Flurry、友盟、TalkingData移动应用统计分析对比
目前市面上比较常见，使用比较多的移动应用统计平台大概有3、4家，国外比较流行的是Flurry，功能上非常全面，另外就是Google Analytics也推出了移动版，但是其在国内基本无法正常使用。而在国内的统计分析平台中目前比较有名的是友盟以及TalkingData。此外，一些应用市场，也有专门的统计分析工具，为其开发者提供数据服务。
我们将重点放在Flurry、友盟，以及TalkingData，这三款移动应用数据统计分析平台上来，做一个简单的对比体验。
Flurry
作为移动应用统计分析领域里的标杆平台，Flurry拥有非常全面的功能，并不仅仅限于数据统计、分析功能，还提供App Circle广告、推广平台功能。可以说Flurry是目前最全面的移动应用统计分析产品，除了统计单个应用内的各类数据指标外，还可以提供跨应用之间的转化统计等针对企业级用户的功能。单纯从移动应用的数据统计功能来看，Flurry也处于领先位置。其功能模块设置合理，分析维度全面，分析流程易于理解，堪称最强。
图1：Flurry
就单应用内数据统计分析功能而言，Flurry把各类分析模块进行了分类，为的是更易理解数据。进入应用分析后，用户首先看到的是Dashboards面板，内容包括一些关于应用的基本趋势数据，比如会话数量趋势（Flurry的不少参数都使用了“会话”-Sessions这个概念）、激活用户数量变化趋势、平均会话时长等基本数据。通过Dashboard用户可以快速了解其应用当前的整体趋势状态。
加之Flurry对Dashboard进行了强化，现在Flurry的用户可以更具自身需求自行创建Dashboard面板，灵活度有了极大提高。并且Flurry提供了一些现成的Dashboard模版，对应几种比较常见的应用类型，用户可以快速选择自己想要的Dashboard样式，方便监控想要的数据。
图2：Flurry的Dashboard功能十分强大
大多数情况下，对于“数据报表”需求而言，Dashboard基本够用。但想要进一步深入了解用户、了解渠道等内容，仅靠数据简单的Dashboard显然是不够的。Flurry在这方面做的非常全面，总共有4大类，23项功能用于帮助开发者了解用户，了解用户行为。4个大分类包括：使用（Usage）、受众（Audience）、事件（Events），以及技术（Technical）。“使用”中主要统计的是一些应用的基本情况，包括新增用户、激活用户、会话、会话时长、使用频率等内容。
需要说明的是，其中的会话时长、用户使用频率、用户留存三个项目中，如果开发者提供了相应系统平台市场的开发者ID，可以在这三个项目中对比自己应用与相同分类下也内平均水平的对比，让开发者可以大致了解自身应用在行业内所处的位置和现状。受众一项中包括诸如受众兴趣，兴趣这一项又分为两大类，其一是当前应用的用户对开发者其他应用的兴趣；其二则是当前应用用户对同类型应用的感兴趣程度；此外还包括用户的年龄、性别、地理位置、语言信息，这些信息除了可以让开发者了解自己应用的受众属性外，还可以用作Flurry特有的用户群划分功能。
图3：只有注册用户才能获得全部功能
事件分类中主要的是一些开发者定义好的触发事件，也就是业内人士熟知的“自定义事件”，这一功能主要用于监控一些开发者关心的用户特殊操作，比如是否付费等等，同时也是监控应用内各类转化的关键所在。这是统计平台是否足够灵活的直接体现，这方面Flurry做的相当出色，不但能够方便的组织、添加各种自定义事件，并且还可以根据自定义事件的触发，给出独立的可视化图标，非常直观。
而在Flurry更新后，在事件中改进了漏斗功能，开发者可以将一系列自定义事件组织成一系列漏斗，通过自定义的事件漏斗，用来考察每一步自定义事件之间的用户转化率。这是一种非常灵活的统计分析方式，尤其适合IAP应用内监控应用内道具的贩卖、促销情况。技术分类中统计的是运营商信息以及用户使用的设备情况，比如联网方式、系统版本、错误报告等等，主要是与用户群划分有关。最后，Flurry提供完善的管理模块，开发者可以在管理模块中定义自己的用户群划分、自定义事件，而在最新的更新中便加入了预警功能，通过设置预警阀值及通知方式，开发者可以随时随地获知突发情况，即时作出应对。
基本功能上Flurry非常全面，同时在细节上也有许多值得称道之处。比如精细的用户群划分，以及方便的全局多维度筛选。开发者通过用户群划分模块，可以根据自身需求设置出不同的用户群，这一过程实际上就是通过一些条件将用户筛选出来。比如通过使用时长、会话次数等信息确定忠诚用户，通过特定的付费事件圈定付费用户，或是根据受众信息，如年龄、性别，对用户群进行细分。当开发者完成用户群细分后，就可以方便的锁定自己的目标用户，进行持续跟踪，分析目标用户行为，进而进行运营动作，或是精确的改进产品。
而多维度筛选功能，则为开发者提供了强大的筛选工具，通过用户群、时间、版本等信息的组合过滤，开发者可以快速获得需要的数据报表，全面而细致的了解自己应用的各种情况。
Flurry无论在功能上还是细节上的表现都非常出色，除去前面提到的单应用内数据统计分析外，Company页面还可以了解开发者目前发布的所有应用的数据情况，最新更新加入的Conversions（转化）功能，更是提供了开发者自身应用间的各种用户、会话转化，并提供转化漏斗功能，特别适合开发多个应用的开发者、厂商使用。除此之外，Flurry的AppCircle还为开发者提供应用推广服务，开发者的应用既可作为广告的载体出现，也可以加入推广渠道，前者用于帮助开发者盈利，后者用于帮助开发者推广应用，可以说考虑的非常全面。
图4：完整的跨应用转化支持是Flurry最强大的功能之一
对于国内开发者而言，Flurry有一些先天的不足需要注意。
首先，这套服务平台架设在国外，基于一些众所周知的问题，在国内访问Flurry并不稳定，虽然比Google Analytics要好很多，访问速度也可以接受，但这毕竟只是前台服务，数据统计真正的核心在于后台的数据收集，前台服务能够访问，并不能说明后台数据收集也能顺畅进行。如果你开发的应用主攻海外市场，用户基本上都是欧美用户，那么Flurry的数据准确性还是可以保证的；反过来，如果目标市场是国内，那就要考虑数据的准确性及数据延迟的问题。
Flurry并不像Google Analytics提供中文界面，它只有英文UI，即便英文很好的情况下，要想理解多少有些绕的概念和参数，还是需要花上不少时间用于研究的。
图5：Flurry的AppCircle功能帮助开发者推广产品
友盟
友盟是创新工场孵化的项目之一，是目前国内开发者最熟悉的移动应用数据统计分析平台。在某种层面上来看，友盟与Flurry有很多相似之处。但在全面性、完整性方面，还有一定差距。目前友盟提供的SDK数量很多，包括标准的统计分析SDK、社交分享SDK、用户反馈SDK，以及游戏统计分析SDK等。开发者可以根据需要自行选择，但统计分析SDK可以说是必选项目。平台方面，友盟目前支持iOS、Android及Windows Phone平台
图6：umeng
友盟在做了一次重大的版本更新，对UI和功能划分做了重新规划。添加了一些新的功能，比如原本的“回访用户”部分被替换成了现在的留存用户，并且添加了原本没有的渠道分析模块。此外，友盟的这次更新大幅度调整了UI设计，平台首页和功能页面全部更新。对于老用户来说，如此重大的改动，在使用时难免会遇到重新适应的问题。不得不说的是，友盟改版后，在功能模块设置方面更像Flurry了。
图7：友盟的产品中心
UI的变化其实并不是重点，对于开发者来说，提供完善的数据统计功能才是更据实际意义的。改版后友盟并没有像Flurry那样提供一个“公司”页面，但仍然提供了一个简单的综合产品趋势图表，进入产品中心后，即可看到所有产品的简明数据概况，并且根据新用户、活跃用户，和启动次数提供了3个可选时间粒度的曲线图。点击具体应用后，就进入了单一应用数据统计分析页面。
就单一应用数据统计分析而言，友盟提供的功能还是比较全面的。其模块设计思路也比较清晰，基本上是沿着基本情况、用户情况、设备情况、事件监控、转化分析这一流程不断深入的。统计概况中包含基本统计和版本分布，帮助开发者了解基本的数据情况，主要是用户增长情况和应用的启动次数等信息。随后的用户分析中，友盟在最新的更新中加入了活跃用户和留存用户两个新参数。
在活跃用户图表中，开发者可以了解到应用的日活跃、周活跃、月活跃用户数量趋势，同时也可以了解到周活跃率和月活跃率。而留存用户则是用于考察用户忠诚度的参数，简单来说就是新增用户经过一段时间后，仍有多少用户继续使用应用。这是一个相当重要的参数，一方面可以体现出应用的质量；另一方面，它也是考察运营动作、渠道推广、渠道质量的重要参数。比如，开发者可以通过考察某一时间点的留存用户情况，对比自身应用推广获得的新增用户情况，用于评估活动推广效果、渠道用户质量等运营细节。
在时间粒度方面，友盟的留存用户模块提供按周和按月查询两种方式。但是对于现在不少以周为周期迭代更新的应用来说，这个颗粒度不够细。毕竟大量的客户流失都发生在安装应用后的前几日内，看日留存率还是很有必要的。
用户分析中的另外一项重要功能就是页面访问统计，使用过Flurry的开发者对这个功能一定不会陌生。这一功能主要是统计用户在应用内各页面跳转的情况，可以比较方便的了解到哪些功能、页面更受用户欢迎，也比较容易找到用户流失严重的功能模块，对产品改进有很大价值。
另一项在本次更新中新加入的功能就是渠道分析模块。这主要是针对国内第三方Android应用推广渠道较多，开发者希望了解各渠道带来用户的差异，而应运而生的功能（Flurry就没有渠道分析功能）。友盟的渠道分析提供针对不同渠道的用户新增、活跃、启动次数等基本参数的统计功能，结合之前的用户留存模块，开发者可以相对直观的了解到各推广渠道的质量。值得一提的是，友盟专门给开发者提供了“渠道打包工具”，方便开发者针对不同渠道封包应用，简化开发者的开发工作。
图8：友盟为开发者提供完善的渠道打包工具
友盟的自定义事件模块主要用于管理设置好的自定义事件，并针对每一个自定义事件提供数据统计功能。如果开发者需要了解到各事件之间的转化情况，就需要进入转化率分析模块，利用友盟提供的漏斗模型功能，基本使用流程上与Flurry很接近，设置好事件转化流程后，即可查看每个步骤之间的转化情况。
图9：便捷的转化漏斗设置
以上是友盟近期更新的一些关键功能，另外像是传统的终端及网络、错误分析等功能，友盟仍然提供给开发者。这些数据目前还不能像Flurry那样用于细分用户群，希望友盟能够尽快推出用户群细分功能，一方面能够给开发者提供更为全面的服务，另一方面也可以更充分的利用自身平台数据，使这些数据成为有机的整体。
友盟在最新的更新中，加入了类似Flurry的全局筛选功能，不过目前来看这一功能似乎存在一些问题，比如选择按版本查看后，再选择一个时间段，之前选择的版本设置会恢复到默认的“全部”，反之亦然。如果这不是一个Bug的话，那么只能是这个全局筛选功能并不能做到跨版本、跨时间段交叉筛选，只是比较像全局筛选的开关而已。
友盟在数据统计的功能设置上，还是比较全面的，但在数据分析层面，与Flurry还有较大差距，这方面还有很多空间可挖。
作为国内知名度较高的移动应用数据统计分析平台，友盟做的已经很不错。尤其是友盟也和Flurry一样，具有应用联盟平台，在这个平台上用户可以通过内置友盟的移动广告平台实现盈利，也可以通过友盟的交换网络实现应用推广，对开发者来说还是比较方便的。
不过国内应用推广、广告领域可以说是鱼龙混杂，形势颇为复杂。友盟的服务虽然对开发者来说足够便捷，但最终的实现层面上的价值有多大，还需要进一步考察。
图10：友盟的应用联盟支持广告投放和换量推广
Talking Data
作为移动应用统计领域的“新生事物”，Talking Data有着自己独特的一套统计分析体系。比如说前面我们提到友盟近期更新的新功能——留存用户和渠道分析，Talking Data已经提供了完整的支持。虽然在渠道分析功能上尚有不足，但不难看出Talking Data在产品设计方面确有独到的见解。
图11：talkingdata
Talking Data的数据统计分析模块只有4个大分类，分别是用户和使用、参与度分析、渠道统计和自定义事件。
Talking Data的所有统计分析模块都被分别安置在这4个分类中，这一点与其他统计分析平台有很大区别。而这4个分类恰好是由浅入深，从基本数据统计到深入数据分析这样一个流程。这应该是由Talking Data对移动应用数据分析的理解而产生的产品设计。
进入单一应用统计分析页面后，首先看到的是应用概况，这个模块实际上是一个快速报表页面，里面集中体现了用户比较关注的一些指标和参数，这一点与Flurry的Dashboard比较接近，但Talking Data并不提供自定义模块功能。目前我们可以从应用概况里了解到近日概况、应用摘要、活跃概况、时段分析，及30日数据趋势；另外还有4个Top 10排名表格，包括地区、渠道、启动次数和全版本受访功能页面。如果仅仅用于做每日数据报表，这个应用概况页面提供的数据是足够用了。
此外，前面提到的这些图表都有不同分类选择，比如在30日数据趋势图表中，开发者可以通过标签按钮在新增用户、活跃用户等参数之间切换；而时段分析中还提供对比功能，可以通过筛选要查看的项目，再复选对比目标，即可快速查看同时段不同日期之间的数据差异。
图12：Talking Data的快速报表非常全面
如果需要更深入的了解应用情况，仅靠应用概况肯定是不够的。通过用户和使用模块，开发者可以了解用户趋势、地区分布、设备机型、运营商和网络、错误报告，功能上还是比较全面的。同时，这一模块中的所有图表都有不同细节数据可以筛选，比如趋势分析中我们就可以查看新增用户、活跃用户、平均使用时长等信息，并可以根据日期进行数据筛选。
Talking Data详细报表中的数据（例如设备的分布）都是同时提供具体数据和百分比，相比之下友盟只提供了百分比。
图13：可根据时间段筛选的趋势分析功能
参与度分析中，则提供用户保留、用户回访、日启动次数、使用时长、页面访问模块。从这些功能模块设置不难看出，到这开发者已经进入了数据分析领域，这些模块结合开发者的应用运营、推广，可以分析出不少有用的数据。前面我们曾提到，用户保留是Talking Data在2个月前上线时就已经提供的功能，足见其受重视程度之高。在用户保留模块中，共有两个图表，分别是用户保留（即留存用户）和用户流失漏斗。
Talking Data的用户保留提供更细致的分析粒度，开发者可以根据需要选择日留存、周留存和月留存。更细致的用户保留功能对应用运营推广更有意义——在实施一次推广操作后，第二天即可查看活动带来的新用户的保留情况，对活动质量、渠道质量的考察更有价值。同时，以天为单位的新增用户流失漏斗，更为直观的为开发者提供用户流失情况，而且这个漏斗图表还能通过鼠标拖拽缩放，这一点着实出乎我们的意料。
图14：支持每日用户留存统计和用户流失漏斗的用户保留功能对精细化运营有很大帮助
Talking Data同样拥有页面访问模块，不过这部分Talking Data的表现就比较一般，虽然也有页面跳转统计，但不够直观表格样式相对于Flurry和友盟的页面跳转流，在理解和阅读方面表现的不够好。
另外一个Talking Data比较重视的功能就是渠道统计了。这方面Talking Data做得也不错。添加渠道后，开发者可以根据渠道对细节数据进行筛选。展开渠道趋势图表后，可以通过图表上的数据标签分别查看诸如新增用户、活跃用户、平均使用时长等细节数据，用于对比渠道质量极为方便。结合前面的首日用户保留，堪称考察渠道推广效果之利器。除了渠道数据图表外，渠道趋势对比图标可以更直观的提供新增用户、活跃用户和启动次数的对比，美中不足是可对比的项目只有前面提到的这三项。
Talking Data的自定义事件模块比较特别，开发者在使用Talking Data的自定义事件时，并不需要事先在前端平台做事件声明，只需在整合SDK阶段，按照需求直接写入自定义事件即可，Talking Data会自动在前端服务平台生成相应的自定义事件统计项目。所以在Talking Data的自定义事件模块中，直接提供的就是一个事件转化漏斗，而且这个事件转化漏斗创建也非常简单，只要在下拉列表中选择好事件，即时出现转化数据，方便快捷，并且可以保存，便于今后快速查询。
图15：流向清晰操作便捷的自定义事件模块
总体来看，Talking Data在功能方面更注重分析，整体导向也是按照“先统计-后分析-再转化”这一流程逐步推进的，可以满足不同层面的开发者对数据统计的需要。当然，目前的Talking Data还有很多不足之处，毕竟上线时间不是很长。比如说虽然有一个产品中心，但产品中心里仅能提供简单的跨应用累计用户总数、今日新增用户总数等非常简单的数据统计，距离像Flurry提供的那种支持跨应用转化统计的产品中心还很远。目前的Talking Data还不提供用户群划分功能，作为重视数据分析的一款产品，这方面需要加强。
另外就是，数据筛选方面不够统一，虽然在操作方式上比较接近，也能够提供确实有效的筛选，但筛选方式还比较单一，这一点让人觉得比较遗憾。
总结
更多详细参数表述、介绍，感兴趣的读者可以前往这些平台的产品网站下载对应的开发文档，开发文档中有更为详尽的说明和介绍。
实际上，对于一款复杂的移动应用数据统计产品来说，仅看功能还不够，服务的稳定性、数据的及时性，乃至技术支持等等，都是应该考量的地方。