是一篇我翻译的老文了，讲的是通过GA进行APP分析，里面的内容虽然有些久远，但是放到今天仍然可以适用。原文地址
http://online-behavior.com/analytics/app
移动APP分析，是第一个作为GA的核心部分建立在Google Analytics中的非网站分析平台。这反映出了我们6年前就预测到用户向智能手机与平板电脑的转移趋势。
在过去，我们不得不自己开发移动APP数据追踪工具（由于它们的报告与网站数据报告看起来一样，因此最终会走向终结），新的Google Analytics的移动APP分析把围绕APP的数据呈现在报告中，使我们轻轻松松地便能追踪用户在APP中的交互。不再用追踪网站的方法来追踪APP，移动APP的开发人员会惊喜地发现报告反映的数据对他们的业务十分适用。
数据虽然已经很棒了，但是分析的最终目的是从中产生洞察，从而可以采取行动。这篇文章中，我会从GA新的APP分析界面中找一些报表的例子，来告诉大家，这些报告如何帮助我们为业务做一些决策。
APP发布：多少人在使用我们的APP？
假设我们刚发布了最新版本的搜索机票的APP。我们收到邮件通知，我们的APP刚通过了应用市场审查（好不容易啊），我们准备开始运营了。或者我们刚刚发起了一些针对某些地区的营销活动，来促使用户安装我们的APP。GA可以实时监测我们获取用户的效果，用户的来源以及用户是如何参与到APP内容中来的，对我们来说十分重要。
这就是实时报告的用武之地。在用户交互后的几秒之内，数据就能够呈现在报告之中，使我们可以根据数据快速地采取行动。我们可以看到每个APP版本的用户数量，他们活跃在哪些屏幕页面，以及他们的地理位置（可以精确到城市级别）。
监测与迭代：我们如何优化用户体验？
我们可以通过很多方法来获取和吸引用户。对我们来说了解用户在APP中的行为与行为轨迹十分重要。我们希望可以回答如下问题：
我们是否存在业务瓶颈？
为什么用户离开了APP？
不同的操作系统和语言等等，用户的行为会有什么不同？
用户行为流报表（Behavior Flow Report）会告诉我们用户在APP的行为轨迹是怎么样的，他们在哪里离开，他们怎么到达特定的屏幕页面，以及按照什么样的浏览顺序到达这些页面的。我们的搜索航班的APP报告如下，似乎在一些重要的屏幕页面的退出率（红色部分）比较高。
我们会想到拆分这个数据，把问题缩小到某个的操作系统，APP版本，用户类型等。这种分析帮助我们不断重复迭代，并增进用户体验。
监测与迭代：我们如何为问题排优先级？
我们的APP可在应用市场上下载，但是在用户评论中显示了APP有一些技术问题，APP有时候会突然崩溃。实际些，Bug对于开发人员来说是现实生活中非常不愉快的存在，在某种程度上，Bug一直都在，从未消失。问题就是，我们应该如何排优先级，怎样分配资源？
崩溃与异常报告（Crashes and Exceptions Report）会给我们一些重要的数据，帮助我们不断逼近问题答案。这个报告中会给我们一些信息，比如：
APP出现了哪些异常？
出现异常之后带来了哪些影响？
这些异常时在APP哪里出现的？
在哪些设备，操作系统和APP版本上出现的?
来看下面这份报告，似乎有一个Bug在升级到2.1版本的时候修复了，但又带来了另一个Bug。细分数据，去找出关于异常的更多信息，这样我们就能采取适当的措施。比如，或许这个Bug只存在安卓客户端，iOS上并没有。这样，我们的安卓开发团队就需要多做一些工作，而我们的iOS开发团队就可以早些发布iOS APP。
�通常我们会把崩溃与异常分开，异常中包括崩溃，崩溃是致命的，但并非所有的异常都致命。在上面的报告中，我们只有致命的异常。
进化：我们需要关注什么操作系统/功能？
当我们准备进一步开发APP的时候，新的挑战出现了，我们需要知道如何在公司内部分配资源。我们需要关注什么操作系统？什么APP功能，换言之，什么对于我们的利润影响最大？
继续看设备和投放网络概览（Devices and Network Overview）报告，我们又能够为我们的搜索航班的APP获得一些重要的信息了。比如，我们大部分的安卓用户的版本都在4.0以上，只有一小部分用户还在使用安卓2.3或者更低。这告诉我们，如果我们停止维护安卓4.0以下的操作系统版本，影响到的用户并不大。
根据上面提到的，我们可以开始用一些4.0以上版本的功能，并且，我们不用支持2.3，这样可以帮我们减少一些麻烦。另一方面，我们几乎没有什么安卓2.3及以下版本的用户，可能是因为我们的APP并没有为安卓2.3版本进行优化，对此我们需要作进一步观察，从不同的角度去看这类数据十分重要，这样我们才能为业务做最好的决策。
进化：我们应该关注哪些用户？
随着用户增长，GA数据量也在增加，使我们能够重要的细分数据上找到问题并且采取行动。用户行为报告（Behavior Report），如下面的会话时长（Session Duration）和用户忠诚度（Loyalty）报告就提供了很多有价值的洞察。
更长的会话时长（Session Duration）和更多的会话数的用户转化率也更高。这告诉我们，我们应该关注用户的留存与参与度:我们希望我们的用户可以在离开之后回到我们的APP，我们需要定位用户退出那些点（上面提到的用户行为流（Behavior Flow report）可以帮助我们），数据显示重复用户和参与APP时间更久的用户的转化几率更高，这一信息对于无论是营销还是设计工作都十分重要。
报表：我们如何将数据呈现做到极致？
到现在为止我们已经讨论了现成的报告。所有的报告是在GA里默认生成的。但是，针对某一项业务定制特定维度和指标的报告是很有效的方法。也就是说，报告中的数据可以反映某个特定业务。我之前写过一些自定义维度（Custom Dimensions）的用例，以及该如何使用这些自定义维度来改进报告。
自定义维度（Custom Dimensions）就像GA中已有的度默认维度一样，只是我们可以自己创建，使我们可以收集额外的，GA默认不提供的数据。
自定义维度不仅可以使我们获取用户和内容额外信息，也使我们创建适用公司内部的报表。公司内部的人不一定熟悉GA中的术语和数据展现形式。
通过创建一个“客户级别”的自定义维度，比如，我们把报告和细分创建为如下图报表，这个报表贴近我们的业务，并且也易于在公司内部传阅。
类似地，自定义指标（custom metrics）同样使我们能够把自定义的数据发送到GA，只是，自定义指标发送的是数值而不是自定义维度那样的字符串。还是拿我们的”机票搜索”APP来说，我们希望增加这样几个自定义指标：搜索次数，预订数以及取消预订数，等等。这样就可以创建下图中这样一个报告。这样的报告仍然贴近我们的业务类型并且适用于公司内部，即便是对那些不熟悉GA的人来说也很适用。
结束语
GA移动APP SDK使我们在移动APP上安装追踪代码变得十分简单，并开启了很多强大的分析功能。通过在APP上的监测和迭代，我们可以不断提升用户体验，最终增进了我们的业务。有时候很容易就能找到一处明显的赚钱瓶颈，有时候却需要更多的细致分析，才能获得更有价值的洞察。
原文作者介绍：
Kristoffer Olofsson是Precis Digital，一家在线数据情报与营销代理商的合伙人，他曾是Google Analytics Premium团队的部署专家。他刚上大学时便开始与数据打交道，并且经常成为数字营销经理与开发人员的沟通桥梁。
