常見APP數據統計算法
【基本數據】
日/月PV：當日瀏覽量；
日/月UV：當日瀏覽人數；
日/月活躍用戶（DAU/MAU）：在所選時間內，用戶主觀打開過至少一次app，即算活躍用戶；
【用戶黏性】
人均單日啟動次數：是指在所選時間段內，app或行業平均每天被每個用戶打開的次數。計算公式：sum{周期內第一天 ～最后一天的（日度啟動次數/日度活躍人數）}/周期內天數（日度平均算法）。
人均單日使用時長：是指在所選時間短內，app或行業平均每天被每個用戶使用的時長。計算公式：sum{周期內第一天～最后一天的（日度使用時長/日度活躍人數）}/周期內天數（日度平均算法）。
單次使用時長：是指用戶在選定時間段內人均每次使用app的時間；
【潛力算法】
活躍增幅：是指在選定時間段內啟動過的用戶數量（拍重之后即多日啟動的活躍用戶僅算1次）。
次月留存率增幅：是指統計周期內，新安裝用戶在次月依然使用app的用戶比。計算公式：上月新安裝在當月仍然活躍的人數/上月新安裝的人數。
行業滲透率增幅：是指所選時間短內，app的活躍用戶占該app所屬行業活躍用戶的比例。計算公式：app的活躍人數/app所屬行業的活躍人數；
app數據統計分析工具有哪些?
①友盟+友盟+是2016年初由友盟、CNZZ、締元信.網絡數據三家阿里巴巴旗下的大數據公司合并而成。平臺擁有大而全的產品線，是專注用戶行為統計的綜合性平臺，主要涵蓋移動應用、游戲、廣告、網站等領域。
在App統計方面，友盟提供了移動統計、游戲統計、移動廣告監測三個細分產品，可以根據需求選擇對應的產品類型，游戲統計維度齊全，除了常規渠道指標外，還自帶關卡、等級、付費等特色場景分析;廣告監測主要提供短鏈和信息流廣告的數據分析，也能自主制定推廣計劃。接下來主要介紹其移動應用統計方面的優勢。
②Talking Data 移動統計分析
Talking Data 早期主要在游戲以及互聯網金融等垂直領域耕耘，在這些方面擁有比較完整的指標和維度，同樣劃分游戲運營分析、應用統計分析、移動廣告監測等應用統計服務。移動統計分析(App Analytics)是Talking Data 2012年2月上線的產品，目前該產品提供包括App以及小程序的相關數據統計服務。
Talking Data 的移動統計分析功能把應用分析、推送營銷、開發助手、應用管理分成導航入口，并設計邀請協作功能，偏向于數據共享，能將領導、開發和運營人員納入到一張辦公桌上。
③openinstall App渠道統計
openinstall 是一種不需要制作渠道包，也不需要填寫渠道識別碼即可識別App安裝渠道來源的渠道統計工具。因此，openinstall能夠實現僅憑App安裝渠道鏈接就能統計渠道效果的功能，擺脫了人工制作渠道包和填寫渠道識別碼，使用openinstall 程序化自動生成的渠道鏈接，可以實現(數量級為億的)海量用戶在免填邀請碼的情況下開展的有獎拉新活動(本質上是視每個用戶為一個渠道，并自動為每個用戶生成一個渠道鏈接進行渠道效果統計)。
openinstall 的統計后臺分三個模塊：應用信息、應用集成、渠道統計。與其他綜合性應用統計工具相比，openinstall 主要在渠道統計這一領域的需求進行細化深挖，集成使用上十分簡單，基本沿著開發者的操作順序進行：集成開發—渠道統計—渠道管理—查看報表，基本上一眼就能看懂。另外用戶自定義方面也比較方便靈活，可以通過api 獲取渠道參數，用戶可以根據推廣需求來定制自己的推廣頁，數據的統計也可以對接到自己的后臺。
淺談內容類APP數據統計
最近在做商城導購類app，在首版基礎功能實現后，用戶基本上可以通過app完成購買流程的閉環。
接下來軟件想要再提升一個層次，就需要提升用戶瀏覽的體驗和內容推薦的效率。既然要“提升”，勢必要做許多功能，功能做完后，是否真的“提升”了，只有數據能告訴我們真相。于是乎，花了半晌對數據統計做了個總結。
拋出了幾個問題：1、要統計哪些數據？2、該怎么統計？
想要回答這個問題，就需要想一下數據在哪些工作環節會起到作用。在這里，我將數據的作用分為幾方面：
既然是導購類app，自然少不了各種導購商品的推薦，每個導購位置是對用戶的瀏覽購買起著積極的作用，推薦的東西是否合乎用戶的胃口，需要數據去佐證；又比如小明和小紅都是運營人員，但小明的月工資比小紅多一千，
小紅不服去找主管：“為啥做著一樣的事兒，我還天天加班，但小紅拿的比我多呢？”，
主管淡定地打開后臺：“小紅上個月運營商品的銷售額比你多2萬，服了么？”。
對于運營數據來說，主要是要表達清楚一件事：安排在軟件內部和外部的那些推薦位，各自產生了多少收入。即“推薦位”和“收入”之間的關系。
幾乎所有的app都要統計行為數據，這個數據是主要提供給app的設計人員看的。在導購類app中，行為數據可以這樣舉個栗子：
產品汪：“我們這版優化了搜索界面的體驗”，
老板：“優化后有效果嗎？”，
產品汪：“有啊！”，
老板：“怎么看效果？”，
產品汪：“用戶在搜索頁面產生購買的次數 / 用戶進入搜索頁面的次數 的值變大了！”，
老板：“說人話！”，
產品汪：“就是用戶搜索后購買的概率變大了！”，
老板：“干得漂亮，年終獎給你多發一張彩票”。
對于行為數據來說，要表現的是設計的功能、布局、流程是否能提升了用戶新增、留存、點擊率、購買量，最終實質還是“功能設計”與“收入”之間的關系。
這是內容類app特有的一種數據統計需求。在舊社會，人們通過報紙來獲取新聞信息，由于時代的限制每天發生的新聞數量、不同媒體競爭的壓力遠不如現在，哪個年代每個人看著同樣的報紙、同樣的版面的同樣的新聞，人們不覺得有什么不好，主要也沒有其他的什么選擇，只能看報紙。
在信息化如此發達的時代，傳統的那一套顯然不夠用了，大家每天都很忙的！那么多新聞看都看不完，就需要我們通過“智能處理”，幫助用戶去篩選新聞，這個用戶到底是關系樓下豬肉是否漲價了，還是關心NASA發射的航天飛機是否爆炸了？需要提供數據，再通過算法智能分析，去了解每個用戶喜歡什么。
推薦是把內容（例如商品）推薦給人，所以推薦數據是要表達“人”和“商品”之間的關系。
不同作用的數據統計的方式有所不同，所以針對具體需求具體分析。
對于運營數據來說，app內部有很多推薦位和推薦方式，甚至可以將內容分享到微信等社交網絡，同樣會產生點擊等數據。也就是說，用戶可以從很多我們無法預知的地方點擊、瀏覽、購買。
所以，我們無法依賴“推薦位”本身給我們提供統計的幫助。
雖然推薦位有不確定性，但既然用戶能瀏覽到內容、看到商品，那商品本身一定是確定存在的，所以我們 可以在商品信息中添加額外的信息來表示這條商品信息“是從哪來的” 。
運營在創建推廣的位置后，需要給這個位置配置推廣的商品內容，這些商品是指上是按照服務端提供的商品查詢、搜索接口查到的，只需在向服務端提交查詢請求時，帶上推薦位的標識和運營人員身份的標識等字段，服務端就可以把推薦位和運營身份的信息放入到商品信息中，返回給APP或推廣位。之后用戶點擊、購買了該商品，就能知道是什么推薦位購買的了，也可以知道哪個運營人員安排了這個推薦位。
大繁至簡，以不變應萬變，通過這個思路，哪怕用戶將這些內容分享到社交平臺，同樣可以統計到點擊和購買來自于哪里。
上面說到，行為數據主要是反映“功能設計”和“收入”之間的關系，然后影響收入的因素有很多方面，例如用戶在購買的過程中操作是否流暢、給用戶推薦的東西用戶是否喜歡、設計的某項功能是否帶動了用戶間的傳播進而提升了新增，這些都會影響收入。
這些的思路和方式都略有不同，不過中心思想是清晰的：根據每項功能設定特有的統計方式，并且數據是簡單可靠的，目的是明確的，不貪大求全，追求一項統計反應很多功能的情況。
在這里，統計哪些行為數據要比怎么統計它 重要一些。
推薦主要是說人和商品內容之間的關系，這里不關心用戶是從哪找到這個商品的，是搜索到的還是好友介紹的，都沒關系，只關心這個用戶“有多喜歡”這個商品，“多喜歡”在程序中是用數值來表達的，例如極度喜歡用100來表示，完全不care用0來表示，0-100之間的數字就是喜歡的程度。作為統計來說，就是要給推薦系統搜集這樣的數據標本，以供系統分析。點擊查看，喜歡的數值是20，收藏的數值50，購買是100。把這些數據交給推薦系統，至于商品和商品之間的關系、人和人之間的關系的計算，那是推薦系統的事兒，統計部分不需要理會這些。
由于這是第一次做推薦數據支持，目前的想法可能有些簡單，如果后面有新的體會再補上。
app的下載安裝量怎么統計？
1，全渠道數據統計：
無論是用戶間社交分享，還是優化師在各個渠道的投放，xinstall可以跨平臺跨渠道追蹤數據，統一查看app推廣運營數據、用戶下載量。
2，攜帶參數安裝：
Android/iOS開發者用xinstll官方研發的sdk（使用流程簡單），可以實現智能傳參，精確獲取App每一次下載安裝來源，也就是歸因功能。
3，免填邀請碼：
邀請用戶時，新用戶收到邀請下載APP，直接識別邀請源，不用填寫邀請碼這么麻煩，就能實現邀請關系的自動綁定。
4，快速安裝與一鍵拉起：
在xinstall官網有免費的universal link配置功能，自動拉起app并傳遞自定義參數。深度鏈接技術能讓用戶一鍵拉起喚醒app，并且還原到指定的頁面。
總結下來這款工具有效解決了很多問題，不僅app下載安裝量精準統計，而且用戶來源也很清楚，有助于篩選渠道，高效率推廣。百度下有很多相關信息。
如何統計app的下載安裝量？
先說結論：下載量是無法統計的（可以大致估算），但安裝量可以通過openinstall統計。
以 iOS 為例，首先我們可以明確，渠道分發的過程都有跳轉到 App store 這一步。期間用戶的整個安裝流程主要分為三個步驟：在某個渠道點擊下載鏈接跳轉到 App store -> App store 內下載 App ->用戶打開（激活）App。
而直接關系到下載量的第二個步驟則是一個黑盒，Apple 本身并不會提供太多信息，所以 沒有哪個第三方可以直接統計到用戶在應用市場中的下載行為。
通過多維度估算App下載量的方法
雖然不直接提供下載量數據，但由于 openinstall 能統計到落地頁訪問量、下載按鈕點擊量和安裝激活量，因此依然可以通過用戶安裝流程得出以下結論：
落地頁訪問量和下載按鈕點擊量 ≥ 下載量 ≤ 安裝激活量
運營和市場人員可以通過上述公式估算出一個大概的下載量數據，這樣得出的結論也具備一定的參考價值。
此外，openinstall 還提供“排除重復”功能，可以在估算前先對獲取到的落地頁訪問量、點擊量以及 App 激活量進行數據排重，使得出的結論更加精準。
APP如何做應用統計分析？ 能否推薦個專門做應用統計分析的平臺
應用統計指在應用里需要統計的地方寫入相應的代碼（代碼埋點），去統計用戶的行為，比如訪問數、訪客數、點擊數、頁面停留時間等。實際操作時，需要將統計的行為定義為相應的事件，更復雜的還需要定義參數。例如，統計某APP日活，則需要記錄APP的啟動事件，若需要查看活躍用戶的地域分布，則需要對該啟動事件定義地域屬性的參數。APP數據埋點可以在APP后臺進行歸集和統計，也可以借助第三方數據分析平臺來完成，比如個推的用戶運營SDK就提供此類服務。
個推·用戶運營是一站式用戶洞察與數據分析平臺，用數據增能APP精細化運營。個推·用戶運營提供專業的應用統計服務，其通過自定義埋點功能自定義統計應用內數據，結合數據進行場景分析，主要實現的場景包含：1.次數統計（統計指定行為被觸發的次數）；2.時長統計（統計指定行為消耗的時間）；3.用戶屬性統計（統計對應用戶的相關信息）。
目前，個推·用戶運營代碼埋點支持Android、iOS 平臺的APP，快應用，小程序，并且與自定義事件深度嵌合，實現了一站式配置埋點及事件，快捷簡便。個推·用戶運營SDK正限時免費中，APP開發者與運營者可注冊/登錄個推開發者中心免費注冊體驗。
APP數據分析
