當今市場，并不缺少給出從電子商務到手機游戲等各種類型應用程序平均留存時間、用戶流失率以及應用程序內購買水平的行業(yè)報告。盡管這類報告都是很有用的參考資料，但卻無法解決燃眉之急——如何優(yōu)化用戶體驗以便增加用戶數(shù)量并獲取市場份額。本系列文章共有三篇，在這一系列文章中我要幫助您更好地理解為何應用程序數(shù)據(jù)可以成為關鍵性競爭優(yōu)勢，同時推薦一些框架和工具幫助您充分利用數(shù)據(jù)。

　　首先，我要聲明一點：收集完整的移動用戶行為數(shù)據(jù)集并加以可視化，并不足以完全了解應用程序用戶。作為杰出的移動和網絡分析服務提供商，我們深刻意識到為數(shù)據(jù)賦予意義的重要性。

　　在運營三年之間，我們通過開源分析平臺與優(yōu)秀并且極富創(chuàng)造力的社區(qū)合作，現(xiàn)在分享觀察結果。

　　1.一款成功的應用程序需要在正確時間和地點傳遞給恰當?shù)挠脩?，滿足該用戶群體的需要。但如何了解目標用戶有哪些需要?那得靠數(shù)據(jù)分析了！今天的數(shù)據(jù)就是應用程序的未來優(yōu)勢，希望通過文章幫您掌握好數(shù)據(jù)和未來發(fā)展。

　　2.接下來我們得了解的核心問題是：

◆哪些用戶最有價值?　

◆您的應用程序有哪些興奮點(excitement points)和痛點(pain points)?　

◆為何常用用戶繼續(xù)使用應用程序?　

◆常用用戶在哪里使用應用程序?　

◆常用用戶何時使用應用程序?

　　3.這些問題可通過綜合使用定量(quantitative)和定性(qualitative)分析方法得到解答。兩種方法都需要使用完整的移動用戶行為數(shù)據(jù)集，而非抽樣技術分析所采集的數(shù)據(jù)，后者可能會在分析中引入不確定性的偏差。本文介紹兩種分析方法的基礎知識，探討假設檢驗技術來解決問題，幫助您改進應用程序和增加用戶數(shù)量。在后續(xù)文章中，我們將進一步探討利用 Microsoft Excel Analysis ToolPak 和 R 等常用或免費工具進行定量和定性分析，以實踐假設檢驗。

　　現(xiàn)有分析環(huán)境

　　Countly幫助應用程序開發(fā)者積累大量數(shù)據(jù)集，包括受歡迎的應用程序功能、用戶在應用程序各部分花費時間、份額以及應用程序內購買情況信息。此外從其他渠道獲取的人口統(tǒng)計學數(shù)據(jù)(收入、地址、年齡和性別)對此數(shù)據(jù)加以補充。Countly可以將移動設備數(shù)據(jù)與人口統(tǒng)計學數(shù)據(jù)加以整合，從而支持進行更可行的定性分析。

　　但此信息本身不足以證明關于用戶的假設。經常被忽略的是定性認識，特別是移動領域。這是最可能出現(xiàn)的重大疏忽，原因是因為賦予應用收入和保留標準的 “原因”不容易。為何用戶喜愛應用的內容?他們有哪些興奮點和痛點?這些觀點更加能夠幫助您全面了解目標用戶偏好、動機和行為。

　　移動優(yōu)化的實踐步驟

　　1.識別挑戰(zhàn)或機遇，然后再開始收集數(shù)據(jù)。如不可行，應該密切關注收集到的初始數(shù)據(jù)并盡快完成上述目標。跟蹤過多定量指標數(shù)據(jù)和/或無重點的定性用戶群體反饋，會導致信息過載，無法達成可行的解決方案。對于定量指標，快速評估所收集數(shù)據(jù)的方法是運行相關矩陣。相關系數(shù)為 +1 表示完全正相關，例如變量 X 增加，變量 Y 也增加，而 -1 含義恰好相反。我建議使用免費統(tǒng)計及其強大的可視化工具R，幫助您快速發(fā)現(xiàn)目標參數(shù)。在下方的示例中，請注意：

◆正相關以藍色表示，負相關以紅色表示?！?/p>

◆顏色深淺與相關系數(shù)成正比。

◆在統(tǒng)計上無關緊要的相關系數(shù)(高于 p 值)未突出顯示。

　　無需使用復雜的 SPSS 工具，您可以參考鏈接中給出的屏幕截圖和 R 分步指導。

　　2.吸引用戶。您需要了解目標用戶，最重要的一點是了解他們的需要。這一目標通常通過定性分析達成，有多種方法可以收集客戶信息：社交媒體、電子郵件反饋、面對面會談和焦點小組。但***成效且最快速的方法是使用調查。組織調查問題時，我要給出兩點提示：

　　(a)避免“是/否”型問題：

　　相反地，應嘗試多選問題，比如：

　　(b)提出有見地的開放型問題：

　　通常此類問題會放在調查結尾，前面的多選題和簡短問題用于收集爭議較少的信息并提醒用戶關注您的應用程序。下面是從近期調查中挑選出來的兩個不錯的開放型問題，用戶可以用自己的語言隨意發(fā)表觀點：

　　3.設計實驗每次只重點關注用戶生命周期中的一個方面，比如激活率、保留率或轉換率，以此進行優(yōu)化。

　　獲得用戶：我們的社區(qū)使用 Countly 了解促使用戶安裝應用程序的渠道。推動新用戶使用應用程序的實驗示例，是用于細分檢查用戶安裝應用程序的渠道。例如，可以使用 Countly 快速可視化社區(qū)媒體活動是否比廣告和其他活動(請參見下方屏幕截圖)吸引更多高品質用戶(可通過比較轉換率、應用程序內收入、會話數(shù)和活動費用實現(xiàn))。

　　深度鏈接：對于用戶，移動網絡深度鏈接應該和網絡上的深度鏈接相同：單擊鏈接(標準網站上或移動應用程序內)可以輕松迅速地直接進入移動應用程序的特定部分、會話或功能，就像在一個網頁單擊進入另一個網頁一樣。

　　但此類與網頁相類似的功能只是移動深度鏈接的開始。一款功能與網站相類似的應用程序也可能像網站那樣存儲和交付——在集中式或“基于云”的服務器上，而非用戶本地設備，這可能會為目前現(xiàn)有的本地移動應用程序行業(yè)帶來巨大變革。深度鏈接的服務器側含義遠超出用戶能夠意識到的范圍，能夠支持更廣泛的數(shù)據(jù)跟蹤、活動分配和應用程序間集成。同時還提供設計簡單實驗的機會，幫助觀察鏈接到姊妹應用程序的應用程序特定活動，是否比搜索引擎市場營銷活動吸引更多高品質用戶。

　　4.學習和迭代。實驗和優(yōu)化的目標是學習和成長。有時，您的假設并不正確。這沒問題。從錯誤中總結經驗，測試新的假設。實驗證實了假設時，要嘗試將假設和實驗應用程序到用戶生命周期的其他方面。當發(fā)現(xiàn)實驗回報遞減時，應選擇其他優(yōu)化路徑，重新嘗試。

　　這項工作永無止境！

　　用戶偏好和技術不斷變化，您始終需要發(fā)展和改進。因此您的指標和策略也無法保持固定不動。好消息是與之前相比，現(xiàn)在能夠收集到更多指標數(shù)據(jù)，支持更深入的數(shù)據(jù)挖掘。與Countly 合作，支持您向移動儀表板和原始數(shù)據(jù)中導入非移動數(shù)據(jù)集。這意味著您不僅能夠收集數(shù)據(jù)和用戶群體反饋，還可以作出反應 – 提煉、解釋和行動，促進您的應用程序的消息靈通迭代。

　　另一個我們經常忘記的要點是“簡單如此復雜，將難以實現(xiàn)”。未來發(fā)展可能涉及簡化您的應用程序。您的研究可能表明用戶認為操作應用過于復雜。您可能為應用程序添加了過多功能。放棄多余功能對于構建一款卓越用戶體驗的應用程序是至關重要。

　　作者介紹

[[162820]]

　　Onur Alp Soner，Countly 聯(lián)合創(chuàng)始人，Countly 是企業(yè)移動分析和市場營銷平臺，服務范圍覆蓋超過10億。我們著重采用開源軟件和 50 多款開源庫、SDK 和框架。我們提供開源 SDK 和整個后端，包括服務器端組件和儀表板。自我們于 2012 年成立以來，其為我們的 Github 存儲庫增添內容 2500 多次，為存儲庫建立分支 750 多次。