如何撕开不良推广渠道的伪装？

 1:解读App操作中的相关统计指标 二:如何评价不同推广渠道的用户质量？ 第一部分:解读App操作中的相关统计指标 在制作移动应用统计工具时，开发者每天必须看到新用户、活跃用户、留存用户、使用时间等指标。这些指标的含义是什么？哪些误解容易产生？本文简要解读了“启动”指标和“时长”指标。点击图片放大，查看APP运营统计指标 一、启动类指标 1：新增用户 指用户首次打开网络应用程序。如果用户首次打开APP，则该用户被定义为APP的新用户。请注意，卸载和重新安装不会被视为新用户；旧用户更新的应用程序版本将被视为新版本的用户，但不会被视为新用户；此外，未安装或安装未启动的用户不会被计算在内。 补充一个开发者经常问的问题，新版本发布了，旧版本和新用户数据，为什么？这种现象通常有两个原因：第一，下载旧版本的用户刚刚在互联网上启动了应用程序。此时，友盟收到了数据，并以服务器时间为准，记录为新用户。第二，旧版本的安装包被某些渠道捕获和使用，用户仍然可以下载。 2：活跃用户 打开应用程序的用户就是活跃用户。对用户进行积极的排重，即同一用户在一天内多次打开应用程序被记录为活跃用户。(活跃用户包括新用户和老用户。） 3：周/月活跃用户 指在自然周(月)内启动应用的用户，本周(月)内多次启动只记录一个活跃用户。 4：留存用户 顾名思义，保留是指“有多少用户留下来”。留存用户是指在下一段时间内重新启动应用程序的新用户。这部分用户占当时新用户的比例是保留率。 日保留例:3月1日新增用户100个，3月2日新增用户50个，3月1日新增用户1日后保留50%。如果这100个用户中有30个在3月3日重新启动，3月1日新用户2天后保留30%，N天后保留也是如此。 每周保留例子:A周(3月3日~3月9日)有1000个新用户，B周(3月10日~3月16日)有270个新用户启动应用，A周新用户1周后保留270/1000=27%，N周后保留相同。 月保留例:3月份有5000个新用户，4月份有550个新用户重新启动，3月份新用户1月后保留550/5000=11%，N月后保留同等。 5：升级用户 变更应用版本号的用户被视为升级用户，通常是指从旧版本升级到新版本的用户。(也包括新版本变更为旧版本的情况) 二、时长类指标 1：单次使用时间 一次启动内使用应用的时间长短被称作单次使用时间，使用时长统计的是应用一次启动内在前台的时长。请注意，应用程序在后台的运行时间不计入使用时间。 2：平均单次使用时间  平均单次使用时间=某日总使用时长/某日总启动次数。 3：日使用时长  一天内使用应用程序的总长度称为日使用时间。在友盟统计的背景下，开发者可以查看用户在任何一天内使用时间的分布，并交叉筛选每日使用时间的数据。 平均日使用时间=某日总使用时间/某日总活跃用户。 第二部分:如何评价不同推广渠道的用户质量？ 目前，移动应用推广公司数量众多，鱼龙混杂，甚至有开发者吐槽“数万元的推广费用，数万元的激活，但只有7个真正的用户！“如何评价各种推广渠道，撕开不良推广渠道的伪装？以下总结了一些通过统计工具识别渠道质量的技巧：1、明确基本指标的定义 1：新增用户 也就是我们常说的激活用户。用户只下载而不使用是没有意义的。因此，在评估渠道用户质量时，不仅要注意下载量，还要考虑用户数量。只有下载应用程序并启动用户，用户才能称之为真正的用户！而友盟则是通过设备来识别用户，而不仅仅是下载量或注册量。 2：活跃用户 活跃用户是指在所选时间段内至少打开一次应用程序的用户。当然，当天的新用户也是当天的活跃用户。友盟统计报告提供了活跃用户的指标，可以清楚地反映活跃用户中新老用户的比例。友盟有一个叫做“用户新鲜度”的指标，不仅可以看到新用户的比例，还可以获得活跃用户中老用户的具体来源。 3：使用时长 也就是说，用户一次启动应用程序的时间分布。 4：留存率 顾名思义，它指的是“有多少用户留下来”。例如，9月1日有100名新用户，9月2日有50名新用户再次启动应用，9月3日有55名新用户再次使用，9月1日新用户第二天保留50%，两天后保留55%。保留用户和保留率反映了应用的质量和保留用户的能力。 本文介绍了基本指标。根据友盟的统计分析，用户活动、用户保留率和自定义事件普遍有用。至少这些指标是产品推广初期最重要的。设备型号、网络类型、区域分布等其他常见指标在判断渠道质量方面也具有参考作用。让我们来谈谈如何利用这些指标来评估渠道用户的质量。二、利用基本指标评价渠道用户质量 1：留存分析 在应用推广中，我们通常要求渠道推广者给出第二天和第七天的数据，这导致一些推广者在欺诈时只刷第二天和第七天的保留率。友盟的同事在工作中遇到了开发人员的应用，第二天和第七天的保留率保持在30%-40%。然而，当他们检查三天和四天的保留率时，数据是可怕的。所有的都是“0”。这些数据显然不是真实用户生成的数据。 2：使用时长 再教你一招，真实用户行为产生的数据和虚假数据的使用时间肯定是有区别的。运营商通常对应用程序的使用时间分布有一个全面的把握。如果通过数据发现某个渠道的使用时间与其他渠道有明显差异，则该渠道的数据真实性值得怀疑。 3：终端属性 我在这里提到的终端属性包括设备型号、网络和运营商、区域分布。我曾经联系过一家知名公司的运营朋友。他们一直怀疑渠道提供商有数据欺诈行为，但他们一直在努力找到明确的证据。经过多项数据指标的比较，终于在终端属性数据中找到了线索：正常渠道的型号大多是三星、小米等设备，该渠道90%以上的型号是一款市场价格约400元的廉价安卓手机，还有一些型号实际上是安卓开发板！近年来，数据欺诈越来越专业化和产业化！近年来，数据欺诈变得越来越专业和工业化！然而，只要我们使用统计分析工具，我们总是可以撕开不良渠道推广者的伪装，在看似美丽的推广数据背后找到欺诈的线索，通过比较各种数据指标，筛选出最有效的推广渠道。