京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何用数据来做渠道效果的分析
日前和几个 BD 朋友聊天,听到说“现在很多渠道投放的效果犹如雾里看花,点击很多,激活很少,留存更是骨感……”想到自己对当下的统计后台还算了解,所以想从数据角度讲下渠道效果分析的几点经验。
几乎所有的运营人员都会接触到渠道推广。这些渠道推广可能是付费渠道,可能是免费渠道,无论是哪一种渠道推广,都是需要我们付出成本的。在与渠道打交道的过程中,有时候涉及到跟渠道分成或者跟渠道合作,我们需要统计从渠道获取的用户的数量;有时候涉及到渠道付费,我们需要鉴别渠道用户的质量的好坏,控制并提高渠道的效果。
工欲善其事,必先利其器。我们可以利用第三方统计工具来对渠道投放进行监控,通过一些指标来有效的监控渠道投放的数量和质量。
工具
一般来说,统计工具具备很完整的Android渠道监控的功能了。我们可以选择集成了统计分析SDK,来使用其中的Android渠道监控的功能。我在下面列举了一些统计分析工具。
国外的统计工具:mixpanel、flurry、localytics、google analytics for mobile。
如果我们的应用是做海外发行,建议优先选择国外的统计工具。除了时差的问题(大部分统计工具采用服务器时间进行计算),由于伟大的墙的存在,数据包从国外传输到国内会存在一定比例的丢失。
国内的统计工具:友盟、腾讯移动统计、talkingdata、avodcloud、dataeye。
如果我们的用户主要集中在大陆地区,可以优先使用国内的统计工具。一个好的统计工具,它的服务是稳定的,数据是安全的,指标和维度具备完整性,拥有自由灵活的高级功能。
友盟是国内最早的统计分析工具,在数据稳定性和功能完整性上的表现是很优秀的。
talkingdata和dataeye是做游戏分析起家的,在游戏领域,talkingdata和dataeye分别在华北和华南地区具备很大的知名度。他们在游戏指标和维度上的设计也是很专业的。
腾讯的优势是具备强大的社交关系链。这个优势也输出到了腾讯统计分析中。腾讯统计分析具备强大的用户画像功能,这个数据能够帮助开发者更好的了解用户。
独立部署企业版本:talkingdata企业版本、ly、Cobub razor。
我们也可以购买独立部署的数据服务,将数据的收集、计算、展示都放到私有云上。
统计原理
Android平台的应用市场比较多,推广方式也很丰富。我们可以通过分包发布来区分不同的渠道。
简单的说,就是开发人员为每个渠道生成一个渠道包,每个渠道包用不同的渠道字段来标示。运营人员再将这些渠道包上传到渠道中,当有用户下载激活app时,就可以在报表页面中查看到不同渠道来的用户的数据了。
用友盟统计分析举个例子。开发人员可以在manifest文件的<application>节点中添加下面这行配置。
<meta-data android:value=”Channel ID” android:name=”UMENG_CHANNEL”/>
将“Channel ID”改成需要标示的渠道,比如小米、豌豆荚等。
关于数据准确性的问题
一般来说,统计工具是使用IMEI+MAC来唯一标示一台Android设备。当然这是一个简化的说法,实际上,Android的设备id存在很多缺陷,比如mac存在漂移,imei存在冲突,所以一个好的统计工具会有自己的id组合策略,而非单一的设备id来唯一标示一台设备。不同的统计系统的id方案不一样,所以我们会发现不同的统计系统会存在微小的偏差。如果这个偏差在一定范围内,是可接受的。
除了可接受的误差之外,我们可能还会遇到很多其他的数据问题。我总结了一些列举在下面。
为什么渠道后台的数据大于统计系统的数据
渠道是基于下载计算的,统计工具是基于激活计算的。也就是说,
- 用户下载了app但未运行,统计系统无法统计到;
- 用户使用app时未联网,统计系统也获取不了这个用户数据;
- 用户之前安装过该app,从某渠道下载了一个新版本,这个用户只能算一个老用户,不计入该渠道的新增用户中。
这些情况都会导致渠道后台的数据大于统计系统的数据。
为什么渠道后台的数据小于统计系统的数据
安卓市场情况非常混乱,会存在小渠道抓包发布的情况。同时,各渠道之间有资源互通的合作,例如豌豆荚与二十多家渠道互通资源,如果一个应用的新版本未在豌豆荚发布,豌豆荚本身的搜索引擎性质仍能通过豌豆荚下载其他渠道(如安智)的安装包,此时应用在本身安智渠道的下载量并不会增加,但友盟统计后台安智渠道会新增用户+1
不同的统计工具,数据对不上
正如前面所说,不同的统计系统的id方案不同,会存在微小的偏差。
此外,如果一个统计工具是基于账号系统,一个统计工具基于设备,可能会存在一个设备登陆好几个账号,或者一个账号跨屏登陆的情况,这两个系统数据肯定是对不上的。
原理
相比Android平台,iOS是一个封闭的生态(暂不考虑越狱渠道)。我们不能通过分包发布来区分渠道用户,只能通过短链分发来监控渠道的效果。
具体的说,每个app在appstore上对应了一个唯一的链接,我们可以将这个原始链接封装成不同的短链接,将短链接交给渠道,这样就可以区分来源于不同渠道的用户了。
从技术步骤上来看,一个终端手机用户如果点击了渠道上这个短链接,会跳转到appstore页面上。这个过程会触发一个服务器端的请求,服务器会记录这次点击的设备信息,包括ip地址、机型等。如果这个终端用户下载并激活了这个app,会向服务器发送一个激活包的信息。短链监控平台将激活信息与点击信息进行匹配,从而计算出点击、激活等数据。
工具
我们可以自建短链监控系统,也可以选择国内外成熟的解决方案来进行iOS渠道的监控。
- 广告平台自带广告监测工具:Inmobi AdTracker、google adwords
- 第三方广告监测平台:umtrack、appcpa、mobile app tracking、Tapstream
一般来说,选用第三方平台会比广告平台自带的监控工具更加具备公正性。我们需要尽早做好准备,在一个app还没有进入推广期时,就选择接入第三方广告监测平台。这样,第三方平台中保存了这个app的历史数据,在进行渠道推广时能够判断新老用户,从而数据会更加准确。
关于数据准确性的问题
精确性
有的运营人员做渠道投放,每个渠道都投放了,点击量特别高,可能达到上万,甚至两三万,但激活量特别低,呈现个位数。费用都花光了,但是效果没有出来。自己也做分析,投放的平台也做分析,但是却得不到结论。
我们做数据分析的前提是需要拿到靠谱的数据。如果数据不准确,基于这个数据分析出来的结论是没有意义的。
我们做iOS正版的渠道推广,需要注意的是,第三方短链服务存在一个精确度的问题。
具体来说,用户点击短链的时候,服务器端只能获取到ip地址,获取不了openudid这样设备标示符的信息。我们知道ip地址是一个会变化的地址,并不能唯一的标示一台设备。
比如我在公司wifi下点击下载app,但是回家才打开app体验产品,因为ip地址切换了,这个激活是匹配不上的;另外一个例子就是,一个咖啡店中,一个客人点击短连接,另一个客人去appstore上搜索并下载激活了这个app,因为这两个客人都连接了咖啡店的wifi,属于同一个ip地址,系统会认为这个点击和激活是可匹配的。
所以用ip地址进行匹配的原理存在天然的缺陷,是一种有误差的统计。
合作平台
正是因为这种统计原理的缺陷,监控平台会通过跟DSP、网盟这样的渠道建立合作来避免和消除不准确性。
当有用户点击短链接时,渠道回传可靠的设备标示符给监控平台(如idfa、idfv、openid等)。用户激活时,监控平台可以使用设备标示符来匹配激活和点击的数据,从而提高了整个系统的数据准确性。
如果我们使用付费推广的方式来获取新用户,一定要提前了解监控平台是否与对应的渠道建立了合作关系,如果有合作,那么监控平台上的数据是非常准确,广告平台也认可用这个数据来结算的。
与此同时,总有一些推广渠道是监控平台合作所覆盖不到的。比如社会化营销推广,这种推广的效果只能使用ip地址来匹配。
这种不准确的效果数据对我们的意义就在于:粗略地了解每一次推广的趋势,通过相对的对比来分析每一次推广的效果,优化营销推广方案。
写在最后:
正确的选择渠道监控工具只是我们数据分析的第一步,我们还需要学会使用数据指标和高级功能来分析渠道的效果。下一篇,我将重点针对这个主题,谈谈有哪些指标和维度可以用来反映渠道的用户质量,如何通过数据分析来辨别渠道作弊,分析渠道的效果。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07