数据是可怕的……这就是我们创建功能强大但简单易用的Countly 套件工具的原因。正确的数据可以为您提供大量有关您的用户、收入和品牌的可操作信息,但是如此多的数据会让您感到困扰,最终一事无成。
现在,Countly能帮您改变这种现状。
虽然不同的移动应用使用不同的商业模式,因此需要进行不同的跟踪方式。有一些常见的领域是所有移动应用开发者都需要掌握的。一个数据点尤其应该成为您分析工作的基础,它可以为您提供所做工作的独家解读,以便您可以完善工作并获取更大的收入和利润空间。
跟踪移动应用会话数的重要性
每个人都会跟踪应用下载,但所有下载速度实际上都说明了一件重要事情,那就是如何有效吸引潜在客户和扩展初始营销。当然,它不会告诉您用户体验或您的收入。但是,独立用户会话数可以说明下载后应用的有效性和参与,这意味着您正在跟踪应用自身的性能和正在进行的外联工作的成效。
您在寻找定期参与,它表示的是用户发现您的应用可以使用和访问。当然,不同类型的应用将通过不同的平均会话数查找成功;游戏与社交应用可能希望每天会看到几个个人会话,尤其是在下载之后;金融应用可能通过每周启动一次或两次的独立会话收集了许多信息。
将会话数放在用户环境中
人人网(社交网站)可能想要查看其通讯应用中一天启动独立会话五、六次或更多的前几位用户。只有用户连续签到,应用才可用作中央通讯工具;并不是每个用户都会将其作为通讯基础,但如果将其作为通讯基础的用户未创建很多日常会话,那便产生了问题。
另一方面,中国银行和保险应用可能在一周内被大量用户访问数次,精确估算为平均一天一次。会话过多实际上也反映出了问题,如用户无法查找信息,他们只能放弃操作,稍后再试。
一些拼车应用和连接到实际服务提供的其他应用可能会看到跨用户会话数中的更大差异—通勤者在工作周内每天多次使用优步(Uber),其他狂热粉丝在周末使用该应用外出游玩。两者都有参与,但会话频率差异明显。
该差异是通过会话数这样重要的数据跟踪移动应用的一部分原因:不仅表示了用户在下载您的应用之后是否会真正使用,还提供了不同类型用户及其喜好的相关信息。这有助于您针对利润率最高的用户更改应用、增加增值服务和进行其他调整,还有助于您针对不同类型的用户对市场和应用进行细分。
会话数更改趋势也说明了问题
正如不同的应用会查找不同的平均用户会话数以确定其成功一样,不同的用户提供不同级别的参与也可以视为成功,但不同移动应用的平均会话数的稳定性级别可能会不同。跟踪稳定性和关注会话数更改也可以让您掌握受众和应用性能的大量信息。
转回到中国银行应用,每个人都期望平均会话数保持相对平稳:用户的银行和保险需求不会在每日、每周甚至每年的基础上更改。如果应用继续发挥作用且保持最新版本,那么使用量(按独立会话数计量)应保持相对稳定。如果平均会话数突然下降,或者如果用户在他们首次使用的一周内创建的会话数较少,这可能表示应用出现问题,需要解决。
另一方面,如 QuizUp 游戏可能希望基于每个用户使用应用的时长看到戏剧性的变化,具体表现在用户最初采用(即下载)后,游戏的平均会话数有相对走高趋势,一段时间之后,由于用户过于熟悉该游戏而导致会话数明显下降。这就是 QuizUp 具体发生的情况,至少一部分原因可以归因于新素材不足和/或游戏功能不明显:重度用户厌倦了每次都看到同样的问题,这促使他们对应用的兴趣锐减。
使用会话数趋势并了解市场和受众有助于您通过添加新功能、新级别或增加游戏难度和刷新用户界面等措施制定出最盈利的开发周期。通过游戏能够继续看到起伏的周期,发布新功能之后会话数飙升,随后会慢慢下滑,直到发布下一个版本;其他应用应该寻求更大的稳定性并进行必要调整以保持会话数稳定。
分析的更多功能
平均会话数只是触及到问题的表面。当然,会话数只是数据收集和分析工作的开始。您不难发现即使一个数据点也可以如何强大和可操作,因此,我们还希望您通过所有分析来激发灵感,再创辉煌。如果您曾卡在特殊应用跟踪问题上,请告诉我们—我们非常乐意帮助您,我们也愿意写一篇文章以给您启发!
作者简介:
Onur Alp Sonur(欧能),Countly 联合创始人和CEO。2012年创办Countly之前,欧能在华为有大约4年的工作经验。他是华为(土耳其)首批员工之一,参与建立华为NGIN (Next Generation Intelligent Networks) 未来智能网络平台的工作。
Countly提供开源移动分析和营销平台,服务范围覆盖6亿多设备以及3,000多个移动应用程序,客户包括Samsung、Intel、Ericsson、Verizon、Ubisoft、Evernote 和 SK Telecom等。
本文探讨了移动应用中跟踪会话数的重要性,指出会话数不仅能反映应用的使用情况和用户参与度,还能帮助企业更好地理解用户行为并据此优化产品。文章通过不同类型的实例展示了如何分析会话数的变化趋势。

1639

被折叠的 条评论
为什么被折叠?



