移动APP分析洞察

移动APP分析,是GA中的第一个非网站平台分析的核心部分。这反映出了我们6年前就预测到用户向智能手机与平板电脑的转移趋势。

在过去,我们不得不自己开发移动APP数据追踪工具(由于它们的报告与网站数据报告看起来一样,因此最终会走向终结),新的Google Analytics的移动APP分析把围绕APP的数据呈现在报告中,使我们轻轻松松地便能追踪用户在APP中的交互。 不再用追踪网站的方法来追踪APP,移动APP的开发人员会惊喜地发现报告反映的数据对他们的业务十分适用。

移动APP分析001
数据虽然很漂亮,但是分析的最终目的是从中产生洞察,从而可以采取行动。这篇文章中,我会从GA新的APP分析界面中找一些报表的例子,来告诉大家,这些报告如何帮助我们为业务做一些决策。

发布:多少人在使用我们的APP?
假设我们刚发布了最新版本的”航班搜索”APP。我们收到邮件通知,我们的APP刚通过了应用市场审查(终于),我们准备开始运营了。或者我们刚刚发起了一些针对某些地区的营销活动,来促使用户安装我们的APP。可以实时监测我们获取用户的效果,用户的来源以及用户是如何参与到APP内容中来的,对我们来说十分重要。

这就是实时报告的用武之地。在用户交互后的几秒之内,数据就能够呈现在报告之中,使我们可以根据数据快速地采取行动。我们可以看到每个APP版本的用户数量,他们活跃在哪些屏幕页面,以及他们的地理位置(可以精确到城市级别)。

移动APP分析002

监测与迭代:我们如何优化用户体验?
我们可以通过很多方法来获取和吸引用户。对我们来说了解用户在APP中的行为与行为轨迹十分重要。我们希望可以回答如下问题:

> 我们业务存在瓶颈吗?
> 为什么用户离开了APP?
> 基于不同的操作系统和语言等等,用户的行为会有什么不同?

用户行为流报表(Behavior Flow Report)会告诉我们用户在APP的行为轨迹是怎么样的,他们在哪里离开,他们怎么到达特定的屏幕页面,以及按照什么样的浏览顺序到达这些页面的。我们的“航班搜索”APP报告如下,似乎在一些重要的屏幕页面的退出率(红色部分)比较高。

我们会想到拆分这个数据,把问题缩小到某个的操作系统,APP版本,用户类型等。这种方法可以使我们能够不断重复迭代,并增进用户体验。

移动APP分析003

测量与迭代:我们如何为问题排优先级?
我们的APP在应用市场上可以下载,但是在用户评论中显示了APP有一些技术问题,APP有时候会突然崩溃。实际些,Bug对于开发人员来说是现实生活中不愉快的存在,在某种程度上,Bug一直都有。问题就是,我们应该如何排优先级,怎样分配资源?

崩溃与异常报告(Crashes and Exceptions Report)会给我们一些重要的数据,帮助我们接近问题答案。这个报告中会给我们一些信息,比如:

> APP出现了哪些异常?
> 出现异常之后带来了哪些影响?
> 这些异常在APP哪里/何时出现的?
> 在哪些设备,操作系统和APP版本上出现的?

来看下面这份报告,似乎有一个Bug在升级到2.1版本的时候修复了,但又带来了另一个Bug。细分数据,去找出关于异常的更多信息,这样我们就能采取适当的措施。比如,或许这个Bug只存在安卓客户端,iOS上并没有。这样,我们的安卓开发团队就需要多做一些工作,而我们的iOS开发团队就可以早些发布iOS APP。

移动APP分析004

进化:我们需要关注什么操作系统/功能?
当我们准备进一步开发APP的时候,新的挑战出现了,我们需要知道如何在公司内部分配资源。我们需要关注什么操作系统?APP的什么功能,换言之,什么对于我们的利润影响最大?

继续看设备和投放网络概览(Devices and Network Overview)报告,我们又能够为我们的“航班搜索”APP获得一些重要的信息了。比如,我们大部分的安卓用户的版本都在4.0以上,只有一小部分用户还在使用安卓2.3或者更低。这告诉我们,如果我们停止维护安卓4.0以下的操作系统版本,影响到的用户并不大。

根据上面提到的,我们可以开始用一些 4.0以上版本的功能,并且,我们不必持续支持2.3,这样可以帮我们减少一些麻烦。另一方面,我们几乎没有什么安卓2.3及以下版本的用户,可能是因为我们的APP并没有为安卓2.3版本进行优化,对此我们需要作进一步观察,从不同的角度去看这类数据十分重要,这样我们才能为业务做最好的决策。

移动APP分析005

进化:我们应该关注哪些用户?
随着用户增长,GA数据也在增加,使我们能够重要的细分数据上找到问题并且采取行动。用户行为报告(Behavior Report),例如会话时长(Session Duration)和用户忠诚度(Loyalty)报告就提供了很多有价值的洞察。

更长的会话时长(Session Duration)和更多的会话数的用户转化率也更高。这告诉我们,我们应该关注用户的留存与参与度:我们希望我们的用户可以在离开之后回到我们的APP,我们需要定位用户退出那些点 (上面提到的用户行为流(Behavior Flow report)可以帮助我们),数据显示重复用户和参与APP时间更久的用户的转化几率更高,这一信息对于无论是营销还是设计工作都是十分重要。

移动APP分析006

报表:我们如何将数据呈现做到极致?
到现在为止我们已经讨论了现成的报告。所有的报告是在GA里默认生成的。但是,针对某一项业务定制特定维度和指标的报告是很有效的方法。也就是说,报告中的数据可以反映某个特定业务。我之前写过一些自定义维度(Custom Dimensions)的用例,以及该如何使用这些自定义维度来改进报告。

自定义维度(Custom Dimensions)就像GA中已有的度默认维度一样,只是我们可以自己创建,使我们可以收集额外的,GA默认不提供的数据。

自定义维度不仅可以使我们获取用户和内容额外信息,也使我们创建适用公司内部的报表。公司内部的人不一定熟悉GA中的术语和数据展现形式。

通过创建一个“客户级别”的自定义维度,比如,我们把报告和细分创建为如下图报表,这个报表贴近我们的业务,并且也易于在公司内部传阅。

移动APP分析007

类似地,自定义指标(custom metrics)同样使我们能够把自定义的数据发送到GA,只是,自定义指标发送的是数值而不是自定义维度那样的字符串。还是拿我们的”机票搜索”APP来说,我们希望增加这样几个自定义指标:搜索次数,预订数以及取消预订数,等等。这样就可以创建下图中这样一个报告。 这样的报告仍然贴近我们的业务类型并且适用于公司内部,即便是对那些不熟悉GA的人来说也很适用。

移动APP分析008

GA移动APP SDK使我们在移动APP上安装追踪代码变得十分简单,并开启了很多强大的分析功能。通过在APP上的测量和迭代,我们可以不断提升用户体验,最终增进了我们的业务。有时候很容易就能找到一处明显的赚钱瓶颈,有时候却需要更多的细致分析,才能获得更有价值的洞察。

作者简介
Kristoffer Olofsson是Precis Digital,一家在线数据情报与营销代理商的合伙人,他曾是Google Analytics Premium团队的部署专家。他刚上大学时便开始与数据打交道,并且经常成为数字营销经理与开发人员的沟通桥梁。