性分析
移动开发者之所以关注用户行为分析的本质目的，就是为了提高用户的使用粘性。
所以用户粘性分析是一个综合维度的分析，在前文中也多次提到了，很多指标都可以从侧面反
映出应用的用户粘性程度，其中最直接衡量用户粘性的指标就是使用时长和使用频率了。通常
情况下，用户使用时长越长、使用频率越高说明用户粘性越大。
使用频率是指用户在一天中启动应用程序的次数，例如用户某一天只在早晨8点和中午12
点分别启动过应用，那么该用户当天的使用频率就是2次。
使用时长是指用户在某次启动应用到退出应用的时间间隔，例如用户于10点启动应用，
于10点半退出应用，那么该用户的使用时长即为30分钟。
如前文所述，用户粘性是受到使用频率和使用时长共同影响的，如下图建立二维象限，即
可将使用时长和频率进行综合分析，四个象限也分别代表高频率高时长、高频率低时长、低频
率高时长和低频率低时长特点的应用。
接下来，笔者针对上图中四个象限的应用特点进行逐一分析：
高频率高时长：用户粘性高，这类应用通常满足了用户的刚性需求，用户依赖度非
常高，日启动次数多，使用时间较长，应用提供的核心功能用户体验极好。例如微信、微博等
社交类应用。
高频率低时长：用户粘性较高，这类应用用户依赖度很高，但是由于功能性有限或以满足
用户某种专门需求为主，所以导致用户每次启动之后停留时间不长。例如工具类应用，如杀进
程、闹铃、提醒、流量监测、清缓存等应用。
低频率高时长：用户粘性较高，这类应用用户依赖度一般，但是由于极好地满足了用户的
核心需求，所以每次启动的停留时间都很长，用户愿意在应用上花更多的时间和精力。这类应
用主要集中在电商应用、游戏类应用和新闻阅读类应用。
低频率低时长：用户粘性低，这类应用既没有满足用户刚性需求又没有让人眼前一亮的用
户体验，所以没有得到用户的认可和依赖，在用户粘性上是失败的应用。
举例说明，某移动开发者使用百度移动统计，得到如下关于使用时长和使用频率的数据报
表：
从数据报表中可以看出，该应用使用时长集中在3分钟左右，而使用频率（日启动次数）
则集中在1-2次左右。得到这样两组数据之后，可以通过对比同行业的平均数据，得到自己产
品在用户粘性指标上的优劣。例如，该应用的同行或同类应用使用时长平均为3.5分钟，平均
使用频率为10次，那么说明该应用在使用频率上明显低于同行业水平，需要针对为什么使用
频率较低进行系统分析，找到原因并提出有效的解决方案。
3，渠道来源分析——运筹帷幄，渠道监控是衡量推广效果的利器
目前，移动应用的推广渠道很多，包括应用商店、官网、应用市场、In App推广等，开
发者在渠道推广上都投入了大量的资金和精力，但往往有些长尾渠道存在导致推广成本一直很
高，效果得不到有效的监控，只能依赖于推广平台提供的数据，“一面之词”很难帮助开发者
辨别长尾渠道。
因此，渠道来源细分的功能对于开发者来讲就尤为重要了，百度移动统计就可以实现渠道
来源的细分功能。对于Android应用，可以细分到某渠道某个推广位置带来的下载量，而对于
iOS应用，可以细分到某渠道或某推广位置引入App Store带来的下载量。然后开发者可以据
此对推广渠道的效果进行监控，淘汰效果差的渠道，把推广费用真正的用在刀刃上，让开发者
的资金使用效率大幅度提高。
下面就两个操作系统平台的渠道来源细分功能进行详细解释：
1）Android渠道URL下载来源细分
Android应用由于种种原因，在国内的分发基本依赖于非官方应用市场或网站，而
Google Play市场在国内的占有率几乎可以忽略不计。针对国内的特殊情况，百度移动统计就
专门设计了一套针对Android渠道来源细分方案，原理如下：
对渠道推广原始链接进行URL封装之后，开发者可以很方便的通过后台添加新的渠道，然
后就可以跟踪不同渠道和不同推广位置带来的下载量报表了。如下图：
同时还会产出一份详细的渠道来源细分报表，然后点击进入报表中每个渠道的详情页，
可以查看到如下图中单独某个渠道的详细数据：
2）iOS渠道URL下载来源细分
iOS平台的应用相对于Android平台最大的特点就是高度统一化，所有的iOS用户
下载任何应用都必须通过App Store官方应用商店下载（部分用户通过iTunes连接电脑安装）。
所以说iOS应用的直接下载渠道都变成了“App Store”而没有区分性，无法得知用户是从哪
里看到推广之后进入App Store去下载安装的。百度移动统计专门针对App Store上游来源无法
追踪的问题进行研发，前不久推出了“App Store上游来源细分”功能，基本原理如下：
这样，移动开发者就可以在后台方便地添加新的渠道，然后可以查看到强大的App Store
上游渠道来源细分报表了。如下图：
同时还会产出一份详细的渠道来源细分报表，然后点击进入报表中每个渠道的详情页，可
以查看到如下图中单独某个渠道的详细数据：
4，终端版本分析——了如指掌，提高应用对不同设备的适配能力
常常听到开发者抱怨移动应用的设备适配问题，比如不知道目标用户群主流的机型是什
么，也不知道他们操作系统、联网方式、分辨率等数据，所以就陷入一种“穷尽”的思路，就
是花费大量人力物力去尽量做到适配所有的终端机型。而终端版本分析功能可以让开发者对用
户群体中终端设备和版本分布情况了如指掌，从而大幅度减少开发负荷，提高开发和适配效
率。下面就终端分析和版本分布功能分别进行阐述：
1）终端分析
由于Android系统开源免费，所以得到世界各大手机厂商的青睐，逐渐形成了
Android系统手机参差不齐的现象，不论是分辨率还是机型，都千差万别，各大品牌各自为
战。而iOS系统封闭，所以仅用在苹果旗下移动设备上，终端具有机型有限、分辨率固定、界
面规范等优点。
百度移动统计的终端分析功能点全面，包括设备机型、分辨率、操作系统、联网方式等指
标，每个指标都配有如下的柱状数据图，也有详细的数据报表：
2）版本分布
合理的版本发布和管理策略，可以大幅度提高用户体验，因为过多的版本和过于分
散的分布，加大了开发者的管理成本，也不利于新版本的推广。所以，开发者对移动应用版本
分布情况和变化趋势了如指掌，可以帮助开发者制定有效的版本管理方案。
5，自定义事件和错误分析——如虎添翼，个性化智能化的应用统计分析
正所谓“一千个读者脑海里就有一千个哈姆雷特”，每个移动开发者都有其统计分析上的
特殊需求，而百度移动统计作为行业内领先的分析系统，也考虑到开发者的很多个性化分析需
求，因此推出了自定义事件分析功能。错误报告分析功能会自动帮开发者统计和分析应用报错
或崩溃次数和现象，智能化记录错误日志等信息，帮助开发者快速定位信息，解决Bug。下面
就这两项功能进行具体阐释：
1）自定义事件分析
什么是自定义事件？说白了，就是任何具有转化条件的事件都可以进行自定义。例
如，对于游戏类应用可以自定义注册用户“付费”这一事件的转化率，而对于新闻读物类应用
可以定义启动用户到“注册用户”这一事件的转化率等等。
自定义事件的添加和编辑非常简单，只需要在管理后台的“自定义事件管理”中点击“添
加事件”，添加事件ID和名称，点击添加即可完成。添加成功后可以查看SDK开发“接口实
例”，如下图所示：
开发者在后台自定义事件添加成功之后，便可以查看到该事件历史趋势详情，如下图：
另外，百度移动统计后台提供了方便的用户类型编辑功能，可以将自定义事件一键设置成
为新的用户类型，如下图，点击“添加到新的用户类型”：
点击“确定”之后，就可以在统计报表的多维交叉分析（高级筛选）项目中看到有相应的
用户类型信息了。
2）错误报告分析
由于移动应用是下载并直接安装在用户的设备上，因此很多错误不能被及时发现，
这也是导致移动应用的Bug很难被开发者发现的原因。
百度移动统计可以为开发者提供全面的错误分析功能，错误报告除了帮助移动开发
者统计应用报错的总数和发生频率之外，还提供强大的错误日志和崩溃定位功能。帮助快速定
位问题所在，通过错误细节信息快速解决问题。
/ 百度移动统计介绍 /
1，产品概况
百度移动统计（http://mtj.baidu.com）是一款专业免费的移动应用统计分析工具，支持
ios和android平台，开发者可以通过嵌入统计SDK，实现对移动应用的全面监测，实时掌握产
品表现，准确洞察用户行为。我们提供强大的报告分析，助您做到心中有“数”。
它是百度公司继成功推出“网站统计”工具之后，又一次顺应移动互联网大潮，推出的基
于移动APP统计的分析工具。自2012年4月份上线以来，百度移动统计一直秉承着百度“简单
可依赖”的精神，为上万名开发者提供专业、免费、高效的移动统计分析服务，每天处理会
话请求超过10亿次。独创的“六大分析”全面帮助移动开发者实现数据化、精细化运营。如
今，百度移动统计快速迭代，已经孵化出“统计分析、开发工具、营销推广等多种服务类型，
从开发到运营到推广，为开发者提供真正意义上的“一站式”服务！百度移动统计愿与全体开
发者一同，引领大数据时代精细化运营的潮流！
2，如何启用
如此强大的统计分析功能，开通使用的步骤却非常简单易懂，只需要三步即可完成：
1）登录官网（mtj.baidu.com），注册账号
2）登录后在全部应用页面点击新增应用，填写应用的基本信息，获取应用的唯一识别码
（即AppKey）
3）下载对应平台的SDK（软件安装包，只有50K左右大小，很轻便），并参考开发文档
集成SDK，即可在百度移动统计实时查看强大的统计分析报告了！
/ 了解百度移动统计 /
以下为百度移动统计产品的说明和联系方式，
欢迎您通过官方渠道联系我们：
百度移动统计域名：http://mtj.baidu.com
百度移动统计微博：http://e.weibo.com/apptongji
百度移动统计博客：http://hi.baidu.com/apptongji
