目前市面上比較常見，使用比較多的移動應用統計平臺大概有3、4家，國外比較流行的是Flurry，功能上非常全面，另外就是Google Analytics也推出了移動版，但是其在國內基本無法正常使用。而在國內的統計分析平臺中目前比較有名的是友盟以及TalkingData。此外，一些應用市場，也有專門的統計分析工具，爲其開發者提供數據服務。
我們將重點放在Flurry、友盟，以及TalkingData，這三款移動應用數據統計分析平臺上來，做一個簡單的對比體驗。
Flurry
作爲移動應用統計分析領域裏的標杆平臺，Flurry擁有非常全面的功能，並不僅僅限於數據統計、分析功能，還提供App Circle廣告、推廣平臺功能。可以說Flurry是目前最全面的移動應用統計分析產品，除了統計單個應用內的各類數據指標外，還可以提供跨應用之間的轉化統計等針對企業級用戶的功能。單純從移動應用的數據統計功能來看，Flurry也處於領先位置。其功能模塊設置合理，分析維度全面，分析流程易於理解，堪稱最強。
Flurry圖1：Flurry
就單應用內數據統計分析功能而言，Flurry把各類分析模塊進行了分類，爲的是更易理解數據。進入應用分析後，用戶首先看到的是Dashboards面板，內容包括一些關於應用的基本趨勢數據，比如會話數量趨勢（Flurry的不少參數都使用了“會話”-Sessions這個概念）、激活用戶數量變化趨勢、平均會話時長等基本數據。通過Dashboard用戶可以快速瞭解其應用當前的整體趨勢狀態。
加之Flurry對Dashboard進行了強化，現在Flurry的用戶可以更具自身需求自行創建Dashboard面板，靈活度有了極大提高。並且Flurry提供了一些現成的Dashboard模版，對應幾種比較常見的應用類型，用戶可以快速選擇自己想要的Dashboard樣式，方便監控想要的數據。
Flurry的Dashboard功能十分強大
圖2：Flurry的Dashboard功能十分強大
大多數情況下，對於“數據報表”需求而言，Dashboard基本夠用。但想要進一步深入瞭解用戶、瞭解渠道等內容，僅靠數據簡單的Dashboard顯然是不夠的。Flurry在這方面做的非常全面，總共有4大類，23項功能用於幫助開發者瞭解用戶，瞭解用戶行爲。4個大分類包括：使用（Usage）、受衆（Audience）、事件（Events），以及技術（Technical）。“使用”中主要統計的是一些應用的基本情況，包括新增用戶、激活用戶、會話、會話時長、使用頻率等內容。
需要說明的是，其中的會話時長、用戶使用頻率、用戶留存三個項目中，如果開發者提供了相應系統平臺市場的開發者ID，可以在這三個項目中對比自己應用與相同分類下也內平均水平的對比，讓開發者可以大致瞭解自身應用在行業內所處的位置和現狀。受衆一項中包括諸如受衆興趣，興趣這一項又分爲兩大類，其一是當前應用的用戶對開發者其他應用的興趣；其二則是當前應用用戶對同類型應用的感興趣程度；此外還包括用戶的年齡、性別、地理位置、語言信息，這些信息除了可以讓開發者瞭解自己應用的受衆屬性外，還可以用作Flurry特有的用戶羣劃分功能。
圖3：只有註冊用戶才能獲得全部功能
事件分類中主要的是一些開發者定義好的觸發事件，也就是業內人士熟知的“自定義事件”，這一功能主要用於監控一些開發者關心的用戶特殊操作，比如是否付費等等，同時也是監控應用內各類轉化的關鍵所在。這是統計平臺是否足夠靈活的直接體現，這方面Flurry做的相當出色，不但能夠方便的組織、添加各種自定義事件，並且還可以根據自定義事件的觸發，給出獨立的可視化圖標，非常直觀。
而在Flurry更新後，在事件中改進了漏斗功能，開發者可以將一系列自定義事件組織成一系列漏斗，通過自定義的事件漏斗，用來考察每一步自定義事件之間的用戶轉化率。這是一種非常靈活的統計分析方式，尤其適合IAP應用內監控應用內道具的販賣、促銷情況。技術分類中統計的是運營商信息以及用戶使用的設備情況，比如聯網方式、系統版本、錯誤報告等等，主要是與用戶羣劃分有關。最後，Flurry提供完善的管理模塊，開發者可以在管理模塊中定義自己的用戶羣劃分、自定義事件，而在最新的更新中便加入了預警功能，通過設置預警閥值及通知方式，開發者可以隨時隨地獲知突發情況，即時作出應對。
基本功能上Flurry非常全面，同時在細節上也有許多值得稱道之處。比如精細的用戶羣劃分，以及方便的全局多維度篩選。開發者通過用戶羣劃分模塊，可以根據自身需求設置出不同的用戶羣，這一過程實際上就是通過一些條件將用戶篩選出來。比如通過使用時長、會話次數等信息確定忠誠用戶，通過特定的付費事件圈定付費用戶，或是根據受衆信息，如年齡、性別，對用戶羣進行細分。當開發者完成用戶羣細分後，就可以方便的鎖定自己的目標用戶，進行持續跟蹤，分析目標用戶行爲，進而進行運營動作，或是精確的改進產品。
而多維度篩選功能，則爲開發者提供了強大的篩選工具，通過用戶羣、時間、版本等信息的組合過濾，開發者可以快速獲得需要的數據報表，全面而細緻的瞭解自己應用的各種情況。
Flurry無論在功能上還是細節上的表現都非常出色，除去前面提到的單應用內數據統計分析外，Company頁面還可以瞭解開發者目前發佈的所有應用的數據情況，最新更新加入的Conversions（轉化）功能，更是提供了開發者自身應用間的各種用戶、會話轉化，並提供轉化漏斗功能，特別適合開發多個應用的開發者、廠商使用。除此之外，Flurry的AppCircle還爲開發者提供應用推廣服務，開發者的應用既可作爲廣告的載體出現，也可以加入推廣渠道，前者用於幫助開發者盈利，後者用於幫助開發者推廣應用，可以說考慮的非常全面。
圖4：完整的跨應用轉化支持是Flurry最強大的功能之一
對於國內開發者而言，Flurry有一些先天的不足需要注意。
首先，這套服務平臺架設在國外，基於一些衆所周知的問題，在國內訪問Flurry並不穩定，雖然比Google Analytics要好很多，訪問速度也可以接受，但這畢竟只是前臺服務，數據統計真正的核心在於後臺的數據收集，前臺服務能夠訪問，並不能說明後臺數據收集也能順暢進行。如果你開發的應用主攻海外市場，用戶基本上都是歐美用戶，那麼Flurry的數據準確性還是可以保證的；反過來，如果目標市場是國內，那就要考慮數據的準確性及數據延遲的問題。
Flurry並不像Google Analytics提供中文界面，它只有英文UI，即便英文很好的情況下，要想理解多少有些繞的概念和參數，還是需要花上不少時間用於研究的。
Flurry的AppCircle功能幫助開發者推廣產品
圖5：Flurry的AppCircle功能幫助開發者推廣產品
友盟
友盟是創新工場孵化的項目之一，是目前國內開發者最熟悉的移動應用數據統計分析平臺。在某種層面上來看，友盟與Flurry有很多相似之處。但在全面性、完整性方面，還有一定差距。目前友盟提供的SDK數量很多，包括標準的統計分析SDK、社交分享SDK、用戶反饋SDK，以及遊戲統計分析SDK等。開發者可以根據需要自行選擇，但統計分析SDK可以說是必選項目。平臺方面，友盟目前支持iOS、Android及Windows Phone平臺
umeng
圖6：umeng
友盟在做了一次重大的版本更新，對UI和功能劃分做了重新規劃。添加了一些新的功能，比如原本的“回訪用戶”部分被替換成了現在的留存用戶，並且添加了原本沒有的渠道分析模塊。此外，友盟的這次更新大幅度調整了UI設計，平臺首頁和功能頁面全部更新。對於老用戶來說，如此重大的改動，在使用時難免會遇到重新適應的問題。不得不說的是，友盟改版後，在功能模塊設置方面更像Flurry了。
友盟的產品中心
圖7：友盟的產品中心
UI的變化其實並不是重點，對於開發者來說，提供完善的數據統計功能纔是更據實際意義的。改版後友盟並沒有像Flurry那樣提供一個“公司”頁面，但仍然提供了一個簡單的綜合產品趨勢圖表，進入產品中心後，即可看到所有產品的簡明數據概況，並且根據新用戶、活躍用戶，和啓動次數提供了3個可選時間粒度的曲線圖。點擊具體應用後，就進入了單一應用數據統計分析頁面。
就單一應用數據統計分析而言，友盟提供的功能還是比較全面的。其模塊設計思路也比較清晰，基本上是沿着基本情況、用戶情況、設備情況、事件監控、轉化分析這一流程不斷深入的。統計概況中包含基本統計和版本分佈，幫助開發者瞭解基本的數據情況，主要是用戶增長情況和應用的啓動次數等信息。隨後的用戶分析中，友盟在最新的更新中加入了活躍用戶和留存用戶兩個新參數。
在活躍用戶圖表中，開發者可以瞭解到應用的日活躍、周活躍、月活躍用戶數量趨勢，同時也可以瞭解到周活躍率和月活躍率。而留存用戶則是用於考察用戶忠誠度的參數，簡單來說就是新增用戶經過一段時間後，仍有多少用戶繼續使用應用。這是一個相當重要的參數，一方面可以體現出應用的質量；另一方面，它也是考察運營動作、渠道推廣、渠道質量的重要參數。比如，開發者可以通過考察某一時間點的留存用戶情況，對比自身應用推廣獲得的新增用戶情況，用於評估活動推廣效果、渠道用戶質量等運營細節。
在時間粒度方面，友盟的留存用戶模塊提供按周和按月查詢兩種方式。但是對於現在不少以周爲週期迭代更新的應用來說，這個顆粒度不夠細。畢竟大量的客戶流失都發生在安裝應用後的前幾日內，看日留存率還是很有必要的。
用戶分析中的另外一項重要功能就是頁面訪問統計，使用過Flurry的開發者對這個功能一定不會陌生。這一功能主要是統計用戶在應用內各頁面跳轉的情況，可以比較方便的瞭解到哪些功能、頁面更受用戶歡迎，也比較容易找到用戶流失嚴重的功能模塊，對產品改進有很大價值。
另一項在本次更新中新加入的功能就是渠道分析模塊。這主要是針對國內第三方Android應用推廣渠道較多，開發者希望瞭解各渠道帶來用戶的差異，而應運而生的功能（Flurry就沒有渠道分析功能）。友盟的渠道分析提供針對不同渠道的用戶新增、活躍、啓動次數等基本參數的統計功能，結合之前的用戶留存模塊，開發者可以相對直觀的瞭解到各推廣渠道的質量。值得一提的是，友盟專門給開發者提供了“渠道打包工具”，方便開發者針對不同渠道封包應用，簡化開發者的開發工作。
友盟爲開發者提供完善的渠道打包工具
圖8：友盟爲開發者提供完善的渠道打包工具
友盟的自定義事件模塊主要用於管理設置好的自定義事件，並針對每一個自定義事件提供數據統計功能。如果開發者需要了解到各事件之間的轉化情況，就需要進入轉化率分析模塊，利用友盟提供的漏斗模型功能，基本使用流程上與Flurry很接近，設置好事件轉化流程後，即可查看每個步驟之間的轉化情況。
便捷的轉化漏斗設置
圖9：便捷的轉化漏斗設置
以上是友盟近期更新的一些關鍵功能，另外像是傳統的終端及網絡、錯誤分析等功能，友盟仍然提供給開發者。這些數據目前還不能像Flurry那樣用於細分用戶羣，希望友盟能夠儘快推出用戶羣細分功能，一方面能夠給開發者提供更爲全面的服務，另一方面也可以更充分的利用自身平臺數據，使這些數據成爲有機的整體。
友盟在最新的更新中，加入了類似Flurry的全局篩選功能，不過目前來看這一功能似乎存在一些問題，比如選擇按版本查看後，再選擇一個時間段，之前選擇的版本設置會恢復到默認的“全部”，反之亦然。如果這不是一個Bug的話，那麼只能是這個全局篩選功能並不能做到跨版本、跨時間段交叉篩選，只是比較像全局篩選的開關而已。
友盟在數據統計的功能設置上，還是比較全面的，但在數據分析層面，與Flurry還有較大差距，這方面還有很多空間可挖。
作爲國內知名度較高的移動應用數據統計分析平臺，友盟做的已經很不錯。尤其是友盟也和Flurry一樣，具有應用聯盟平臺，在這個平臺上用戶可以通過內置友盟的移動廣告平臺實現盈利，也可以通過友盟的交換網絡實現應用推廣，對開發者來說還是比較方便的。
不過國內應用推廣、廣告領域可以說是魚龍混雜，形勢頗爲複雜。友盟的服務雖然對開發者來說足夠便捷，但最終的實現層面上的價值有多大，還需要進一步考察。
圖10：友盟的應用聯盟支持廣告投放和換量推廣
Talking Data
作爲移動應用統計領域的“新生事物”，Talking Data有着自己獨特的一套統計分析體系。比如說前面我們提到友盟近期更新的新功能——留存用戶和渠道分析，Talking Data已經提供了完整的支持。雖然在渠道分析功能上尚有不足，但不難看出Talking Data在產品設計方面確有獨到的見解。
talkingdata
圖11：talkingdata
Talking Data的數據統計分析模塊只有4個大分類，分別是用戶和使用、參與度分析、渠道統計和自定義事件。
Talking Data的所有統計分析模塊都被分別安置在這4個分類中，這一點與其他統計分析平臺有很大區別。而這4個分類恰好是由淺入深，從基本數據統計到深入數據分析這樣一個流程。這應該是由Talking Data對移動應用數據分析的理解而產生的產品設計。
進入單一應用統計分析頁面後，首先看到的是應用概況，這個模塊實際上是一個快速報表頁面，裏面集中體現了用戶比較關注的一些指標和參數，這一點與Flurry的Dashboard比較接近，但Talking Data並不提供自定義模塊功能。目前我們可以從應用概況裏瞭解到近日概況、應用摘要、活躍概況、時段分析，及30日數據趨勢；另外還有4個Top 10排名表格，包括地區、渠道、啓動次數和全版本受訪功能頁面。如果僅僅用於做每日數據報表，這個應用概況頁面提供的數據是足夠用了。
此外，前面提到的這些圖表都有不同分類選擇，比如在30日數據趨勢圖表中，開發者可以通過標籤按鈕在新增用戶、活躍用戶等參數之間切換；而時段分析中還提供對比功能，可以通過篩選要查看的項目，再複選對比目標，即可快速查看同時段不同日期之間的數據差異。
Talking Data的快速報表非常全面
圖12：Talking Data的快速報表非常全面
如果需要更深入的瞭解應用情況，僅靠應用概況肯定是不夠的。通過用戶和使用模塊，開發者可以瞭解用戶趨勢、地區分佈、設備機型、運營商和網絡、錯誤報告，功能上還是比較全面的。同時，這一模塊中的所有圖表都有不同細節數據可以篩選，比如趨勢分析中我們就可以查看新增用戶、活躍用戶、平均使用時長等信息，並可以根據日期進行數據篩選。
Talking Data詳細報表中的數據（例如設備的分佈）都是同時提供具體數據和百分比，相比之下友盟只提供了百分比。
可根據時間段篩選的趨勢分析功能
圖13：可根據時間段篩選的趨勢分析功能
參與度分析中，則提供用戶保留、用戶回訪、日啓動次數、使用時長、頁面訪問模塊。從這些功能模塊設置不難看出，到這開發者已經進入了數據分析領域，這些模塊結合開發者的應用運營、推廣，可以分析出不少有用的數據。前面我們曾提到，用戶保留是Talking Data在2個月前上線時就已經提供的功能，足見其受重視程度之高。在用戶保留模塊中，共有兩個圖表，分別是用戶保留（即留存用戶）和用戶流失漏斗。
Talking Data的用戶保留提供更細緻的分析粒度，開發者可以根據需要選擇日留存、周留存和月留存。更細緻的用戶保留功能對應用運營推廣更有意義——在實施一次推廣操作後，第二天即可查看活動帶來的新用戶的保留情況，對活動質量、渠道質量的考察更有價值。同時，以天爲單位的新增用戶流失漏斗，更爲直觀的爲開發者提供用戶流失情況，而且這個漏斗圖表還能通過鼠標拖拽縮放，這一點着實出乎我們的意料。
支持每日用戶留存統計和用戶流失漏斗的用戶保留功能對精細化運營有很大幫助
圖14：支持每日用戶留存統計和用戶流失漏斗的用戶保留功能對精細化運營有很大幫助
Talking Data同樣擁有頁面訪問模塊，不過這部分Talking Data的表現就比較一般，雖然也有頁面跳轉統計，但不夠直觀表格樣式相對於Flurry和友盟的頁面跳轉流，在理解和閱讀方面表現的不夠好。
另外一個Talking Data比較重視的功能就是渠道統計了。這方面Talking Data做得也不錯。添加渠道後，開發者可以根據渠道對細節數據進行篩選。展開渠道趨勢圖表後，可以通過圖表上的數據標籤分別查看諸如新增用戶、活躍用戶、平均使用時長等細節數據，用於對比渠道質量極爲方便。結合前面的首日用戶保留，堪稱考察渠道推廣效果之利器。除了渠道數據圖表外，渠道趨勢對比圖標可以更直觀的提供新增用戶、活躍用戶和啓動次數的對比，美中不足是可對比的項目只有前面提到的這三項。
Talking Data的自定義事件模塊比較特別，開發者在使用Talking Data的自定義事件時，並不需要事先在前端平臺做事件聲明，只需在整合SDK階段，按照需求直接寫入自定義事件即可，Talking Data會自動在前端服務平臺生成相應的自定義事件統計項目。所以在Talking Data的自定義事件模塊中，直接提供的就是一個事件轉化漏斗，而且這個事件轉化漏斗創建也非常簡單，只要在下拉列表中選擇好事件，即時出現轉化數據，方便快捷，並且可以保存，便於今後快速查詢。
流向清晰操作便捷的自定義事件模塊
圖15：流向清晰操作便捷的自定義事件模塊
總體來看，Talking Data在功能方面更注重分析，整體導向也是按照“先統計-後分析-再轉化”這一流程逐步推進的，可以滿足不同層面的開發者對數據統計的需要。當然，目前的Talking Data還有很多不足之處，畢竟上線時間不是很長。比如說雖然有一個產品中心，但產品中心裏僅能提供簡單的跨應用累計用戶總數、今日新增用戶總數等非常簡單的數據統計，距離像Flurry提供的那種支持跨應用轉化統計的產品中心還很遠。目前的Talking Data還不提供用戶羣劃分功能，作爲重視數據分析的一款產品，這方面需要加強。
另外就是，數據篩選方面不夠統一，雖然在操作方式上比較接近，也能夠提供確實有效的篩選，但篩選方式還比較單一，這一點讓人覺得比較遺憾。
總結
更多詳細參數表述、介紹，感興趣的讀者可以前往這些平臺的產品網站下載對應的開發文檔，開發文檔中有更爲詳盡的說明和介紹。
實際上，對於一款複雜的移動應用數據統計產品來說，僅看功能還不夠，服務的穩定性、數據的及時性，乃至技術支持等等，都是應該考量的地方。