常见APP数据统计算法
【基本数据】
日/月PV：当日浏览量；
日/月UV：当日浏览人数；
日/月活跃用户（DAU/MAU）：在所选时间内，用户主观打开过至少一次app，即算活跃用户；
【用户黏性】
人均单日启动次数：是指在所选时间段内，app或行业平均每天被每个用户打开的次数。计算公式：sum{周期内第一天 ～最后一天的（日度启动次数/日度活跃人数）}/周期内天数（日度平均算法）。
人均单日使用时长：是指在所选时间短内，app或行业平均每天被每个用户使用的时长。计算公式：sum{周期内第一天～最后一天的（日度使用时长/日度活跃人数）}/周期内天数（日度平均算法）。
单次使用时长：是指用户在选定时间段内人均每次使用app的时间；
【潜力算法】
活跃增幅：是指在选定时间段内启动过的用户数量（拍重之后即多日启动的活跃用户仅算1次）。
次月留存率增幅：是指统计周期内，新安装用户在次月依然使用app的用户比。计算公式：上月新安装在当月仍然活跃的人数/上月新安装的人数。
行业渗透率增幅：是指所选时间短内，app的活跃用户占该app所属行业活跃用户的比例。计算公式：app的活跃人数/app所属行业的活跃人数；
app数据统计分析工具有哪些?
①友盟+友盟+是2016年初由友盟、CNZZ、缔元信.网络数据三家阿里巴巴旗下的大数据公司合并而成。平台拥有大而全的产品线，是专注用户行为统计的综合性平台，主要涵盖移动应用、游戏、广告、网站等领域。
在App统计方面，友盟提供了移动统计、游戏统计、移动广告监测三个细分产品，可以根据需求选择对应的产品类型，游戏统计维度齐全，除了常规渠道指标外，还自带关卡、等级、付费等特色场景分析;广告监测主要提供短链和信息流广告的数据分析，也能自主制定推广计划。接下来主要介绍其移动应用统计方面的优势。
②Talking Data 移动统计分析
Talking Data 早期主要在游戏以及互联网金融等垂直领域耕耘，在这些方面拥有比较完整的指标和维度，同样划分游戏运营分析、应用统计分析、移动广告监测等应用统计服务。移动统计分析(App Analytics)是Talking Data 2012年2月上线的产品，目前该产品提供包括App以及小程序的相关数据统计服务。
Talking Data 的移动统计分析功能把应用分析、推送营销、开发助手、应用管理分成导航入口，并设计邀请协作功能，偏向于数据共享，能将领导、开发和运营人员纳入到一张办公桌上。
③openinstall App渠道统计
openinstall 是一种不需要制作渠道包，也不需要填写渠道识别码即可识别App安装渠道来源的渠道统计工具。因此，openinstall能够实现仅凭App安装渠道链接就能统计渠道效果的功能，摆脱了人工制作渠道包和填写渠道识别码，使用openinstall 程序化自动生成的渠道链接，可以实现(数量级为亿的)海量用户在免填邀请码的情况下开展的有奖拉新活动(本质上是视每个用户为一个渠道，并自动为每个用户生成一个渠道链接进行渠道效果统计)。
openinstall 的统计后台分三个模块：应用信息、应用集成、渠道统计。与其他综合性应用统计工具相比，openinstall 主要在渠道统计这一领域的需求进行细化深挖，集成使用上十分简单，基本沿着开发者的操作顺序进行：集成开发—渠道统计—渠道管理—查看报表，基本上一眼就能看懂。另外用户自定义方面也比较方便灵活，可以通过api 获取渠道参数，用户可以根据推广需求来定制自己的推广页，数据的统计也可以对接到自己的后台。
浅谈内容类APP数据统计
最近在做商城导购类app，在首版基础功能实现后，用户基本上可以通过app完成购买流程的闭环。
接下来软件想要再提升一个层次，就需要提升用户浏览的体验和内容推荐的效率。既然要“提升”，势必要做许多功能，功能做完后，是否真的“提升”了，只有数据能告诉我们真相。于是乎，花了半晌对数据统计做了个总结。
抛出了几个问题：1、要统计哪些数据？2、该怎么统计？
想要回答这个问题，就需要想一下数据在哪些工作环节会起到作用。在这里，我将数据的作用分为几方面：
既然是导购类app，自然少不了各种导购商品的推荐，每个导购位置是对用户的浏览购买起着积极的作用，推荐的东西是否合乎用户的胃口，需要数据去佐证；又比如小明和小红都是运营人员，但小明的月工资比小红多一千，
小红不服去找主管：“为啥做着一样的事儿，我还天天加班，但小红拿的比我多呢？”，
主管淡定地打开后台：“小红上个月运营商品的销售额比你多2万，服了么？”。
对于运营数据来说，主要是要表达清楚一件事：安排在软件内部和外部的那些推荐位，各自产生了多少收入。即“推荐位”和“收入”之间的关系。
几乎所有的app都要统计行为数据，这个数据是主要提供给app的设计人员看的。在导购类app中，行为数据可以这样举个栗子：
产品汪：“我们这版优化了搜索界面的体验”，
老板：“优化后有效果吗？”，
产品汪：“有啊！”，
老板：“怎么看效果？”，
产品汪：“用户在搜索页面产生购买的次数 / 用户进入搜索页面的次数 的值变大了！”，
老板：“说人话！”，
产品汪：“就是用户搜索后购买的概率变大了！”，
老板：“干得漂亮，年终奖给你多发一张彩票”。
对于行为数据来说，要表现的是设计的功能、布局、流程是否能提升了用户新增、留存、点击率、购买量，最终实质还是“功能设计”与“收入”之间的关系。
这是内容类app特有的一种数据统计需求。在旧社会，人们通过报纸来获取新闻信息，由于时代的限制每天发生的新闻数量、不同媒体竞争的压力远不如现在，哪个年代每个人看着同样的报纸、同样的版面的同样的新闻，人们不觉得有什么不好，主要也没有其他的什么选择，只能看报纸。
在信息化如此发达的时代，传统的那一套显然不够用了，大家每天都很忙的！那么多新闻看都看不完，就需要我们通过“智能处理”，帮助用户去筛选新闻，这个用户到底是关系楼下猪肉是否涨价了，还是关心NASA发射的航天飞机是否爆炸了？需要提供数据，再通过算法智能分析，去了解每个用户喜欢什么。
推荐是把内容（例如商品）推荐给人，所以推荐数据是要表达“人”和“商品”之间的关系。
不同作用的数据统计的方式有所不同，所以针对具体需求具体分析。
对于运营数据来说，app内部有很多推荐位和推荐方式，甚至可以将内容分享到微信等社交网络，同样会产生点击等数据。也就是说，用户可以从很多我们无法预知的地方点击、浏览、购买。
所以，我们无法依赖“推荐位”本身给我们提供统计的帮助。
虽然推荐位有不确定性，但既然用户能浏览到内容、看到商品，那商品本身一定是确定存在的，所以我们 可以在商品信息中添加额外的信息来表示这条商品信息“是从哪来的” 。
运营在创建推广的位置后，需要给这个位置配置推广的商品内容，这些商品是指上是按照服务端提供的商品查询、搜索接口查到的，只需在向服务端提交查询请求时，带上推荐位的标识和运营人员身份的标识等字段，服务端就可以把推荐位和运营身份的信息放入到商品信息中，返回给APP或推广位。之后用户点击、购买了该商品，就能知道是什么推荐位购买的了，也可以知道哪个运营人员安排了这个推荐位。
大繁至简，以不变应万变，通过这个思路，哪怕用户将这些内容分享到社交平台，同样可以统计到点击和购买来自于哪里。
上面说到，行为数据主要是反映“功能设计”和“收入”之间的关系，然后影响收入的因素有很多方面，例如用户在购买的过程中操作是否流畅、给用户推荐的东西用户是否喜欢、设计的某项功能是否带动了用户间的传播进而提升了新增，这些都会影响收入。
这些的思路和方式都略有不同，不过中心思想是清晰的：根据每项功能设定特有的统计方式，并且数据是简单可靠的，目的是明确的，不贪大求全，追求一项统计反应很多功能的情况。
在这里，统计哪些行为数据要比怎么统计它 重要一些。
推荐主要是说人和商品内容之间的关系，这里不关心用户是从哪找到这个商品的，是搜索到的还是好友介绍的，都没关系，只关心这个用户“有多喜欢”这个商品，“多喜欢”在程序中是用数值来表达的，例如极度喜欢用100来表示，完全不care用0来表示，0-100之间的数字就是喜欢的程度。作为统计来说，就是要给推荐系统搜集这样的数据标本，以供系统分析。点击查看，喜欢的数值是20，收藏的数值50，购买是100。把这些数据交给推荐系统，至于商品和商品之间的关系、人和人之间的关系的计算，那是推荐系统的事儿，统计部分不需要理会这些。
由于这是第一次做推荐数据支持，目前的想法可能有些简单，如果后面有新的体会再补上。
app的下载安装量怎么统计？
1，全渠道数据统计：
无论是用户间社交分享，还是优化师在各个渠道的投放，xinstall可以跨平台跨渠道追踪数据，统一查看app推广运营数据、用户下载量。
2，携带参数安装：
Android/iOS开发者用xinstll官方研发的sdk（使用流程简单），可以实现智能传参，精确获取App每一次下载安装来源，也就是归因功能。
3，免填邀请码：
邀请用户时，新用户收到邀请下载APP，直接识别邀请源，不用填写邀请码这么麻烦，就能实现邀请关系的自动绑定。
4，快速安装与一键拉起：
在xinstall官网有免费的universal link配置功能，自动拉起app并传递自定义参数。深度链接技术能让用户一键拉起唤醒app，并且还原到指定的页面。
总结下来这款工具有效解决了很多问题，不仅app下载安装量精准统计，而且用户来源也很清楚，有助于筛选渠道，高效率推广。百度下有很多相关信息。
如何统计app的下载安装量？
先说结论：下载量是无法统计的（可以大致估算），但安装量可以通过openinstall统计。
以 iOS 为例，首先我们可以明确，渠道分发的过程都有跳转到 App store 这一步。期间用户的整个安装流程主要分为三个步骤：在某个渠道点击下载链接跳转到 App store -> App store 内下载 App ->用户打开（激活）App。
而直接关系到下载量的第二个步骤则是一个黑盒，Apple 本身并不会提供太多信息，所以 没有哪个第三方可以直接统计到用户在应用市场中的下载行为。
通过多维度估算App下载量的方法
虽然不直接提供下载量数据，但由于 openinstall 能统计到落地页访问量、下载按钮点击量和安装激活量，因此依然可以通过用户安装流程得出以下结论：
落地页访问量和下载按钮点击量 ≥ 下载量 ≤ 安装激活量
运营和市场人员可以通过上述公式估算出一个大概的下载量数据，这样得出的结论也具备一定的参考价值。
此外，openinstall 还提供“排除重复”功能，可以在估算前先对获取到的落地页访问量、点击量以及 App 激活量进行数据排重，使得出的结论更加精准。
APP如何做应用统计分析？ 能否推荐个专门做应用统计分析的平台
应用统计指在应用里需要统计的地方写入相应的代码（代码埋点），去统计用户的行为，比如访问数、访客数、点击数、页面停留时间等。实际操作时，需要将统计的行为定义为相应的事件，更复杂的还需要定义参数。例如，统计某APP日活，则需要记录APP的启动事件，若需要查看活跃用户的地域分布，则需要对该启动事件定义地域属性的参数。APP数据埋点可以在APP后台进行归集和统计，也可以借助第三方数据分析平台来完成，比如个推的用户运营SDK就提供此类服务。
个推·用户运营是一站式用户洞察与数据分析平台，用数据增能APP精细化运营。个推·用户运营提供专业的应用统计服务，其通过自定义埋点功能自定义统计应用内数据，结合数据进行场景分析，主要实现的场景包含：1.次数统计（统计指定行为被触发的次数）；2.时长统计（统计指定行为消耗的时间）；3.用户属性统计（统计对应用户的相关信息）。
目前，个推·用户运营代码埋点支持Android、iOS 平台的APP，快应用，小程序，并且与自定义事件深度嵌合，实现了一站式配置埋点及事件，快捷简便。个推·用户运营SDK正限时免费中，APP开发者与运营者可注册/登录个推开发者中心免费注册体验。
APP数据分析
