1、启动类指标
① 新增用户
指首次联网打开应用的用户。如果一个用户首次打开某 APP，那这个用户定义为该APP的新增用户。注意，卸载再安装不会被算作新增；老用户更新应用程序版本会被算成新版本的用户，但不算做新增用户；还有，下载未安装或者安装未启动的用户都不会被计算在内。
再补充个开发者经常问的问题，新版本发布了，老版本还有新增用户数据，是为什么？产生这个现象通常有两个原因：第一，曾经下载了老版本的用户刚刚联网启动应用，此时友盟收到数据，并以服务器时间为准，记为新增用户。第二，老版本的安装包被某些渠道抓去使用，有用户仍可以下载到。
② 活跃用户
打开应用的用户即为活跃用户。活跃对用户进行排重，即同一个用户一天内多次打开应用被记为一个活跃用户。（活跃用户包括新用户和老用户两部分。）
③ 周/月活跃用户
指某个自然周（月）内启动过应用的用户，该周（月）内的多次启动只记一个活跃用户。
④ 留存用户
留存用户是指某段时间的新增用户在下个时间段再次启动应用的用户。这部分用户占当时新增用户的比例即为留存率。
● 日留存例举：某应用 3 月 1 日新增用户 100 个，这 100 个用户有 50 个在 3 月 2 日再次启动了该应用，则 3 月 1 日的新增用户 1 日后留存为 50%。如果这 100 个用户有 30 个在 3 月 3 日再次启动了该应用，则 3 月 1 日的新增用户 2 日后留存为 30% ，N 日后留存依次同理。
● 周留存例举：某应用 A 周（ 3 月 3 日— 3 月 9 日）新增用户 1000 个，这 1000 个新增用户在 B 周（ 3 月 10 日— 3 月 16 日）有 270 个启动了应用，则 A 周的新增用户 1 周后留存为 270/1000 = 27%，N 周后留存依次同理。
● 月留存例举：某应用 3 月份新增用户 5000 个，这 5000 个新增用户在 4 月份有 550 个再次启动了该应用，则 3 月份的新增用户 1 月后留存为 550/5000 = 11% ，N 月后留存依次同理。
⑤ 升级用户
应用版本号发生变化的用户视为升级用户，通常是指由老版本升级到新版本的用户。（也包括新版本变更为老版本的情况）
2、时长类指标
① 单次使用时长
一次启动内使用应用的时间长短被称作单次使用时长，使用时长统计的是应用一次启动内在前台的时长。注意，应用在后台的运行时长均不会被算到使用时长里。
② 平均单次使用时长
平均单次使用时长=某日总使用时长/某日总启动次数。
③ 日使用时长
一天内使用应用的总时长被称作日使用时长。在友盟统计后台，开发者可以查看用户在任意1天内使用时长的分布情况，同时可以对日使用时长的数据进行版本、渠道、分群的交叉筛选。平均日使用时长=某日总使用时长/某日总活跃用户。
目前，移动应用推广公司大量出现，鱼龙混杂，甚至有开发者吐槽“数万元推广费用，获得上万激活量，却只有 7 个真实用户！”如何评估各个推广渠道的，撕开不良推广渠道的伪装？下面总结了一些通过统计工具辨别渠道质量的高招：
二、如何评估不同推广渠道的用户质量？
1、明确基础指标定义
① 新增用户
也就是我们常说的激活用户。用户只下载不使用是没有任何意义的，因此在评估渠道用户质量的时候不能只关注下载量，还要兼顾使用量，用户下载应用并启动使用才能称为你真正的用户！而友盟是通过设备来识别用户，而不仅靠下载量或注册量。
② 活跃用户
活跃用户是指在所选的时间段内至少打开过一次应用的用户。当然，当天的新增用户同样是当天的活跃用户。友盟统计的报表中提供了活跃用户构成这一指标，它能清晰的体现出活跃用户中的新老用户所占的比例。友盟有个指标叫做“用户新鲜度”，不仅能看出新增用户的占比，还能获得活跃用户中老用户具体来自哪一天。
③ 使用时长
即用户一次启动使用应用的时长分布。
④ 留存率
举个例子：9 月 1 日新增用户 100 人，9 月 2 日这 100 人中有 50 人再次启动了应用， 9 月 3 日有 55 人再次使用，那么 9 月 1 日新增用户的次日留存为 50% ，两天后留存为 55% 。留存用户和留存率体现了应用的质量和保留用户的能力。
基础指标就介绍到这，参考友盟统计分析，其中用户活跃度、用户留存率和自定义事件是普遍有用的，起码在产品推广初期这几个指标是最重要的。其他一些常见指标如设备型号、网络类型、地域分布等信息在评判渠道质量时也有参考性作用，下面和大家聊聊如何利用这些指标来评估渠道用户质量。
2、利用基础指标评估渠道用户质量
① 留存分析
在 App 推广中，大家通常会要求渠道推广商给出次日留存和七日留存的数据，这也就造成有个别推广商在造假的时候只刷了次日和七日的留存率。友盟的同事在工作中就遇到过一个开发者的应用，次日留存和七日留存都维持到 30%—40% ，但一查看三日留存、四日留存，数据惨不忍睹，齐刷刷的全都是“0”。这样的数据很明显不是真实用户产生的数据。
② 使用时长
再教大家一招，真实用户行为产生的数据和造假数据的使用时长一定是存在差异的。运营朋友通常对应用的使用时长分布会有一个整体的把握，如果通过数据发现，某一渠道的使用时长和其他渠道有明显的差异，那这个渠道的数据真实性就值得怀疑了。
③ 终端属性
这里我所说的终端属性包括设备型号、网络和运营商、地域分布。曾经接触过一个知名公司的运营朋友，他们一直怀疑渠道商有数据造假的行为，但一直苦于找不到明确的证据证明，经过多项数据指标的对比，最后在终端属性的数据中发现了蛛丝马迹：正常渠道的机型多为三星、小米等设备，而这个渠道的机型 90% 以上却是一款市价 400 元左右的廉价安卓手机，其中还有一些型号居然是一款安卓开发板！
近年来，数据造假越来越专业化、产业化！不过，只要大家活用统计分析工具，总能撕开不良渠道推广商的伪装，在看似漂亮的推广数据背后找到造假的蛛丝马迹，通过各种数据指标的对比，筛选出效果最佳的推广渠道。
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024