对无埋点的误解

1、 包的大小：增加并不多，但性能加持不止一点

无埋点SDK由于包含更大的代码里，因此嵌入后安装包的增量会稍有增大，但实际性能提升却不止一点。

2、 性能影响：对整体性能几乎无影响

相对于手动埋点，无埋点会做一些相关的hook 工作，会有一定性能开销。但经过不断优化SDK，如将大部分SDK的工作在子线程中完成，典型的事件、页面加载在主线程基本无消耗。经过评测，主流机器的APP启动速度影响 < 20ms，整体使用体验也几乎无影响。

3、 数据安全：所有数据均为客户所用，更加严苛的数据保护规范

无论是手动埋点还是无埋点，百度统计作为数据处理者会严格按照国家法律法规及相关隐私数据保护条例来存储、处理收回的数据。所有数据仅APP开发者可用，不会泄露给任何第三方；脱敏且根据数据模型处理后的报表数据，会根据功能差异存储较长时间，服务器的原始日志在汇入报表且不影响给客户提供的功能后会永久删除。

4、 数据发送流量： 日志大小增加有限，且可配置发送机制。

无埋点SDK会抓取更多的页面和事件内容，所以日志的体量相对手动埋点会有所增加。经测试，一般APP使用全埋点的单次启动全埋点日志小于10k，而即使是资讯类APP单次长达半个小时的浏览，启动日志一般也能控制在500k以内 ，仅相当于在手机上多看了一张高清图片而已。此外，当前各大运营商已经逐步都推出了无限流量卡，对于普通用户来说，发送无埋点日志消耗的流量几乎可以忽略不记。 此外，移动统计支持设置wifi发送机制，比如设置为仅在wifi环境下发送，或固定时间间隔发送等。

为什么选择无埋点？

为什么选择无埋点？

1、 全面兼容手动埋点功能，基础性能更佳

无埋点技术是手动埋点的升级，因此从技术层面就决定了无埋点可以支持手动埋点的所有统计功能。包括但不限于：基础PV/UV类指标的统计，版本、终端、地域分析、事件、留存、漏斗等。所以，也支持直接将无埋点SDK当做手动埋点SDK来使用。

此外基于无埋点技术特质，进一步优化了基础统计性能

（1）页面智能全埋点

手动埋点SDK需逐一添加每一个希望统计的页面，工作繁琐，且经常出现错埋、漏埋的情况。而无埋点SDK智能抓取全部页面，嵌入SDK后即可在『页面趋势分析』和『页面智能路径』等报告开始页面分析，大大节约成本还提高了效率。同时后续新增页面等也同样会自动添加，维护管理成本几乎为0.

（2）时长自动统计

手动埋点SDK时长统计依赖对页面的埋点，在页面埋点不够密集的情况下可能出现时长统计不准的问题，而无埋点由于实现了页面自动抓取，只要嵌入无埋点SDK即可马上获得最精准的时长统计指标，包括但不限于：APP启动时长、人均使用时长、页面使用时长、使用时长分布等。

（3）事件历史数据回溯

手动埋点只支持查看埋点后的事件数据，无历史数据；而无埋点支持查看所有事件近7日历史数据。

2、 诸多无埋点独占功能，分析更加强大

无埋点技术除兼容手动埋点全部功能优化基础性能外，同时基于无埋点技术设计开发了三项无埋点的独占高级功能。而且以后会有更多。

（1）可视化圈选埋点：运营也能轻松快速完成埋点

无埋点技术在数据埋点方向的直接应用，百度统计可视化圈选功能目前已迭代至3.0版本。它可以将开发者手机APP的界面同步至电脑端，在电脑端以点击圈选的方式完成埋点，实现采集APP相应控件点击数据的效果。该埋点方式无技术门槛，适合产品运营使用，新增埋点无需发版，降低研发成本的同时还提高了效率。

（2）信息流分析：智能分析内容分发效果、用户浏览习惯

无埋点技术在数据智能分析方向的首创应用。百度统计通过分析市面上主流信息流产品的产品形态及用户使用习惯等核心要素，搭建了信息流分析模型。基于无埋点技术实现对资讯流、视频流等信息的自动抓取、栏目标注、排行榜分析等。帮助信息流的产品与运营团队，评估产品功能价值，分析用户浏览行为特征与内容偏好，评估内容质量，进而优化分发策略。

（3）移动热力图：在产品使用视图下看各模块的数据表现，仿佛有了『数据眼』

无埋点技术在数据可视化方向的创新应用。移动热力图是以特殊高亮的形式显示用户在app中的点击位置或用户所在界面位置的图示，并按照点击量的差异以不同的颜色区分展示。借助热力图，可以直观地观察到用户的总体访问情况和点击偏好。

3、更多资源、更快的优化与迭代速度

百度统计从17年始就在无埋点SDK的研发上投入了大量人力，并逐步加大。在未来，基于无埋点的基础性能优化以及新功能研发将是团队的主要方向。所以，无埋点技术将会获得更多资源，相关功能也会以更快更优的速度进行迭代优化。

用户触达

一、功能简介

用户触达的精准推送功能支持时间、设备、使用行为等近20种维度的精准定向有效目标人群；同时打通主流推送平台，导出精准人群包即可在第三方推送平台直接进行推送。

二、适用场景

该功能适合目前在APP安装包中嵌入了第三方推送平台（如个推、极光等）的百度移动统计客户。将百度移动统计强大的人群定向能力赋能到指定推送平台上，完成精准人群触达，提升营销效果。

三、功能介绍

1. 创建精准定向人群包

1.1 支持时间、设备、使用行为等近20个维度进行人群定向

1.2 选择已打通的推送平台，生成第三方推送平台已支持格式的人群包

1.3 支持创建例行任务与一次任务

一次性任务：创建一次性定向任务的时间可选择近30日（含今日）的某一个确定的日期范围。一次性定向任务圈定的用户所属时间范围是固定的，用户列表也是固定的，人群包结果只会产生一次。

例行任务：创建例行定向任务的时间可选：昨日、近3日、近7日等。以选择“昨日”为例，相对时间的例行定向任务每日都会计算前一天满足定向条件的人群包，由于实际的时间每天计算时均是变化的，因此例行任务每日都会产生新的人群包

2.与用户分群功能打通，已创建用户分群支持生成第三方推送人群包

3.支持API拉取人群结果，对接自有产品用户标签，实现更多样化的自动化营销。api获取方式请发邮件至apptongji@baidu.com咨询。

四、打通第三方推送平台

1. 使用本功能，请确保已更新最新版SDK。
2. 请在SDK按照打通第三方ID的使用说明（Android说明、iOS说明），完成pushid的打通。

目前已经支持打通push平台包括：百度云推送、个推、极光、华为、小米。

即将在下一期增加支持：友盟、信鸽、阿里云、OPPO、VIVO

五、任务的采样率

为了保证在线多维度计算的时效性，对于日均session数偏大的客户，打通任务的结果将按照总访次抽样计算。咨询详情或需提升采样率请发送邮件至apptongji@baidu.com，邮件正文请附上appkey、公司背景、app当前DAU等信息。

信息流分析

一、功能简介

内容时代，用户越来越多的时间被各种资讯流、视频流所占用。这些信息浏览形式的技术形态，我们统称为“信息流”。它不仅是提供信息为主的内容类产品最重要的产品样式，目前也已经被广泛的被应用在工具类、社区类等以信息为补充功能的应用内。

MTJ通过分析市面上主流信息流产品的产品形态及用户使用习惯等核心要素，搭建了信息流分析模型，并于5月正式上线“信息流分析”功能。

对于信息流的分析，有助于帮助信息流的产品与运营团队，评估产品功能价值，分析用户浏览行为特征与内容偏好，评估内容质量，进而优化分发策略。

二、功能详述

1、使用前的技术准备

信息流分析的基础是对展现信息流内容的信息列表控件的识别与抓取，从而实现对每一条信息内容的自动抓取与智能识别。我们针对信息流分析对SDK进行了必要的全面优化，目前支持的主要信息流列表控件包括：

• 安卓端SDK（版本V3.9.0.3以上）包括：ListView、GridView、RecyclerView控件；
• iOS端SDK（V4.8.0以上）包括：UITableViewCell控件；

如需使用信息流分析，请先下载上述对应版本最新版应用分析(无埋点)SDK。

嵌入上述SDK，即可实现信息流分析的全部功能。此外，为了实现更精准的内容与栏目的识别，我们支持在已有智能识别模型基础上，由开发者去手动指定信息流元素中的内容标题要素及栏目名称要素，详细配置请见Android信息流分析SDK配置和iOS信息流分析SDK配置。

2、报告的指标与功能构成介绍

2.1 报告指标

信息流分析共涉及两个维度共13个指标，具体如下：

• 用户使用维度（7个指标）：使用用户数、使用次数、次均展现信息数、次均点击信息数、信息点击率、次均使用时长、每人日均使用时长
• 内容资讯维度（6个指标）： 展现次数、点击次数、点击率、次均展现时长、次均浏览时长、短点击率

2.2 过滤规则设置

自动识别抓取的标题包括支持的所有list控件的内容，因此存在个别非信息流标题的冗余信息。在开发者无暇进行“标题和栏目的代码指定”时，为了进一步提升抓取结果的准确性，以及分析的易用性，统计上线了“过滤规则设置”功能。 即：只需要在报告前端的“过滤规则设置”功能，即可直接配置需要过滤哪些类型的标题或栏目，并直接作用于报表上展示的结果。功能的具体介绍如下 2.2.1 入口：“信息流分析”报告的右上角，“过滤规则设置”文字链

2.2.2 信息标题过滤

1） 共有四条规则，其中规则四，在输入框中输入当前需过滤的特定字符标题，多个字符之间用英文逗号隔开，最多过滤30个标题。例如，输入”评论,我的”，则会过滤掉『信息标题=评论』及『信息标题=我的』的两类标题。注意此处不是短语匹配，而是完全相同才会过滤。

2）信息命中以上任意一条规则即会被过滤；被过滤信息不展示在信息列表中，且不计入汇总数据的指标结果中。

3）保存成功的过滤规则1小时后生效；且仅针对生效后的新数据起作用，故修改规则前的数据结果和信息展示结果仍将被保留。

4）建议在SDK端进行”标题指定”，可以更精准地实现标题抓取。

2.2.2 栏目过滤

1） 栏目名称中带有“（手动）”字样的标题为手动指定的栏目，其它为自动识别的栏目。

2）过滤状态为『开』的栏目为被过滤的栏目，被过滤栏目的所有信息不展示在信息列表中，且不计入汇总数据的指标结果中。

3）保存成功的过滤规则1小时后生效；且仅针对生效后的新数据起作用，故修改规则前的数据结果和信息展示结果仍将被保留。

4）建议在SDK端进行”栏目指定”，可以更精准地实现栏目分类与标记。

2.3 报告分析功能构成

2.3.1 汇总指标：总体描述APP内信息流模块的用户使用情况。

2.3.2 趋势图：与汇总指标联动，展示汇总指标各值随时间的趋势变化。

2.3.3 内容维度的数据表：按单条内容维度聚合，展示内容维度统计的指标，进行内容质量与热度评估（目前仅保留近7天的所有内容结果）。

2.3.4 栏目的智能匹配与筛选：所有指标支持按照智能匹配（或开发指定）的栏目名称进行筛选展示，从而有针对性的分析特定栏目的浏览行为及内容数据。

2.3.5 栏目名称的修改：在未进行栏目指定时，栏目多数识别为类名，可读性差。此时可以通过hover栏目备注名，点击“铅笔”形状图标，直接进行栏目名称的修改，以方便分析人员的阅读与使用。请注意，手动指定栏目的“栏目名称”无法进行修改。

3、典型的分析应用场景

上述章节主要从报告的页面结构介绍了功能构成，本章将从实际的分析场景出发，介绍使用信息流分析功能可解决的几类典型商业问题。

3.1 用户信息流模块的使用习惯描述性分析

针对用户使用APP内信息流模块的整体情况进行分析，进一步可拆分为以下子问题：

问题①：信息流模块对APP日活提升的贡献有多少？ 问题②：信息流模块对用户粘性时长提升的贡献有多少？ 问题③：信息流模块的个性化数据展现策略是否合理？信息是否有足够吸引力？ 问题④：用户每次看信息流会浏览多少条信息？花多长的时间？每天都是如此吗？

我们把以上问题的答案，转化为了直观的模型指标，具体来说。

针对问题①：通过“使用用户数”与“使用次数”了解信息流模块每日的UV/PV。通常资讯类产品的信息流UV指标等同于整个APP的UV指标，而对于类似UC浏览器等非完全资讯类产品来说，可以从用户趋势等报告进一步获取APP整体的“启动用户数”与“启动次数”，通过计算比例来确定每日的APP启动用户中，有多少百分比的用户使用了信息流模块，从而界定信息流模块对于APP日活的提升有多大帮助。

针对问题②：思路同①相似，主要考察“次均使用时长”。通过比较APP整体的平均使用时长与信息流的次均使用时长，可以直观的反应在用户粘性时长提升方面信息流所起到的作用。

针对问题③：综合“次均展现信息数”、“次均点击信息数”和“信息点击率”三个指标，再结合同行业的点击率水平进行分析。下图给出了参考的分析思路。

针对问题④：从“次均信息点击数”、“次均使用时长”两个指标分别从有效获取的信息量和时长两个角度呈现了用户在本APP上的信息流功能使用深度。可进一步与同行业APP相关指标做比较，确定自身的优势与不足。

3.2 用户资讯栏目使用偏好分析

一般APP的信息流会根据内容的差异分为多个栏目，如：推荐、热点、社会、新闻、科技、文学等等。在不进行栏目筛选的情况下，分析的是整个APP所有信息流内容被浏览的情况，而如果需要进一步了解各个栏目的用户使用偏好差异，就需要通过栏目筛选，进行下钻分析。可以参考的分析视角有：

1）筛选栏目后，比较不同栏目的用户使用规模，可分析的指标包括：日均使用用户数、日均使用次数。 2）筛选栏目后，比较不同栏目的内容受认可度，可分析的指标包括：次均点击信息数、信息点击率、次均使用时长。 3）筛选栏目后，比较不同栏目近7日最受关注的热点内容差异，可以分析数据表中，展示的具体栏目下的内容信息及其指标。可以通过按照“点击次数”排序，拉取不同栏目的top10信息做详细比较。 4）筛选栏目后，追踪特定栏目的内容浏览变化情况。具体来说，导出特定栏目近7日的内容结果，在积累1-2个月数据后，分析内容指标的变化，并与整体APP信息流内容指标做比较，从而对该栏目当前内容投放效果形成初步判断；也可从该栏目的优质内容中得到启发，优化后续该栏目的内容投放策略。

PS：默认栏目名称由系统抓取，如发现栏目抓取有误，可进行栏目名称的手动指定，提升准确率。栏目配置说明。

3.3 单条资讯维度的热度与质量分析

优质的内容无论对用户还是运营平台都有巨大价值，对于内容质量评估最有效的方式便是抽象出C端用户“用脚投票”的实际结果。在信息流分析功能的数据表中，我们展现近7日每一条内容标题的用户“投票”结果。具体来说，可以进行如下分析：

• 1）直观分析该条内容受欢迎的程度：展现次数、点击次数
• 2）内容质量的分析，既需要判断该条信息在列表页中的样式、标题文案等对用户的吸引力，也需要分析用户浏览该内容后的满意度。涉及到的分析指标有：次均展现时长、点击率、次均浏览时长、短点击率。

我们把用户的一次信息浏览行为抽象为AIA模型（attention、interest、action）

“次均展现时长”越长，代表信息更能引起用户的注意；点击率越高，代表信息成功激发了用户浏览的兴趣；次均浏览时长越长，短点击率越低，代表更多用户在浏览详情后表示了认可。因此，可以通过这几个指标初步判断信息内容的质量。此外，运营人员也可结合信息的收藏、分享等其它指标进一步丰富内容评估体系。

定制分析

一、功能简介

定制分析提供快速、便捷构建自定义报告的功能，实现任意维度的交叉分析，以满足开发者灵活、多维查看报告的需求。定制分析下共两个功能模块，实时分析以及定制报告；开发者可利用实时分析模块快速构建定制分析模型，查看、分析数据，并灵活调整、筛选维度，以验证某些想法及判断，再利用定制报告模块将其固化下来，以便之后例行化地按照查看数据。

二、适用场景

定制分析适用于以下场景：

• 为解决某个数据问题，需不断地调整数据维度、指标，多角度下钻分析，以验证判断，找到真实原因
  • 自身产品考核指标不能通过普通报表方便获取的，需定制看板以便例行化查看

三、功能介绍

1. 实时分析

实时分析提供数据表及折线图两种数据展现方式，开发者可选择更贴合自身分析需求的方式来定制分析模型。 如：您希望分设备品牌且分地域来查看新用户数和启动次数，您只需在添加维度中选择品牌、省，在添加指标中选择新用户数、启动次数，点击开始分析：  如果希望单独查看‘华为’及‘小米’的数据，只需在筛选框中将华为和小米选出来：  如果希望数据更加直观呈现，可选择使用折线图。如：您希望分时段来查看几个app版本的新用户数，只需将x轴选择为时段，将y轴选择为新用户数，再讲趋势线添加为您关心的几个app版本即可： 

2. 定制报告

定制报告帮助开发者将实时分析保存下来并持续输出，以便开发者例行化地查看这份数据。开发者在实时分析报告中点击右上角定制为报告，即可将其保存至定制报告中，供开发者随时查看：

3. 功能升级

定制分析目前提供两个权限版本：基础版及高级版。基础版具有实时分析回溯7天及2个定制报告数的权限，高级版具有实时分析回溯30天及5个定制报告数的权限。基础版权限可通过‘申请高级版’来申请升级，经过百度移动统计管理员人工审核后，将于5个工作日内邮件通知开发者审核结果。 

错误分析

一、错误概况，一目了然

错误概况是以错误类型为维度的分析报表，让开发者能够一目了然地掌握自己应用的错误概要信息。基础指标包括：错误次数(日均)、影响用户数(日均)、错误率、影响用户占比。并且通过趋势图展示四个指标的分日趋势变化。  通常来讲，应用的某一次具体的错误堆栈信息称作“错误详情”，但是很多错误详情拥有相同的摘要信息（通常为堆栈信息的前三句），而不同的错误摘要同样可以聚合成同一个错误信息。该报告在3月20日的升级中，新增了错误信息的聚合明细信息， 

【错误类型】

目前mtj除支持SDK抓取的crash错误类型（即：APP捕获异常）外，还支持开发者通过SDK上传自行捕获的异常（即：用户上传异常）。

【优先级与标签】

在错误信息的管理方面，除了支持标记“高、中、低”不同优先级外，还能对不同的错误信息进行自定义标签标注。

【分机型、系统、版本】

此外，对于每一条错误信息的崩溃情况，可以展开查看发送该错误信息的TOP10机型、TOP10系统、TOP版本，大大提升开发者定位问题的效率。

二、错误明细，方便管理

一个错误信息可以包含N个错误摘要，点击“错误概况”页面错误信息的名称，即可进入该错误信息下的所有错误摘要明细页面了。

在错误明细页，可以看到该错误发送次数、影响用户数等指标的趋势图；  支持单独或批量对错误进行“标记为已修复”的操作，方便对错误进行分类和管理。如下图： 

三、错误详情，深入浅出

一个错误摘要可以包含M个错误详情，而一个错误详情就是一次具体的错误堆栈信息。点击“错误明细”页面错误摘要的名称，就会进入某次错误的详情统计页面了。

在详情页面，可以查看该错误发生最多的机型和系统、对该错误进行标记为已修复的操作、查看该错误堆栈信息、查看该错误按照机型、系统和版本分布的详细报表等。 

四、错误路径，业界首创

虽然业界动不动就说什么首创、独家，但是这次百度移动统计推出的“错误路径”功能真心是业界首创，帮助开发者快速定位和修复bug。 该功能的使用类似于线上的“实时访客”分析，可以设置相应的抽样规则，例如只看某错误类型下的错误路径等。当然，抽样规则的生效也是小时级别的。 

五、错误信息设置

安卓端支持上传 maaping文件和so文件，IOS端支持上传so文件。 

页面分析

一、功能定位

页面是APP构成的重要元素，也是用户APP使用行为动作载体。分析用户的页面浏览行为，有助于：

• 监测APP中每一个页面的流量，停留时长，对页面的重要性形成判断
• 了解用户页面行为浏览路径，分析页面之间的流量流转路径，以确定用户行为引导策略，并围绕业务目标优化页面结构。

二、功能详述

1. 移动统计的页面分析，目前主要包括“页面分析”和“页面路径”

1.1 页面分析：从页面维度统计每个页面的pv、uv、时长等指标，展示页面流量趋势。

1.2 页面路径：以可视化界面展示页面之间的流量流转情况。

2. 页面分析（分钟级更新）

2.1 汇总数据及趋势图

 展示APP内所有页面的“访问次数”每个页面的“平均停留时间”，页面的平均“页面跳出率”。并在趋势图汇中，展示每一个指标分日的趋势变化情况。 

小提示：页面跳出率是指 从该页面离开app的启动次数占该页面累计启动次数的比例。页面跳出率并不是越低越好，取决于页面本身所处的位置，如“支付页”的跳出率越低越好，代表用户没有因为支付问题关闭了app；而“支付完成页”的页面跳出率较高，在业务角度来看却是合理的。

2.2 页面维度汇总数据表 

2.2.1 查看页面自身的访问绝对量：访问次数

2.2.2 查看该页面作为本次访问结束页的概率：页面跳出率

2.2.3 分析该页面占据了用户的多少精力：平均停留时间

2.2.4 通过比较“访问次数占比、停留时间占比”，快速确认哪些页面更受用户的青睐。

小提示：访问页面的路径名称，需要在SDK中进行埋点，详见页面埋点；而访问页面备注名称，则可以在该报告页面中点击名称直接修改。

2.3 查看该页面之后的浏览路径

点击“访问页面”左侧的“+”号，可以展开查看用户在浏览了当前页面后，跳转至了哪些页面及对应的流向流量比例。这与“页面路径”分析的逻辑是一致的，详见下方“页面路径分析” 

2.4 点击“访问页面”名称，可进入该页面的“页面数据详情页”。 

2.4.1 该页面指标的汇总指标展示所选时段内，该页面的累计访问次数、平均停留时间和页面跳出率。

2.4.2 趋势图给出了该页面分日的各个指标趋势变化，可以分析页面流量的变化，对流量波峰波谷进行深入剖析。而下方的数据表则是对应的表格形式的数据结果。

2.4.3 可以通过点击左上角的“页面名称”直接切换到其它页面。

3. 页面路径分析（分钟级更新）

页面路径以“分叉图”的可视化界面展示了从某个页面出发的流量后续的流转情况。该报告可以帮助您对关于用户浏览行为的诸多典型业务问题分析。

3.1 A页面对于下一级页面的流量贡献率是多少。

3.2 浏览了A页面的用户，是否进入了预设的B页面。如上图，浏览了“词条页”后，仅有7.98%的用户进入了d页面，而其它多流量进入了a、b、c页面。如果d页面是产品预设的希望用户浏览的页面，此时就需要分析在页面布局上，d页面的入口是否合理？abc页面为什么抢走了d的流量？该如何进一步优化提升d页面的流量。

3.3 浏览了A页面的用户多少流离开了应用。即A页面的跳出率。

3.4 浏览了A页面的用户，进入其他页面后，又有多少比例回到了A页面。这在分析用户的反复浏览行为具有重要作用。 相关可发散的分析思路还有很多，留待您自己去挖掘。

小提示：任何一个页面都可以设定为该报告中的起始页面，只需要在鼠标hover页面卡片后，点击页面卡片右侧的“齿轮”图标（设置为根节点），即可将该页面设定为流量的起始页面再进行分析。

3.5 结合高级筛选控件，拓展页面路径分析。 同其他报告一样，您也可以通过选择“渠道”和“版本”，来过滤特定的用户。如仅查看“百度安卓市场渠道来的1.0版本的用户的页面路径情况”。渠道和版本支持多选且交叉生效，以此实现更精细人群的下钻分析。

事件分析

一、什么是事件

在网站统计时代，更注重分析用户的页面浏览行为，网站地图中的每一个节点就是一个页面。而在移动应用当中，页面的概念相对被弱化了，取而代之就是“事件”的概念。事件可是是一次button的交互触发，比如用户点击了“购买”按钮；也可以是一个判断逻辑，比如用户启动了APP，用户进入了A页面，用户离开了A页面，这些都可以是一个时间。 所以，在移动APP的统计与分析过程中，对于事件的监控与分析对于了解和分析用户的APP使用行为具有至关重要的作用。

二、自定义事件埋点方式

百度移动统计提供了基础的代码埋点的方式定义自定义事件，同时还有当前业界主推的“可视化圈选埋点”。本章节将详细介绍通过代码埋点自定义事件

从技术层面来看， 配置事件代码时主要要注意如下方面：

• 需统计事件时长时，接口需成对使用
• 相同的ID的事件会被聚合到条事件记录下
• 一个事件可以通过参数进行分类。

1、 需统计事件时长时，接口需成对使用

自定义事件可以分为两类：短暂触发事件和持续触发事件。短暂触发事件指的是像用户点击商品、触发更改资料操作、点击广告这类事件；持续触发事件指的是用户播放视频、收听音乐等持续一定时长的事件。

针对这两种事件，百度移动统计提供了两套接口：

• 一套是用于短暂触发类型事件（即onEvent函数）
• 另一套是持续触发类型事件（即onEventStart和onEventEnd配对使用）。

开发者需要根据自己的业务场景选择合适的接口使用。

2、相同的ID的事件会被聚合到一条事件下

事件的统计是在实际业务中有很多不同的场景。比如注册的入口按钮可能会分布在不同的页面，开发者只需要统计总的点击量，而不需要单独统计每个页面的注册被点击了多少次。

这时，建议的埋点方案是所有的注册按钮都可以埋一个”注册“的点，共享一个事件ID，这时，所有的注册操作就全部统计到一个注册事件下面啦。

3、一个事件可以通过参数进行分类。

当埋点的同学把注册事件埋好后，还想统计下哪些城市的用户触发注册操作比较多。这时，可以对事件加一个参数-地域，去区分不同地域用户的点击行为。

事件参数之于事件是一个很有用的下钻的维度，可以进一步帮助开发者去定位事件在这个维度的分布情况。

三、如何1分钟学会移动统计的自定义事件埋点

1、事件与参数应用说明

• 概念一-事件：您需要分析的用户触发的某个具体行为，一般可以用次数度量。
• 概念二-分类参数：将用户对事件的触发场景，分成几种确切的类别，以便对事件进行详细的下钻分析。
• 概念三-计算参数：对于事件的某些特殊的指标，需要自定义统计字段

另外， 分类参数的取值一定要是可枚举的，比如用户姓名、商品ID这样的维度粒度太细，聚合量太少，就不适合作为分类参数。

分类参数的总取值数量是有上限约束的，所以建议您合理控制参数的可取值数量。

2、定义与添加事件

添加事件可以逐条添加也可以批量添加：

逐条添加的时候，您需要填写如下几个字段

• 【事件ID】 ：该ID有唯一性，且不可变更。用于标识该事件。
• 【事件名称】（选填）：取一个易于您理解的事件名字就OK啦

如果需要对这个事件增加参数，则点击添加参数，如果是一个需要计算的指标，比如 金额、数量、速度、价格此类，则选择 【计算参数】；如果是该事件的一个分析维度，如性别、地域、来源等，则选择【分类参数】。 

批量添加的时候，您需要下载模板，按照要求填写好上传即可。

• 参数类型：分类参数填写1；计算参数填写2
• 最多填写5个参数

填写示例：  

3、代码中埋点事件

针对定义的事件，将接口代码复制到SDK中，填写完毕接口参数即可。 

四、事件报告（事件触发次数分钟级更新、用户数小时级更新）

 在完成事件埋点后，就可以在移动统计的“事件分析”报告中，查看成功埋点的各个事件的数据结果。

1、事件指标

报告中的事件指标包括：事件数量（日均）、触发用户数（日均）、事件平均使用时长（单次）。

1.1 事件数量(日均)：是分钟级更新的，因此在验证新埋点事件是否有数据发回时，可以即时查看该指标。

1.2 触发用户数(日均)：小时级更新，从用户UV层面分析事件的触发量。

1.3 事件平均使用时长(单次)：结合不同的事件类型，考察事件的质量，一般在持续性事件中具有较大意义。比如定义“视频播放”为考察事件，则可以通过时长了解用户视频播放的时长。

2、多维交叉分析能力

2.1 通过“时间控件”，选择任意时间范围的事件指标结果。

2.2 通过“渠道控件”，查看多个渠道来源的用户的事件触发情况

2.3 通过“版本控件”，查看多个版本用户的事件触发情况

2.4 通过“用户群控件”，查看某个特定分群的事件触发情况。用户分群的使用与说明详见该链接

PS：以上多维度的选择是支持交叉筛选的，如选择用户分群X，再选择其中1.0版本的A渠道用户；如此实现更精准的分析定向。

漏斗分析

一、功能定位

APP用户增长的最终目标是进行价值变现，每一个APP在产品设计及运营活动策划中，都设定了理想的用户路径。越多的用户按照这一既定的理想路径使用您的APP，不仅可以获得更好的用户体验，还能促成更多的用户价值变现。这一过程好比一个漏斗，通常开口大，出口小。为了让最终的转化能实现最大化，就需要去监控漏斗每个关键步骤的用户流量，分析步骤之间的流转关系，提升每个步骤的转化率。这就是漏斗分析的意义与价值。

二、功能详述

1. 准备工作

目前移动统计实现的转化漏斗分析是基于理想路径的每一个关键事件节点的监控，即漏斗的每一个步骤为一个自定义事件。因此，想要创建转化漏斗，需要先对希望监控的每个关键节点进行事件埋点，相关操作请见自定义事件埋点

2. 漏斗的创建

进入“漏斗分析”报告页，点击右上角“新建转化分析”，进入“新建转化”页面。这里提供四种漏斗模板可供选择

2.1 以“自定义路径转化”说明漏斗的设定流程

第1步：输入漏斗的名称

第2步：填写第一个步骤的名称，选择第一个步骤对应的事件

第3步：参考第2步，继续添加剩余步骤，最多支持添加5个转化步骤

第4步：确定统计规则，包含

1）转化率统计规则：默认为按用户数统计，可选按事件次数计算

2）转化完成时间统计规则：默认“同一天内”，可选“访问一次APP、同一天内、7天内”

小提示：“访问一次APP”是指指定的5个步骤，都是发生在同一次启动过程中，才会被记入漏斗。

第5步：点击“完成创建”，成功创建漏斗。

2.2 除了自定义路径转化外，移动统计还提供对应三种典型的转化分析场景的转化漏斗模型。

渠道转化：分析不同渠道完成目标步骤的转化情况，帮您分析不同渠道的优劣。

注册转化：分析转化为注册用户的比率以及注册路径各步骤设置的合理性。

购买路径转化：分析用户完成最终购买的比率以及购买路径各步骤设置的合理性。

2.3不同应用等级可添加转化分析模型数量不同，相关权益说明请参见会员中心；

2.4 新转化分析模型创建后数据次日生成。

3. 漏斗数据的查看（天级更新数据）

3.1 点击左侧导航栏“转化漏斗”，进入漏斗列表页，可以看到目前已经创建的所有漏斗 

3.2 列表展示了“漏斗名称、转化步骤、30日平均转化率”，同时可以通过“配置”功能，更改漏斗的步骤，或删除整个漏斗。

3.3 “30日平均转化率”是考察转化效果最重要的指标，即从漏斗的第一步到目标步骤的最终转化率。点击“漏斗名称”可以进入漏斗详情页，进一步分析漏斗每个步骤的转化用户数和转化率。

3.4 漏斗详情页

3.4.1 漏斗视图：从步骤看漏斗的转化效果  进入漏斗详情页，默认展示该漏斗的“漏斗视图”。上图可以清晰的看出，进入主界面、进入宝箱二级、玩宝箱的各个步骤用户数，以及两个步骤之间的转化率，还有整体转化率。

3.4.2 趋势视图：从时间趋势中看漏斗的优化效果  点击右上角的“趋势视图”图标，切换进入趋势视图，如果此时选择的是一段时间，即可从趋势图中看出这一段时间总体转化率的变化趋势（如图中，在3月24日、25日转化率有显著提升），并在数据表中查看每一天的数据结果。

4. 通过“用户分群”考察不同人群的漏斗转化

一般情况下，漏斗是对所有用户进行分析的，即漏斗的每一个步骤均是所有用户中满足漏斗设置步骤的用户数及转化情况。而新上线的“用户分群”突破了这一限制。 通过设置用户分群，比如设置分群为“上海地区新用户”，即可在漏斗分析中的“用户群”控件中，选择“上海地区新用户”这一分群，此时下方所有的数据结果均是上海地区新用户的漏斗转化结果。 这一功能的加入，为各种特定细分人群的漏斗转化分析提供了可能。

渠道分析

一、功能简介

APP的用户增长，拉新是基础。谈到拉新，就不得不说“渠道”。不管是免费的自然增长渠道，还是付费的推广渠道，都有必要通过渠道分析，了解各个渠道的用户规模，并准确判断渠道的用户质量。以此来解决以下商业问题：

1）APP的新客来源的主要渠道有哪些？各个渠道的带量能力如何？

2）付费推广时各个渠道质量如何评估，该如何调整渠道投放策略？

3）某些需要标记用户来源的线上线下活动，取得活动效果如何？后续效果如何追踪？ ……

二、功能详述

在移动统计中，提供了“渠道分析”和“渠道来源细分”两个功能。

1. 渠道分析（分钟级更新）

 选择想要查看的渠道及查询时间范围，即可在报告中看到对应指标的分日变化趋势，并在下方表格中按渠道汇总每个渠道的数据指标结果。

1.1 如何使用渠道分析报告

1.1.1 评估渠道拉新能力：通过“新用户”指标，明确该渠道给APP带来的全新用户的数量。同时，“本渠道新用户”是指只要首次在该渠道下载激活就被被记入，该指标无法用户结算，但客观体现了渠道能力；此外，还可通过“启动用户数”判断渠道累计的拉新成效，因此也可用来考察渠道拉新能力。

1.1.2 评估渠道的质量：好的渠道，应该是既有强大的拉新体量，同时确保优质的新客质量。在本报告中，查看“平均使用时长”可以直观判断本渠道用户的粘性；而结合“启动用户和启动次数”计算人均启动次数，能进一步判明本渠道用户对平台活跃的贡献程度。  以上图为例“android market”渠道在近30日的新用户是“google default”渠道的2.9倍，而前者新用户的累计启动次数却是后者的80倍，即“android market”渠道新用户平均启动次数是“google default”的26倍之多。由此可见“android market”的新用户在后续间接价值更大。

1.2 除了汇总各个渠道数据结果的“渠道分析概况页”外，您还可以通过点击每一个渠道的名称，下钻查看单一渠道的数据详情  主要指标与渠道概况页一致，实现了单一渠道分日数据的呈现，能够更好从时间维度分析单一渠道对产品的拉新贡献。

1.3 渠道统计的技术原理  通过在SDK中配置channelID，进行渠道标记识别并统计呈现。详细的配置请见XXXXX

2 指定广告跟踪（原“渠道来源细分”，小时级更新）

“渠道分析”依赖在APP包中嵌入channelID，即每一种渠道来源对应一个APP安装包。但众所周知，IOS软件的官方下载渠道只有一个APPSTORE，即如果通过安装包打channelID的方式统计IOS的渠道来源，就只有app store一个渠道了。而实际情况，IOS通常也会在诸如社区、论坛、门户网站等付费推广平台买流量，因此有必要监测不同平台购买流量的效果。

正是为了解决：单一软件安装包在不同来源的投放效果统计与追踪的问题，我们设计了“指定广告跟踪”这一功能。

2.1 指定广告跟踪的技术原理 

2.2 如何设置指定广告跟踪

2.2.1在“指定广告跟踪”报告中，点击数据表右上角“+”进入如下“添加渠道”页，输入初始的下载链接【初始渠道URL】以及【渠道名】，点击“生成渠道URL”生成新的下载链接  此处的【初始渠道URL】是指APP上传渠道（如应用市场）后的下载链接，也可以为在论坛中的下载链接

2.2.2 将【生成渠道URL】提供给渠道商。 通知渠道商将【初始渠道URL】替换为【生成渠道URL】再进行推广。

2.3 如何查看指定广告跟踪报告 

2.3.1 展示每个渠道的“点击总数、移动设备点击、去重点击、激活、转化率”五个指标

2.3.2 其中“激活”通常是与渠道结算的考核指标，再结合渠道投放费用，即可计算ROI等；“转化率”体现了该渠道的投放效率。

2.3.3 点击该渠道名称，进入单一渠道的详情页，数据指标与上图一致，额外增加了从时间维度查看单一渠道的投放变化情况。

三、渠道作为高级筛选项在其他报表的衍生分析

除了在 “渠道分析”和“渠道来源细分”两张报表进行主要的渠道引流规模和质量的分析外，移动统计还将“渠道”作为高级筛选项，应用在其他的所有报告中。这使得，查看某一渠道的用户事件点击情况，某一渠道用户的页面浏览偏好等诸多以渠道进行细分的分析得以实现。大大提升了渠道分析的自由度和下钻深度。

1.案例一：在事件分析报表中结合渠道

 图注：在百度移动统计的“事件分析”中，我们可以分渠道，查看不同时间区间某个具体事件行为的 触发次数、触发用户数和使用时长。

案例二：在漏斗分析中结合渠道

图注：在 “转化分析”报表中，使用“渠道转化”模型，查看具体某一个渠道的用户在目标步骤的转化情况。如图中展示A渠道近30日在企业广告变现路径中，从打开APP、feed广告展现、点击、到最终下载这一路径各环节转化效果。通过比较不同渠道最终广告下载转化差异，断定渠道的优劣。

用户分析

一、功能简介

增长黑客必须以用户为王！了解产品的用户是谁？从哪来？有什么特征？这些是做产品运营和功能设计最基础的要求，也是统计与分析工具需要帮助您解决的最基础的一个问题，即：从数据层面分析您的用户。 在移动统计平台上，我们通过用户趋势与活跃分析、地域分布、终端分析、版本分析和用户画像五个功能，帮助您剖析:

用户规模、质量构成、用户来源、终端属性以及超出APP范畴的用户在大数据世界的画像（百度独有的全网数据画像）。

此外，在高级功能中，还有“用户分群”与“个体洞察”，帮助您进一步对用户进行群体细分与分析。

二、功能详述

1、用户规模、用户趋势与用户构成的分析

该部分分析，涉及移动统计平台的“用户趋势”与“用户活跃”两个分析报告。

1.1 用户趋势报告（分钟级更新报告）  1.1.1 分析“用户构成”：通过：新用户、新用户占比、老用户、老用户占比四个指标清晰展示APP的新老客构成情况。尤其是“新用户”相关指标，是判断APP拉新效果的核心指标。

1.1.2 分析“用户质量”：通过：每次使用时长、每人使用时长，初步判断宏观层面用户的粘性

1.1.3 分析“用户趋势”：所谓用户趋势实质是从时间连续性角度，看用户相关指标的变化趋势，分析趋势高值点和低值点出现的合理性。在用户趋势报告中支持“按日”及 “按时”粒度查看数据指标的变化趋势，同时还可选择“对比时间段”，以进一步分析当前趋势较期望值是否达标。  图注：对比“小时粒度”的今天与昨天的新用户数变化可知，今天中午12点-13点新用户增量高于昨天。  图注：对比“天粒度”的近7日与上个周期的新用户数变化可知，3.24与3.25同比上个周期，新用户数有所降低。

1.2 用户活跃报告（分钟级更新）

  1.2.1 分析“APP活跃体量”：通过：启动用户数（日）、周活跃用户数、月活跃用户数，分不同时间粒度考察APP用户活跃情况，是投资人关注的核心指标。

1.2.2 比较“活跃度的变化”：日活跃度=日活跃用户/累计活跃用户*100%，通过每日活跃度的指标对比，可以显著得出当日的活跃情况较历史平均水平是否有所提升。周活跃度、月活跃度分析思路是类似的。此外，还有一个重要的指标“日活/月活”，该指标是考察今日活跃情况较近30日来说变现如何。 小提示：日活跃报告，如果仅看两个指标，可以关注“日启动用户数”以及“日活/月活”，前者说明今日活跃规模，后者评估今日活跃质量如何。

1.2.3 分析“用户沉默”：和活跃相对应的是用户的沉默，因此通过“月沉默用户数”和“月沉默率”判断危险客户的数量，当这两个指标有所上升，务必采取行动，挽回流失用户。

2 地域分布分析（小时级更新）

无论是APP的线上推广还是线下推广，地域因素都是需要重点考虑的。地域分布的差异背后实质是用户群体偏好的差异。尤其对于电商、O2O、社区等注重线下运营的产品来说，准确了解APP用户的地域构成，才能有针对性的设计地域运营方案。

2.1 可视化地图，直观展示用户在全国范围内分布  图注：hover左侧地图，显示北京地区启动次数及在全国范围占比；右侧按启动次数从高到低展示当前省份排序。 PS：还支持按照“国家”来查看哈。移动统计支持海外app接入。

2.2 省份及城市维度的用户规模和质量分析  图注：报告下方数据表，可下钻查看在“广东省”下各个城市的启动用户占比分布。 2.2.1 通过“启动次数、启动次数占比、启动用户分布”，分析该省份或城市的用户规模体量，即当前城市渗透率

2.2.2 通过“新用户分布”，分析APP在该省份发展的潜力，结合启动用户分布，可以将城市分为四类（如下图），进而确定城市发展战略。

2.2.3 通过“平时使用时长”，分析该城市用户的质量，是制定城市策略的辅助参考要素。

3 终端分布（分钟级更新）

终端作为用户运行APP的载体，背后蕴藏这丰富的用户信息。分析用户终端，对于运营、产品和研发工作都十分必要。

3.1 通过品牌与设备型号差异，分析用户消费能力 

3.2 通过操作系统与分辨率，确定产品研发的基础架构  

3.3 通过“运营商、联网方式”，了解用户在使用产品时的网络环境，影响需联网相关产品功能的设计与实现。 

4 版本分析（分钟级更新）

 APP的持续迭代更新，需要了解每个版本目前的用户体量，已确认在运营投入，研发维护等方面需要侧重于某些版本。因此通过版本分布可以确认以下几个问题：

4.1 新发布版本的更新情况  通过“升级用户数、新用户数、升级+新用户”判断新版本的更新情况。

4.2 确定各版本的使用用户占比，降低对低用户占比版本的维护投入。  通过“启动用户（分布）”明确各版本目前用户体量，如上图中：蓝色框的3.0.2版本需重点维护；3.0.0、2.3.3、2.0.0.1等橙色框版本占比过低，可考虑不再进行维护。

5 用户画像

了解您的APP用户，不仅要知道她们APP及设备属性相关的情况，还需要了解他们的社会属性。以往的统计工具由于缺乏数据源，无法分析用户的社会属性。而移动统计通过结合百度大数据，可以为您展示用户清晰、完整的人口属性及兴趣偏好构成，为您的app运营策略的指定提供重要的参考信息。

5.1 基础人口统计画像  图注：结合性别与年龄，考虑产品运营和设计的调性与风格。

5.2 用户兴趣偏好画像  图注：结合用户对“软件应用”和“影视音乐”的偏好，可以影响广告投放平台的选择，运营活动的合作媒体与主题设计等。

三、强大的交叉分析功能

上述报告（用户画像除外），支持按照以下维度，筛选报告中展示的数据结果，为更多维度的交叉分析提供了可能。

1 时间控件：支持选择任意时间段，并进行时间对比

2 渠道控件：支持查看全部渠道，或某几个渠道的数据结果

3 版本控件：支持查看全部版本，或多选某几个版本的数据结果

非技术人员接入指南

第一步：注册MTJ账号

①登录mtj.baidu.com，点击右上角“注册” ②注册百度用户账号

③填写用户基本信息，通过移动统计使用协议

第二步：新建APP

第三步：通过邮件邀请技术人员进行SDK配置操作

在成功新建APP的页面，点击“邀请技术人员配置”，输入技术人员的邮箱地址，点击发送，即可将配置SDK所需的必要信息全部以邮件形式发送至技术人员邮件，请求技术人员协助完成SDK嵌入配置。

第四步：等待工程师完成嵌入

工程师根据邮件中的信息，可参考技术人员路径的第三步-第五步，完成sdk的配置与测试。

第五步：查看线上报表数据

SDK嵌入成功后10分钟左右，数据即可在报表中呈现，您可登录mtj.baidu.com，选择新创建的APP，想看详细的各项数据指标。