首頁 找知識 分析優化. 行動數據分析初學者教戰手冊

行動數據分析初學者教戰手冊

flurry,行動,數據

為什麼該使用Flurry Analytics?

對於所有初創或小型的團隊而言,Flurry無疑是一套非常強大的數據分析工具,原因有三點:

  1. 完全免費
  2. 擁有大部份數據分析所需的功能,且容易上手
  3. 可藉由Flurry完整的資料庫與預測模型借力使力,快速成長分析工具所在多有,但對初創公司而言,真正的問題出在於「沒有足夠的資料」,Flurry早在2008年就已進軍行動數據分析領域,全球平均一支手機有7個App裝有Flurry,透過此龐大資料庫的模擬系統,Flurry就能提供諸如標竿分析、使用者輪廓分析等功能,供開發者在早期即能進行數據比對

行動數據分析入門指南(指標篇)

觀念釐清:請先定義「一項」關鍵數據指標
許多企業主常會問:「我想讓產品快速成長,什麼指標是重要的?」很遺憾,萬用指標並不存在,隨著產品性質、成熟度的不同,關鍵指標也不盡相同, 事實上,成長最難的從來不是「如何去分析」,而是如何去定義「該分析什麼」。

 行動數據分析,APP,Flurry

 

宏觀指標

較為通用,能夠幫助開發者快速檢視App的健康程度,但是說明的僅僅是現象,若要進一步分析原因,這些指標是不夠的,建議搭配其他進階指標一同分析。

  • 下載數(New User):有多少用戶下載了您的產品,可以分別以每日、每週、每月檢視
  • 活躍用戶(Active User):每日有多少用戶有開啟過您的產品,可與下載數相除
  • 造訪次數(Session):App被開啟的次數,可以分別以每日、每週、每月檢視
  1. Session的明確定義:各家分析工具有不同的定義,以Flurry而言,若您的App被拉到主畫面後(如按Home鍵)超過10秒以上,將被判定Session結束。但Flurry允許開發者自行定義此指標
  2. 組合上述指標:許多分析者會將 DAU/ MAU 視作活躍指標、(DAU-DNU)/ DAU 視作忠誠度指標,我們建議您可以試著組合上述宏觀指標,找出最適合的觀察指標

 

用戶群像指標

與其他指標不同的是,這些指標通常是質性而非量性指標,可以幫助開發者更精確地抓住用戶的樣貌,並藉此調整產品或設計行銷活動。

  • 人口統計指標(Demographic)依照年齡、性別、地區、語言進行分析,但通常較難從這些指標中萃取有意義的洞察
  • 行為指標(Behavior)了解您的用戶還下載了哪些類型的App,開發者可從用戶的行為觀察他們的喜好,進而思考可能的行銷切入點
  • 用戶輪廓(Persona)用戶輪廓是Flurry獨有的功能,我們創造了一個大型的用戶模型,並依據用戶的行為指標將其歸類成某一種樣貌,協此開發者更具象化目標客群的樣貌

用來為用戶分曾用戶輪廓到底有什麼:目前Flurry所建立的用戶輪廓超過40種,包含商業專業人士、電影愛好者、新手媽媽等…詳情可點此瞭解更多,另外值得注意的是,Persona的分類依據是透過App的使用行為而非僅人口統計變數。

 

用戶活躍度指標

活躍度指標可以與用戶路徑(User Path)交互比對,瞭解用戶是如何使用我們的產品的,從用戶的角度看產品的定位是什麼,尤其對社交型產品而言,活躍度是相當重要的一項指標。

  • 每次使用時長(Session Length):用戶每一次造訪的總時長,Flurry採計中位數而非平均數,可以幫助我們了解我們屬於沉浸式的產品或是嘗鮮式的產品,可與頻率交互比對
  • 使用頻率(Frequency):用戶每天/ 週/ 月造訪的頻率為何,可以理解用戶對產品的成癮程度為何,通常交友與通訊軟體的頻率會相當的高

用戶忠誠度指標

如果您的產品在較為早期的階段,我們強烈建議您用忠誠度作為關鍵指標,原因在於忠誠用戶的價值與一般用戶相差甚遠,根據統計,約有20%的用戶在用過一次後就不再使用,從終身價值來看是非常有損害的一件事。

  • 回訪率(Return Rate)經過某特定時間後,還有多少比例的用戶會回頭造訪,業界主流指標視1日、7日、14日、30日為通用回訪指標
  • 流失率(Churn Rate)在特定時間內,用戶下載後就不再使用的比率,這項指標比回訪率更具代表性,可以搭配客群分析,找出關鍵流失客戶

行動數據分析入門指南(方法篇)

用戶分層分析

請專注在某一種關鍵用戶上即可。你可以透過背景(年齡、性別、地區、語言),曾使用過的活動(Event)、使用頻率(Frequency)進行分層,得到這些分層後再回頭去看個分層在下載數、黏著度上的表現。

  • 用戶群組(Cohorts):依照用戶取得日期,來為用戶分層
  • 使用程度(Usage Level):依照用戶使用程度來進行分級,去區隔重度使用者、一般使用者與少量使用者,來為用戶分層
  • 活動(Events):依照你所定義的不同活動、特定行為或價值,來為用戶分層
  • 使用者輪廓(Demographics & Geography):依照不同的年齡、性別、地區、語言或其他可能的基本資料,來為用戶進行分層
  • 用戶取得來源(Acquisition Source):依照當初取得用戶的來源或活動,來為用戶進行分層

行銷活動與渠道分析

除了客群分層外,開發者亦可自訂用戶是透過什麼「活動」及「渠道」發現產品的, 即是以「獲取方式」作為分隔基礎,常見的用法為追蹤新用戶的使用狀況,用以辨 別某項活動/ 渠道 獲取的用戶價值高低,藉以計算行銷時的ROI 切換不同的品質標準。

漏斗分析

對不靠販售廣告的應用程式而言,關鍵行為的轉換非常重要:「用戶到底是在哪裡流失的?」是最重要的議題。因此,Flurry提供了漏斗分析,開發者可以自訂關鍵路徑,並觀察用戶的行為變化,再透過用戶訪談、A/B Testing等測試方法,去尋找背後的原因為何,是非常實用的技巧。(須加裝事件追蹤碼)

標竿分析

Flurry也有提供強大的標竿分析功能,開發者可以以同類型App的平均水準作為標竿,衡量用戶的活躍程度是否健康(例如:比對 Session Length 與 Frquency),對於資料較不足的新創團隊可以說是一大福音。

其實一切都是為了一條公式…LTV>CAC

說了這麼多的衡量指標與分析方法,其實都要回歸到一個最簡單的問題:「我的App能賺錢嗎?」剖析一下這個問題,我們得到了LTV(用戶終身價值)>CAC(用戶獲取成本)這條黃金公式,當LTV遠高於CAC時,公司才有成長潛能,上述的指標與方法不外乎就是試圖提高LTV、降低CAC,由於對客戶價值的定義有所不同、我們所經營出來的生命週期也有所不同,所以我們再次強調,沒有萬用的指標,一切都操之在我們

LTV(顧客終身價值)= 預期生命週期 x 平均每用戶貢獻收入x 毛利率

CAC(用戶獲取成本)=總獲取成本 / 總用戶數

 

行動數據分析入門指南(實戰篇)

行動數據分析,APP,Flurry

用戶輪廓(Persona)

相信大家應該都聽過用戶區隔(User Segment)的概念,而用戶輪廓(Personas)則是更深入地針對目標族群App使用行為進行探討,藉由前述 Flurry 龐大的使用行為資料庫,我們得以建立精準模型、將各種用戶分類,如電影狂熱者、貓咪愛好者、商務旅遊者等等,有了「用戶輪廓」的建立,開發者便能更深入了解您的App該如何針對目標客群調整產品與宣傳方案,以提升用戶黏著度。

除此之外,用戶輪廓也是App開發商與廣告主談判重要的籌碼,了解用戶結構後更能幫助廣告主進行精準投放。

行動數據分析,APP,Flurry

用戶獲取分析(UAA)

身為App開發者,我們常會需要透過各種宣傳活動(如: Line coin, native ad, banner …)來增加下載量,然而,這些用戶真的有價值嗎?透過 Flurry 所提供的用戶獲取分析,不但可以持續追蹤各通路或活動發表後的點擊次數、下載安裝數(比例),還可以追蹤用戶的投入程度、品質百分比等等,以確保用戶不會在下載完之後就不再開啟 App。

行動數據分析,APP,Flurry

用戶回訪分析(Retention)

回訪用戶(內地稱作「留存用戶」)是初創團隊最重要的數據指標之一,指的是下載您的App一段時間後仍繼續使用的人,這群用戶不但忠誠度較高,對開發商來說也更具商業價值

在正式進行分析前,我們強烈建議您定義屬於您的回訪週期,業界流傳著「40-20-10」的規則,也就是隔日回訪率(下載後隔一天會使用的,以此類推)要達到40%、七日回訪率要達到20%、三十日回訪率要達到10%,才能稱作一個較為健康的產品狀況,當然,這些指標會因每個產品不同的屬性、內容以及使用情境而異

行動數據分析,APP,Flurry

事件追蹤(Event Tracking)

在進行產品功能設計時,我們必須了解一項關鍵問題:「用戶是怎麼使用我的產品的?」在Flurry中,開發者可以自行設定事件(及用戶使用的功能或執行的某項動作),每個事件中可以含有不同的行為參數:如用戶點擊性別欄(事件)、勾選男性(行為參數),透過此設定,開發者就能清楚掌握使用狀況,但是事件追蹤目前仍須額外添加追蹤碼才能啟用。

行動數據分析,APP,Flurry

行動數據分析入門指南(案例篇)

Overstock 如何透過 Flurry 提升25% 的人均購買量

Overstock.com是美國知名的線上零售商,目前公司已成功上市,主要業務是販售線下零售店未賣完的剩貨,商品內容包含大型傢俱、家裝以及各類服飾,2010年Overstock正式將其App上架,開放消費者也能透過行動應用程式瀏覽、搜尋以及購買商品

行動數據分析,APP,Flurry

Overstock於2013 年導入Flurry Analytics,希望藉由數據分析來優化使用者體驗,而為了優化體驗,Overstock想先了解自家App在iPhone與iPad上的操作體驗有何相異之處

為掌握用戶行為,Overstock產品團隊開始追蹤各種不同的使用者事件(Events),包含搜尋行為、滑動目錄頁、點擊放大圖片以及看網友評論等…不久之後,兩者差別漸漸浮現,我們發現,iPhone用戶偏向目標導向,搜尋特定商品的行為也較iPad高出4-5倍,反觀iPad的情境則較為瀏覽導向,以滑動行為而言,iPad多出3倍之多,了解這點後,Overstock馬上開始著手修改介面設計,在iPhone上主要修改了搜尋引擎的機制與流程;在iPad上則是將商品圖片放大,強化其視覺效果等

 

行動數據分析,APP,Flurry

此次改版的結果提升了以下數據的表現:

  1. 搜尋優化後,iPhone的應用程式內購買者(In-App Purchasers)提升了70%
  2. 圖片優化後,iPad的應用程式內購買者提升了30%
  3. 平均每使用者應用程式內購買(In-App purchase/ Users)提升了25%

 

PicCollage 透過 Flurry Analytics 大幅提升使用者體驗

PicCollage 拼貼趣是知名的免費相片組圖App,目前全球已有將近1億使用者。隨著相 片組圖 App 越來越多元化,PicCollage 不斷的推出新的介面設計與進階功能以提供更卓越的體驗給使用者,以增加市場競爭力

行動數據分析,APP,Flurry

  1. 提升模板的使用率
  2. 提升使用者完成拼貼的轉換率

PicCollage 團隊自2011年即開始使用 Flurry,期望透過 Flurry 了解使用者在App的 使用行為。其中,他們特別關心在事件分析(Event)、使用者區隔(Segment) 與使用者行為(Usage)等功能

為提供更好的使用者體驗,產品團隊調整了起始介面(landing screen),並想了解其改變對於使用者的點擊率及分享率的影響

透過 Flurry 的 Funnel Analysis,PicCollage 團隊發現新介面推出後,每一步驟的轉換率都略有提升,而改版後,模板的使用率確實有顯著的提升,此外,在 iOS/ Android上使用者體驗也不盡相同。未來,他們將透過更進階的客群分層了解不同使用者對改版後介面的接受度差異,進而優化產品以提升使用者體驗。

行動數據分析,APP,Flurry

  • 左圖為原介面:採簡潔直觀的設計,並未凸顯模板的功能
  • 右圖為新介面:強調模板的設計,期望能提升模板使用率

本篇文章由 dcplus 數位行銷實戰家編輯編撰整理。
原文出處:行動數據分析初學者手冊 – mobile analytics guide basic from Flurry, Inc.

關於 dcplus編輯團隊

dcplus編輯團隊
dcplus 編輯團隊為你撰寫、收錄、編譯各式各樣的數位行銷精選好文,舉凡搜尋行銷、社群行銷、影音行銷、行動與口碑行銷...等,讓你總是走在數位行銷潮流的最前線。

大家都在看

全 4K 時代來臨! 除了大螢幕和高畫質 消費者還考量什麼?

全 4K 時代來臨! 除了大螢幕和高畫質 消費者還考量什麼?

在疫情影響下,宅娛樂需求刺激電視螢幕銷售成長動能,據報導指出,台灣電視市場進入全 4K 時代,除了電視走向大螢幕、高畫質的 4K 時代,若能照顧到「智慧家電、護眼」等隱性需求,有助於在競爭激烈的市場中更得民心。

還想知道更多數位新知?快來訂閱 dcplus 關鍵分享報

您希望收到哪些資訊呢?