數據統計平臺調研報告
一、調研目的
目前有多種APP應用數據統計平臺，如友盟、騰訊移動分析、Cobub Razor、Bugly等。當前運營統計需求有按公司進行分組統計PV、UV等數據，因此需要對上述幾個平臺進行調研。
1.名詞解釋：
PV：即頁面瀏覽量；用戶每1次對APP中的每個網頁訪問均被記錄1次。用戶對同一頁面的多次訪問，訪問量累計。
UV：指訪問某個站點或點擊某條新聞的不同IP地址的人數。
二、調研內容
1.友盟
友盟包含如下統計分析種類：
1)應用概況
實時統計：今日與歷史數據的對比
整體趨勢：APP應用的整體概要、用戶數的趨勢統計
2)用戶分析
新增用戶：按日、周對第一次進行啟動的用戶的統計
活躍用戶：按日、周對啟動過一次的用戶的統計
沉默用戶：用戶在安裝后或次日無啟動行為的統計
啟動次數：對用戶打開應用次數統計
版本分布：應用的版本進行統計
行業對比：同行業APP對比
3)用戶構成
周用戶構成：對回流用戶、連續活躍用戶、忠誠用戶的統計
用戶成分轉化：對變化系數的趨勢統計
4)留存分析
留存用戶：某段時間新增的用戶，經過一段時間后，仍繼續使用的用戶
5)渠道分析
分析各渠道用戶數量的趨勢對比
6)用戶參與度
使用時長：一次啟動的使用時長
使用頻率：日啟動的次數
訪問頁面：用戶一次啟動訪問的頁面數量
使用間隔：同一用戶兩次啟動間隔時間
7)功能使用
頁面訪問路徑：用戶從打開到離開應用整個過程中每一步驟的頁面訪問。
自定義事件：事件的觸發次數。
事件轉化率：整個事件的最終轉化率
8)終端屬性
設備機型、分辨率、操作系統、網絡、運營商、地域等信息
9)錯誤分析
錯誤趨勢：錯誤數、影響用戶數、影響用戶/活躍用戶、錯誤解決率
錯誤列表
10)社會化分享
如果集成了友盟的社會化分享，可統計應用社會化分享
11)消息推送
友盟實現了消息推送功能。
12)APP發送策略
啟動時發送、按間隔發送
調研結論：友盟可支持很多數據的統計，包括其自己的社會化分享和消息推送，植入SDK方便快捷，屬于埋點統計，支持用戶分組，分組方式如下：
a)活躍時間
b)觸發、不觸發事件
SDK無法修改，不能發送到指定服務器，無法支撐需求。
2.騰訊移動分析
騰訊移動分析是騰訊出的一款數據統計平臺，可統計的數據有：
1)應用概況
實時統計：今日與歷史數據的對比
整體趨勢：APP應用的整體概要、用戶數的趨勢統計
2)用戶、設備分析
用戶留存率：某段時間新增的用戶，經過一段時間后，仍繼續使用的用戶
用戶流失與回流：在一個觀察周期后不活躍的用戶與超過一個周期后，用戶再次使用的統計
用戶活躍度：
用戶畫像：通過用戶數據畫出用戶基本畫像
設備畫像：用過設備基本信息
用戶時段：啟動次數、新增用戶、活躍用戶
周用戶構成：對一周內的回流、流失、活躍、忠實用戶的統計
3)版本渠道分析
渠道分布：不同渠道的新增、活躍、啟動次數等
渠道效果：不同渠道的留存、使用時長、使用次數
版本分布：不同版本的新增、活躍、啟動次數、時長
4)用戶參與度
使用時長、頻率：
頁面訪問：人均訪問頁面數量
頁面路徑：從一個頁面去向其他路徑的分流情況
頁面來源：所選頁面訪問量的來源情況
5)事件分析
自定義事件：事件的觸發次數
漏斗模型：事件轉化
6)質量監控
錯誤統計：錯誤發生次數
錯誤分析：錯誤原因
錯誤告警：當錯誤達到一定比率，可郵件、微信通知開發人員
統計接口監控：對統計的接口的失敗率，耗時等監控
網速監控：感覺意義不大。。
7)上報策略
實時發送
wifi下發送
批量發送（達到30條發送）
啟動時發送
開發者模式
間隔時間發送
調研結論：騰訊移動分析統計內容較細，SDK植入便捷，支持用戶群組，用戶群支持如下情況：
a)時間段范圍
b)設備屬性
c)觸發自定義事件
d)觸發漏斗
由于SDK不能修改，無法發送到指定URL，另外群組無法支持運營需求。
3.CobubRazor
Cobub Razor是一款開源的統計平臺，服務平臺可以部署在本地，SDK可以自行修改上傳地址和參數格式。其平臺統計內容有：
1)應用概況
分布渠道：按渠道統計新增、日活、啟動次數、使用時長、周活、月活等
版本分布：按版本統計新增、活躍用戶數
2)用戶
使用頻率：統計使用次數
使用時長：統計每次使用時長
分時段趨勢：按時段統計活躍、新增數量
頁面訪問路徑：用戶的頁面訪問路徑比例
地域分析：按地域統計用戶啟動次數和新增用戶數量
用戶留存：
用戶行為軌跡
3)終端網絡
設備型號
操作系統
分辨率
運營商
聯網方式
廠商
4)事件轉化率
事件轉化率：即自定義事件流的轉化率
5)錯誤分析
錯誤趨勢
錯誤列表
6)發送策略
啟動時發送
立即發送
定時發送
調研結論：Cobub
Razor，其統計平臺統計內容相對較少，不支持分組統計，不過可以對其SDK進行修改，將數據發送到指定URL上。再由服務器開發人員開發統計平臺。
4.Bugly
Bugly將運營統計和bug上報分成兩個模塊，即Bugly更加重視bug分析處理，其統計項如下：
1)應用概覽
對使用用戶、啟動次數、安裝用戶、版本渠道統計
2)用戶分析
版本分布：累計新增用戶、使用用戶、啟動次數
留存分析：用戶的留存分析
使用頻率、時長：可按渠道、版本統計用戶啟動次數、使用時長
3)渠道分析
渠道分布：分渠道統計用戶啟動次數、新增用戶數
4)異常上報
異常概覽：統計用戶崩潰率、次數崩潰率、發生次數、影響用戶數、用戶聯網數等，可多版本對比
崩潰分析：崩潰的log，開發者可設置已處理，可按版本、是否處理查詢，崩潰詳情可以查看手機信息及崩潰日志和頁面跟蹤
卡頓分析：統計遇到的卡頓異常，及相應的手機信息、日志和頁面跟蹤
錯誤分析：
調研結論：Bugly正如其名，更加注重APP出現的bug分析處理，在數據統計方面統計項較少，統計內容不豐富。建議采用bugly對app進行bug統計分析。
