闯奇数据:APP如何做数据分析?

随风_YA2H2

　　当下，逢运营必谈数据分析，APP运营更是如此。数据分析的用意本不在于数据本身，而是要打造一个数据反馈闭环。收集数据，设计基础数据指标，多维度交叉分析不同指标，以数据甄别问题，再反向作用产品，最终形成数据驱动产品设计的闭环。

　　ASO优化从运营小白到产品经理，提到APP数据分析，必谈DAU、MAU、留存率、频率、时长…..那么，究竟如何将这些数据分析和日常运营结合起来呢?针对同一款产品的数据分析，一定要根据产品的生命周期(PLC, Product Lifetime Cycle)来做分析工作，不同时期数据分析的重心也有所区别，下面就从产品的几个重要时期――初创期、成长期、成熟期、衰退期，结合案例来聊聊。

　　一、初创期

　　这一阶段是检验产品定位和运营对用户与市场判断是否正确的时期，即验证产品或服务是否解决了某个群体的问题，也即常说的痛点;对运营来说，则是能否找到用户与产品的契合点，并根据用户的反馈快速迭代调整产品，以此获取第一批种子用户并扩大他们的影响力。

　　产品和运营阶段要有MVP思想，要用比较小的成本来验证产品和运营手段等。在产品同质化的互联网环境下，获取长尾用户的成本比抢占巨头的用户成本要小的多，因此，初创时期的产品一定要找准自己的定位，否则很容易陷入运营的困境。

　　举个例子：

　　网易云音乐在音乐市场已经拥有几大巨头的时候，刚上线时将目光聚焦在“民谣”，独’立音乐人等相对比较小众的类型上。在上线之初，网易云音乐用一个月时间跑遍成都丽江等地的知名live house,签下许多独’立自由的民谣创作人，吸引了一批小众的群体用户，结果这个小众组织内部越积越大，用户越来越多，为网易云音乐用4年时间突破4亿用户打下坚实的基础。

　　任何产品在上线之前，都会有自己的目标人群画像设定，惟有这样，才能具有强针对性，强吸引力。

　　初期需要分析的用户数据一般包括：性别，地域，年龄，客户端。有了一定数据后，再根据用户浏览界面等分析用户的喜好等，并以此来制作内容，在产品――用户――运营之间形成良性循环。同时通过这些数据对app的界面、流程、推送内容做优化，最终实现精准的用户个性推荐等。