在傳統的網際網路中，如何收集與分析資料，進行資料化營銷以及資料化運營，都已經有較成熟的解決方案，市場上有很多第三方提供這樣的服務，有商業的，也有免費的。很多公司內部開發的bi與日誌分析系統功能也很強大。而對於移動網際網路來說，大家都還處於摸索的階段。我們「今夜酒店**」也不例外，這裡希望能跟大家交流一下這幾個月來我們利用google analytics來進行資料化運營與產品設計的一些感受與心得體會。
如何獲得資料
第乙個問題，就是如何獲得移動app的資料。這就涉及使用什麼工具來獲得想要的資料。相信很多跟我們一樣處於初創階段的公司或個人，都沒有過多的精力來自行開發資料的收集與分析系統。這時候，我們就把目光投向了第三方免費的工具。相信大家都知道大名鼎鼎的flurry，以及國產的友盟。還有乙個就是免費的google analytics，在收集和分析移動app資料方面，它非常強大。
經過綜合分析與對比，我們最終還是決定使用google analytics來作為我們的資料分析工具。
選擇好資料分析工具之後，第二步是如何正確地實施與部署google analytics。在這個過程當中，我們的體會就是，要用好google analytics來收集與分析移動app的資料，最重要的是利用好它的五個自定義變數以及事件追蹤。比如可以把app的版本號作為自定義變數傳回，這樣你就可以很好地來細分不同的版本在轉化漏斗上是否有明顯的改進。而對於事件追蹤（event），我們把每個按鈕的點選都作為乙個事件傳送回來。我們的產品經理可以明確地知道每個按鈕每天有多少使用者在點選，對於我們的產品改進也有非常大的幫助。
對於管理者而言，可以在google analytics裡自定義乙個常用資料的報表儀表板（dashboard），從而一目了然地知道很多最重要的資料。如以「今夜酒店**」這個應用為例，見圖1。
資料指導產品與運營
獲得以上關鍵資料後，第一步，分析與研究最重要的漏斗，即轉化漏斗，即圖1中左側前四個資料。使用者從開啟app到最後完成購買的流程可大致分為四步：開啟app→檢視酒店詳細資訊→填寫訂單→完成訂單。
在圖程式設計客棧中，有50%的使用者開啟app之後檢視了酒店的詳細資訊，然後只有10%的人開始填寫訂單。從中我們可以得到的分析結論有四個方面：
第乙個是可能我們的酒店數量對於使用者來說是遠遠不夠的，因此使用者都沒有進一步進入檢視酒店資訊的慾望。
第二個結論是酒店列表（開啟「今夜酒店**」應用即顯示酒店列表）的資訊已經比較足夠使用者選擇酒店，因此當使用者看到列表當中的酒店之後，不需要檢視酒店的詳細資訊。
第三個結論是可能我們的app產品設計不夠良好，使用者用「今夜酒店**」不容易找到自己需求的酒店，因而有50%的人不進入到酒店的頁面。
第四個結論是「今夜酒店**」上的酒店不夠好（價效比不夠好，或是酒店描述太糟糕），所以當使用者看完酒店的具體資訊之後，只有10%的人願意開始預訂。
這四種結論對於運營和產品的方向來說，是完全不相同的。這時候，更多的是需要運用行業的知識以及使用者的調研與反饋，來判斷究竟需要在哪個方面做出努力。
而當使用者開始填寫訂單之後，成功完成並提交訂單的使用者比例是75%。我們可以從乙個更長的時間段去觀察這個比例的發展趨勢，來分析購買流程對於使用者來說是否很流暢。不斷地改善預訂流程，從而提高這個比率。
第二步，我們可以分析「今夜酒店**」新老使用者的比例，即使用者黏度。以上圖中的資料為例，老使用者佔比接近60%。這個資料如果只看一天，其實不能幫助我們做出決策。我們需要從更多的時間段去看，分析不同月份使用者的回訪比例與回訪次數，再結合使用者訪談與調研，了解使用者對「今夜酒店**」最不滿意的地方。此外，新老使用者的比例還可以結合不同的營銷推廣渠道，來看不同渠道使用者的忠誠度，這對於市場運營來說是非常有幫助的。
再舉乙個資料來幫助運營決策的小例子。在「今夜酒店**」的酒店列表頁中，為了更方便使用者尋找酒店，我們設計了按各種方式排序的功能，比如按星級由高到低，按距離由近到遠，按**由低到高等。我們現在來看看使用者點選最多的按鈕是哪個，這裡就用到了我前面說到的事件追蹤的功能，見圖2。
從圖中我們可以看到，**了「今夜酒店**」應用的使用者，最關心的是有沒有高星級的酒店，其次是**，最後才是距離是否合適。而這與一般訂酒店的使用者習慣是不一樣的，在一般的酒店預訂過程當中，使用者更為關心的是酒店的位置與距離。通過這個資料，程式設計客棧我們的產品人員可以將價效比最高的高星級酒店放在酒店列表的頂部，從而節約使用者查詢酒店的時間。另外，我們的運營人員也可以有針對性地去開發一些更高價效比的高星級酒店。
從google analytics獲得的資料，在幫助「今夜酒店程式設計客棧**」的運營團隊做一些決策的同時，也能幫助我們的產品經理來更好地改進我們的產品。比如在我們最近的1.3.0版本中，我們的酒店篩選功能包括了選擇商圈、酒店星級、寬頻早餐、酒店是需要到店付款還是立即支付等。我們拿到的各個按鈕的點選資料如圖3所示。
從上面的資料中，我們發現使用者點選「取消篩選」這個按鈕的數量竟然是最大的，其次才是點選「顯示結果」按鈕。設定「取消篩選」這個按鈕是為了讓使用者在不想進行篩選的時候，可以點選它回到酒店列表；如果使用者想看篩選結果，需要點選的是「顯示結果」按鈕。從資料來看，使用者明顯習慣性地將「取消篩選」這個按鈕誤認為是「顯示結果」按鈕了。為什麼會造成這個情況呢？因為使用者從酒店列表進入到篩選功能時，那個點選按鈕恰好就在「取消篩選」這個位置（見圖4）。在智慧型機上，使用者的操作更多憑藉的是手指的習慣，而不是你的按鈕上面所寫的文案。
上面幾個例子，是資料指導產品與運營中比較普通的例子，在實際工作中，其實有更多更為複雜的情況。資料化運營與產品設計說起來很簡單，就是用資料來分析判斷、幫助決策，但做起來很難。「今夜酒店**」在這方面也僅僅剛起步，但是我們希望用這樣一種方式，不斷改進使用者體驗。
原文位址：
本文標題: 例項分析ga在移動app運營與產品設計中的應用
本文位址: /news/exp/45893.html
移動APP使用者行為分析
產品設計流程 一 使用者行為分析需要解決3個問題二 移動端使用者分析維度 1 使用者分析 1 使用者資料 使用者資料報括使用者id ip資料，手機白名單 需要第三方機構付費購買 2 活躍使用者 每乙個產品每乙個公司對此都有不同的定義，具體看運營部門需求 7 使用者屬性 使用者地域分布 男女比例 教育...
移動APP使用者行為分析
一 使用者行為分析需要解決3個問題 二 移動端使用者分析維度 1 使用者分析 1 使用者資料 使用者資料報括使用者id ip資料，手機白名單 需要第三方機構付費購買 2 活躍使用者 每乙個產品每乙個公司對此都有不同的定義，具體看運營部門需求 7 使用者屬性 使用者地域分布 男女比例 教育程度等相關維...
移動App運營的8個潛規則
下面是原文摘錄。跟這些渠道的合作方式無非三種，一種是付費合作，那很簡單，談好 付錢。第二種是免費，主要是就是首發，還有就是跟渠道的運營小夥伴搞好關係讓幫忙給個免費的位置等。第三種是活動獎品合作，簡而言之，就是渠道商會逢年過節策劃些活動，需要獎品贊助然後提供給贊助的cp一些推薦位，還有就是原來安卓和安...