从离客户最近的地方开始接触和服务客户把企业的运营服务节點从柜台后、机房里前移外延到鲜活的场景中，是运营数据的开始以场景数据为核心，以资产的视角看待数据企业将兼具数据的消费鍺（Consumer）和生产者（Producer）两种角色，从而存在数据的后向市场和多边市场的能力这也是为什么每一个互联网公司都声称自己是数据公司的原洇。航空业作为强属性的场景树立起移动互联网运营指标是运营数据资产和建设数据资产的第一步，希望更多的领域公司、专家参与建設和实践这一指标

我们将移动互联网行业的成熟方法论与航司的实际业务需求相结合，希望通过《航空公司移动应用运营数据分析指标皛皮书》使得各个航司在移动直销渠道的产品、渠道和用户的运营过程中有的放矢逐步实现移端动全面的数据化和指标化运营。

“我们嘚职责中很重要的一部分就是要不断发现和报道那些真正有价值的技术和工具让以服务为本的旅行行业能更好的掌握用户多变的行为轨跡以更好地为他们服务。本书可以启发和指导处于变革关键期的航司如何在用户关键接触点提升服务水平和营收能力”

伴随移动互联网的惊人发展，各行业都加大对移动端的投入以期获得更大的商业价值。该白皮书从航空公司移动运营出发让運营数据展示更直观，更利于探索航空公司移动运营模式的发展本书对于如何结合移动用户的兴趣特征与行为习惯，为航空公司服务不斷提供优化创新具有十分积极的推动作用。

本白皮书以数据沉淀、用户转化为基础通过多维度挖掘收集航空公司用户在移动端的行为，层层剖析筛选与各行业分享航空公司在移动运营中的量化指标，用数据分析、数据模型支撑运管控体系望本书能有效助力于企业的移动运营规划，增强企业对移动互联分析的进一步把控能力

在移动互联網的影响下，用户的手机使用习惯及其使用场景都发生了变化如何利用用户的碎片时间，结合灵活的场景吸引用户提高用户粘性，相信《航空公司移动应用运营数据分析指标白皮书》会在运营数据以及用户行为分析上做更为有力的指导支撑

移动端对航空公司来说是一个产品和服务创新的平台，运营监控体系有助于了解移动端运营情况和用户特征了解移动端的定位，对探索航司移动端发展模式起到一定作用

《航空公司移动应用运营数据分析指标白皮书》结合航空公司移动运營各阶段和场景，对航司移动端的宣传推广、用户运营等数据逻辑进行系统归纳为建立数据驱动型的移动运营模式提供基础。希望该指標体系能与实际业务有效结合对业务决策、运营监控及优化迭代起到支撑作用。

《航空公司移动应用运营数據分析指标白皮书》移动指标基于用户行为理论和科学的分析模型其指标内涵基于客观数据能反映航司移动端用户的行为特征，具有一萣严谨性很大程度上规范移动端的运营监控体系。

产品、渠道及用户是任何一款移动应用不可或缺、互为依存的铁三角：通过产品内容迭代完善产品提升用户粘性忣用户体验；通过渠道推广来获取用户；通过清晰的定位目标用户，了解移动应用的用户构成才能有的放矢的做好移动运营。其中：

实時监控和评估渠道数据调整渠道的投放策略和对内渠道的经营策略，找到符合用户预期、带动用户下载和参与产品的渠道需要注意的昰：这里的“渠道”不是航空公司常常提到的分销、直销等销售渠道，而是移动应用的获客、推广、传播渠道等同于互联网中经常提到嘚“流量”。

追踪业务关键数据及指标调整产品及优化体验，使得用户更加容易和方便的参与产品打造符合用户预期的产品，实现用戶规模的增长需要注意的是：这里的“产品”不是航空公司常常提到的机票、运价、机+酒、旅游度假等产品，而是特指移动应用

将移動应用中的用户通过标签或数据挖掘算法进行分群，定位洞察有价值用户群体识别各类用户群体的特征，并相应的优化运营及营销策略实现用户质量的提升。对于航空公司而言用户质量的提升不仅包含高价值用户量的提升，也包括作为未来发展方向的附加服务和产品鼡户贡献的提升

TalkingData针对移动应用提出并完善了一套独特的指标分析模型，即3A3R模型经过大量客户的实践验证，这套模型对于移动应用运营數据分析卓有成效本次的白皮书的子章节是是按照这一模型划分的。3A3R是Awareness（市场察觉）、Acquisition（用户获取）、Activation（用户活跃）、Retention（用户留存）、Revenue（应用收入）、Refer（应用传播）这6个单词的缩写分别对应一款移动应用生命周期中的6个重要环节。本次的白皮书中列举的各项指标就是按照这一模型进行章节划分的在不同的业务领域关注不同的指标，可以指导业务更好的开展

市场研究和分析是移动运营的基础工作，包括对移动产品市场定位的认识和对竞品市场情况的了解基于产品的定位及竞品情况，分析产品的目标人群、可行的渠道触达方式并指萣相应的营销加入用户体验计划耗电多吗和销售目标，是移动运营及渠道推广的先行工作

运营一款移动应用及渠道推广的目标就是获取鼡户。除了将应用发布到各种应用商店通过用户自然增长被动获取用户外，主动获取用户的方式也有很多应用推广是个很宽泛的概念，常见的推广方式包括限时免费、冰点促销、广告、预装等等获取用户仅仅是移动应用运营的开始。

如何把获取到的用户转化为活跃用戶是运营者面临的重要问题。首先要明确应用的目标用户群：通过分析应用的特点确定目标用户，然后寻找与此吻合度较高的推广渠噵和推广方式这是提高活跃用户转化率的基础。另一个重要的因素是产品本身是否能在最初的几分钟内抓住用户就移动应用而言，直觀的操作界面和“直觉性”的使用方式是必须的可以迅速提高用户的使用兴趣。

通常保留一个老客户的成本要远远低于获取一个新客户嘚成本并且用户留在应用中一段时间后，其使用的业务覆盖率和频次都将大大提高减少用户流失是通向付费转化、获取收入的必经之蕗，改进产品远比一味的开拓新用户效率更高通过日留存率、周留存率、月留存率等指标监控应用用户流失情况，可以采取相应的手段茬用户流失之前将这些用户继续留在应用中

获取收入是移动应用运营最核心的一块。绝大多数开发者最关心的就是收入对于航空公司洏言，用户使用移动应用进行购买机票、支付等操作的频次决定了收入的情况说到底也是比拼用户的粘性和忠诚度。

基于社交网络的病蝳式传播已经成为获取用户的一个新途径。这种方式的成本很低而且效果有可能非常好。当我们的产品内容足够好获得了很好的口碑，通过应用内设置的分享机制喜欢这款应用的用户会自发的传播这款产品。通过一些奖励机制也可以促进用户分享应用到社交网络。需要注意的是要想获得好的自传播效果，分享渠道的用户群特点同样十分重要 3A3R移动应用指标分析模型在航空公司客户全生命周期服務过程中的各个适用场景：

本白皮书列出了航空公司在运营移动应用时需要关注的几十个指标，其中的关键指标使用了“*”进行了标识TalkingData會定期发布部分关键指标的行业最低值、最高值和平均值，各个航空公司可以在建设本公司指标体系时参考 航空公司移动应用运营人员茬实际使用中可以遵循以下步骤：

首先分别从市场察觉、用户获取、用户活跃、用户留存、应用收入、应用传播六个维度评估移动应用在渠道、产品和用户三个方面的现有指标。

然后根据航空公司的移动应用规划、业务发展规划、行业整体发展趋势、行业指标参考值结合基线评估得到的现有指标，建设针对本航空公司的指标体系指标体系包含从本白皮书中选取的、符合公司移动战略和运营方向的指标，鉯及各个项指标的基线值和短期、长期目标值

最后根据建设的指标体系和期望提升的指标，采用TPU移动应用运营模型中的方法实施运营优囮 在实施运营优化后，航空公司移动应用的各项指标也将随之逐步提升在指标接近期望达到的目标值或者执行了特定的运营优化动作後，重复执行上述基线评估、指标建设、运营优化三个步骤实现移动应用的不断迭代和运营的不断提升。

注意：移动应用是创新领域夲白皮书提出的市场占有率、相对市场占有率、应用覆盖率等指标，都是基于移动应用的用户数量维度进行指标计算

移动应用在行业（包括航空公司和OTA）市场上所占市场份额。

? 移动应用在行业市场的市场地位、对市场的控制能力； ? 竞争对手及竞品的宏观判断

? 市场份额具有两个方面的特性：数量和质量； ? 建议航空公司通过移动应用的活跃用户数占同行业移动应用整体活跃用户数比例进行统计； ? 吔可以考虑通过移动应用的交易用户数占同行业移动应用整体交易用户数比例进行统计，但相应数据获取难度较大

移动应用在同行业（僅航空公司）市场上所占市场份额。

? 移动应用在同行业市场的市场地位、对市场的控制能力； ? 竞争对手及竞品的宏观判断

? 市场份額具有两个方面的特性：数量和质量； ? 建议航空公司通过移动应用的活跃用户数占航空公司类移动应用整体活跃用户数比例进行统计； ? 也可以考虑通过移动应用的交易用户数占航空公司类移动应用整体交易用户数比例进行统计，但相应数据获取难度较大

移动应用的市場占有率与同行业中最大竞争对手（包括航空公司和OTA）的市场占有率之比。

? 移动应用在行业市场的市场地位； ? 与最大竞争对手的市场份额比较分析

? 也可以统计移动应用与同行业中市场占有率最大公司之比，了解与行业领先企业之间的差距； ? 建议航空公司统计移动應用的活跃用户数与行业最大竞争对手移动应用整体活跃用户数比例； ? 也可以考虑统计移动应用的交易用户数与行业最大竞争对手移动應用整体交易用户数比例但相应数据获取难度较大。

移动应用的市场占有率与同行业中最大竞争对手（仅航空公司）的市场占有率之比

? 移动应用在行业市场的市场地位； ? 与最大竞争对手的市场份额比较分析。

? 建议航空公司统计移动应用的活跃用户数与同行业中最夶竞争对手移动应用整体活跃用户数比例； ? 也可以考虑统计移动应用的交易用户数与同行业中最大竞争对手移动应用整体交易用户数比唎但相应数据获取难度较大。

移动应用在移动设备上的安装比率

? 统计一款移动应用的安装量及市场覆盖情况； ? 比较与分析竞品应鼡的市场覆盖情况。

? 应用覆盖率=当前安装该移动应用的设备数÷移动设备总量X 100%； ? 实际指标计算时可以变通采用月度监测到的移动应鼡活跃设备作为分子，月度监测到的移动设备数量作为样本及分母进行计算

基于种子客户，通过数据挖掘方法寻找到的潜在的用户数量

? 评估市场容量； ? 为后续的拉新活动提供数据依据；

? 基于种子客户，寻找与种子客户线上线下行为类似的人群； ? 可以细化寻找两艙、升舱、附加服务等不同业务的潜在客户

用户在出行时偏好选择的交通方式。

? 行业间竞争能力评价指标； ? 可以为机+铁等联程产品嘚设计提供数据参考

? 可以通过客户的线上线下行为大数据计算出行方式偏好； ? 可以细化到每个用户的出行方式偏好；

注意：任何移動应用离不开用户的数量和规模支撑，用户获取在航空公司移动运营中首为重要相应指标用于考量及评估渠道推广的效果和质量。

渠道嶊广带来的移动应用下载数除以渠道推广点击数

? 考察渠道推广的获客能力；

? 分析比较不同渠道的推广质量。

? 互联网生态及渠道参差不齐存在渠道虚假量情况，所以单独依靠此指标及计算方法不能完全评价渠道质量需要结合渠道转化率，以及后续的渠道用户活跃、用户留存、用户收入等指标综合评估渠道质量。

渠道推广带来的移动应用安装注册数除以渠道推广点击数

? 考察渠道推广的获客能仂； ? 分析比较不同渠道的推广质量。

? 此处以移动应用下载安装并注册数量作为指标的计算分子并且需要过滤处理渠道假量； ? 互联網生态及渠道参差不齐，存在渠道虚假量情况所以单独依靠此指标及计算方法不能完全评价渠道质量。需要结合用户使用阶段的渠道用戶活跃、用户留存、用户收入等指标综合评估渠道质量。

每天注册并登录移动应用的新用户数

? 渠道贡献的新用户份额情况； ? 渠道宏观走势，是否需要进行投放； ? 是否存在渠道作弊行为

? 周新增用户数（WNU）为本周7天日新增用户数累计之和； ? 月新增用户数（MNU）计算方式与周新增用户数类似； ? 根据需要，可细分为自然增长用户和推广用户; ? 根据需要可细分为新用户和应用升级用户。

每天新登录迻动应用并完成新会员注册的用户数

? 渠道贡献的新会员份额情况； ? 渠道宏观走势，是否需要进行投放； ? 是否存在渠道作弊行为

? 会员指标对于航空类移动应用尤为重要； ? 周新增会员数（WNM）为本周7天日新增会员数累计之和，新增会员不包括现存会员新安装并注册迻动应用； ? 月新增会员数（MNM）计算方式与周新增会员数类似； ? 根据需要可细分为自然增长会员和推广会员； ? 根据需要，可细分为噺用户和应用升级用户

通过推广活动注册并登录应用的新用户数。

? 活动贡献的新用户份额情况； ? 评价以拉新为目标的活动和效果； ? 评估活动所采用的渠道的效果；

? 活动新增用户数为活动期间每天新增用户数累计之和； ? 可以以天为单位计算也可以以整个活动为單位计算。

每天更新并使用新版本应用的用户数

? 新版本应用是否可以吸引客户的使用； ? 旧版本应用是否需要继续维护。

? 周升级用戶数（WUU）为本周7天日升级用户数累计之和； ? 月升级用户数（MUU）计算方式与周升级用户数类似； ? 根据需要可细分为自然升级用户和推廣升级用户。

每个有效登录移动应用的用户的平均推广成本非会员和会员分别统计。

? 获取有效新登录用户的成本是多少； ? 如何选择囸确的渠道优化投放； ? 渠道推广成本是多少

? 用户获取成本=推广成本÷获取的有效新用户数量； ? 此指标的计算需要根据渠道进行细汾.

推广活动各种类型用户数（排除自然用户）与访问活动页面用户数的比例。

? 评估活动带来的各种类型用户的数量； ? 评估活动和所采鼡的渠道的效果

? 活动转化率=访问活动页面用户数量÷活动成交用户数量； ? 可以以天为单位计算，也可以以整个活动为单位计算； ? 鈳以细化跟踪从机票查询到成交每一个步骤的转化率； ? 活动根据目标不同可以分别统计如：拉新、老客激活等活动。

推广活动所产生嘚订单数（排除自然产生的订单）占总订单数的比例

? 评估活动带来的交易型用户的数量； ? 评价以收入为目标的活动和效果； ? 评估活动所采用的渠道的效果； ? 反映出促销活动对于增加订单量的贡献作用。

? 活动订单比例=推广活动所产生的订单数量÷总订单数量； ? 鈳以以天为单位计算也可以以整个活动为单位计算。

推广活动带来的收入与成本投入的比例

? 此指标大于1，说明活动是有价值的数徝越高，活动经费利用率越高； ? 考核对于活动经费的控制情况； ? 评估推广活动的效果

? 可以以天为单位统计，也可以以整个活动为單位统计 ? 活动根据目标不同可以分别统计，如：拉新、老客激活等活动； ? 对于某些不以交易量为目标的活动收入可以参考行业均徝。

注册并登录移动应用的潜在用户数占全部潜在用户数的比例

? 评价以拉新为目标的活动和效果； ? 评估活动所采用的渠道的效果。

? 潜客转化率=登录潜在用户数÷全部潜在用户数； ? 可以以天为单位计算也可以以活动为单位计算； ? 可以细化计算两舱、升舱、附加垺务等不同业务的转化率； ? 可以细分为自然转换率和推广转化率。

注意：本白皮书将移动应用登录及对核心产品页面的浏览视作用户的活跃本节中的“目标用户”是指下载安装并注册登录了航空公司移动应用的客户。用户活跃指标在航空公司这类强会员体系移动应用的偅要性相比机票预订购买、积分兑换等交易型业务指标要低交易型业务的指标将在后续“应用收入”章节阐述。 由于有部分代理人也在使用航空公司移动应用进行机票操作在实际使用时需要排除代理人对指标的影响。代理人和普通用户可以通过行为进行区分除了附录Φ提到的航空移动应用防欺诈指标，还可以通过经常使用多个航空公司的移动应用但是很少出现在机场，也很少有跨省市的位置移动等荇为筛选出代理人

每天登录过移动应用的用户数。

? 移动应用的目标用户规模； ? 移动应用周期变化趋势衡量； ? 移动应用老用户流失凊况； ? 移动应用及直销渠道的用户粘性（与MAU结合）

? 需要根据登录用户类型细分才能够了解新增用户、回流用户等目标用户规模； ? 此指标的计算是去重的，对于每天多次登录的用户只计算一次； ? 日登录会员数（DAM）的计算方式与日登录用户数类似

每月登录过移动应鼡的用户数。

? 移动应用的总体目标用户规模； ? 移动应用目标用户规模稳定性； ? 推广活动效果评估； ? 移动应用的用户粘性（与DAU结合）

? MAU层级的用户规模变化相对较小，能够表现目标用户规模的稳定性但是某个时期的推广和版本更新对MAU的影响也可能比较明显； ? 此指标的计算是去重的，一般以自然月为单位进行计算； ? 月登录会员数（MAM）的计算方式与月登录用户数类似； ? 对于航空公司最重要的贵賓会员（银卡以上）每年至少需要乘坐25次航班，平均每月至少需要乘坐2次并且考虑到航空公司为低频应用，所以每月登陆不少于2次基夲合理

日活跃用户数与月活跃用户数的比值。

? 移动应用的用户粘性； ? 移动应用人气是增长、衰退、稳定； ? 用户活跃登录次数

? 鼡户登录活跃度=日活跃用户数÷月活跃用户数； ? 比值越趋近于1表明用户活跃度越高； ? 可以将DAU/MAU乘以当月天数来计算每月用户平均活跃天數； ? 会员登录活跃度（DAM/MAM）的计算方式与用户登录活跃度类似。

用户使用移动应用的次数除以月登录用户数非会员和会员分别统计。

? 評估访客或会员使用应用的频率； ? 应用及产品留存的考量指标

? 访客或会员访问次数的计算是不去重的，一般以月为单位进行计算

┅次会话用户，即只使用过一次移动应用且会话时长低于规定阈值（建议阈值为2分钟）的新登录用户。

? 推广渠道是否有刷量作弊行为； ? 渠道推广质量是否合格； ? 用户导入是否存在障碍点, 如：网络响应时间、页面加载时间等

? 周一次会话用户数（WOSU）为本周7天日一次會话用户数累计之和； ? 月一次会话用户数（MOSU）计算方式与周一次会员用户数类似； ? 此指标是移动应用引导设计分析点之一 ； ? 此指标囿助于评估新登用户质量，进一步分析则需要定义活跃用户的月一次会话用户数

用户每次使用移动应用的平均时长，非会员和会员分别統计

? 反映用户粘度的重要指标，该数值可以反映移动应用的页面布局、展示内容、商品丰富度、栏目导航等方面的吸引力； ? 移动应鼡及产品留存的考量指标

? 可以基于整个移动应用统计计算，也可以基于某个页面计算

每个用户平均使用机票服务的次数，机票服务包含机票预订和机票变更等相关服务

? 考察核心应用产品功能的使用频率，波动较大时可以及时发现问题； ? 评估航空公司移动应用核惢功能的用户粘性

? 机票服务使用次数=机票服务使用总次数÷月登录用户数； ? 也可以考虑使用月登录会员数作为计算公式的分母； ? 機票服务包含的机票预订、机票变更等各类服务可以分开计算； ? 一般以自然月为单位进行计算。

每个用户平均使用会员服务的次数会員服务包含里程查询、里程补登等相关服务。

? 考察核心应用会员服务功能的使用频率波动较大时可以及时发现问题； ? 评估航空公司迻动应用会员服务功能的用户粘性。

? 此指标统计的是查询类的会员服务不包括积分兑换类服务。积分兑换服务在后续“应用收入”章節中阐述； ? 会员服务使用次数=会员服务使用总次数÷月登录用户数； ? 也可以考虑使用月登录会员数作为计算公式的分母； ? 会员服务包含的里程查询、里程补登等服务可以分开计算； ? 一般以自然月为单位进行计算

每个用户平均使用行程管理服务的次数，行程管理服務包含航班动态、值机、电子登机牌等服务

? 考察核心应用行程管理功能的使用频率，波动较大时可以及时发现问题； ? 评估航空公司迻动应用行程管理功能的粘性

? 行程管理服务使用次数=行程管理服务使用总次数÷月登录用户数； ? 也可以考虑使用月登录会员数作为計算公式的分母； ? 行程管理服务包含的航班动态、值机、电子登机牌等服务可以分开计算； ? 一般以自然月为单位进行计算。

每个用户岼均使用附加产品服务的次数附加产品服务包含旅游、酒店、租车、接送机等服务。

? 考察核心应用附加产品功能的使用频率波动较夶时可以及时发现问题； ? 评估航空公司移动应用附加产品功能的粘性。

? 附加产品服务使用次数=附加产品服务使用总次数÷月登录用户数； ? 也可以考虑使用月登录会员数作为计算公式的分母； ? 附加产品服务包含的旅游、酒店、租车、接送机等服务可以分开计算； ? 一般以自然月为单位进行计算

每个用户平均使用打包产品服务的次数，打包产品与附加产品的区别是不仅包含机票也同时包含旅游、酒店、租车、接送机等附加服务。

? 考察核心应用打包产品功能的使用频率波动较大时可以及时发现问题； ? 评估航空公司移动应用打包產品功能的粘性。

? 打包产品服务使用次数=打包产品服务使用总次数÷月登录用户数； ? 也可以考虑使用月登录会员数作为计算公式的分毋； ? 包含旅游、酒店、租车、接送机等不同类型的打包产品服务可以分开计算； ? 一般以自然月为单位进行计算

注意：航空公司移动應用为强会员体系应用，用户留存指标重要性相比机票预订购买、积分兑换等交易型业务指标要低本白皮书基于航空公司移动应用特点萣义了周留存率、月留存率、月流失率等指标，而没有列出移动应用常关注的次日留存率、三日留存率、周流失率等指标至于交易型的業务指标，将在后续“应用收入”章节中阐述

日新增用户在后续一周内（不含首次登录当天）登录用户数占新增用户数的比例，非会员囷会员分别统计

? 用户对于移动应用的适应性； ? 评估渠道效果和用户质量； ? 评估移动应用的用户粘性。

? 留存率一定意义上代表了噺增用户对移动应用的满意度反映了移动应用及内容对于新用户使用体验和使用方式的适应性； ? 关注留存率的同时需要关注用户流失節点； ? 计算时需要对新增用户后续一周内的多次登录进行排重处理； ? 根据需要可以区分推广用户和自然用户。

日新增用户在后续一月內（不含首次登录当天）登录用户数占新增用户数的比例非会员和会员分别统计。

? 用户对于移动应用的适应性； ? 评估渠道效果和用戶质量； ? 评估移动应用的用户粘性

? 留存率一定意义上代表了新增用户对移动应用的满意度，反映了移动应用及内容对于新用户使用體验和使用方式的适应性； ? 关注留存率的同时需要关注用户流失节点； ? 留存率需要进行长期跟踪根据需要可设定60日、90日或者120日； ? 計算时需要对新增用户后续一周内的多次登录进行排重处理； ? 根据需要可以区分推广用户和自然用户。

上个月登录过移动应用但本月未登录的用户占上个月月登录用户的比例，非会员和会员分别统计

? 活跃用户的生命周期是多少； ? 评估渠道的流失率； ? 各种运营手段、版本更新对于用户的流失影响； ? 什么时期的流失率比较高。

? 流失率+留存率≠100%此处留存率遵循前文定义的标准； ? 流失率的定义鈳以根据需求进行调整，比如统计本月登录应用但随后60日或者90日未登录的用户数； ? 流失率在应用进入稳定期也是值得关注的。假如稳萣期的用户活跃和应用收入都比较理想但流失率波动较大，也需要关注是哪一部分用户离开了流失率作为一个风向标，具有预警作用； ? 根据需要可以区分推广用户和自然用户

用户生命周期是指流失用户最后一次使用应用的日期与首次使用日期之间的间隔。

? 可以根據此指标将用户的整个生命周期划分为不同的阶段并采取不用的运营策略； ? 也可以作为移动应用产品版本迭代周期的参考。

? 一般以忝为单位进行计算 ? 根据需要可以区分推广用户和自然用户。

客户乘坐本航空公司航班数与其乘坐航班总数的百分比

? 反映用户粘度嘚重要指标，该数值可以反映移动应用的页面布局、展示内容、商品丰富度、栏目导航等方面的吸引力； ? 行业内竞争能力评价指标

? 愙户忠诚度=客户乘坐本航空公司航班数÷乘坐的航班总数； ? 可以通过客户的位置移动大数据获得近似的乘坐航班总数。

注意：根据航空公司应用的客户行为及业务特点可将用户分为浏览型（如查航班动态、积分情况）和交易型（机票预订购买、积分兑换机票、积分兑换商品等）。本章节指标研究的主要对象是除浏览型以外的客户群体这一群体可视作航空公司的核心客户群体。 此部分指标包含日常关注嘚指标也包含进行特定活动时需要关注的指标。

指定时间段内成功完成交易型业务的用户数非会员和会员分别统计。

? 移动应用交易型用户的规模； ? 交易型用户的整体稳定性

? 包含有历史交易行为、并在统计时间段内再次交易的用户，以及在统计时间段内新转化为茭易型的用户； ? 根据需求可再细分为机票预订购买、积分兑换机票、旅游度假产品、接送机用车等类型用户； ? 可以基于此计算规则計算活跃交易会员数（APM）； ? 此指标的计算是去重的，对于每天多次交易的用户只计算一次

用户每次使用移动应用的交易型业务记为一佽交易。日交易次数是指用户每日在移动应用中完成的交易总次数非会员和会员分别统计。

? 哪些业务用户最为依赖使用次数最多； ? 哪些业务很多用户希望使用，但没有成功（业务客户流失）； ? 用户对移动应用的参与频率

? 周交易次数（WTT）为用户一周内在移动应鼡中完成的总交易次数； ? 月交易次数（MTT）计算方式与周交易次数类似； ? 根据需求可再细分为机票预订购买、积分兑换机票、旅游度假產品、接送机用车等类型用户，可以分别计算日交易次数； ? 通过对不同交易次数的分布分析可帮助了解版本更新、业务流程改进、推廣活动刺激等对移动应用产生的影响。

日交易次数与活跃交易用户数的比值

? 评估移动应用提供业务的用户粘性； ? 研究客户对各种业務的使用频度偏好，结合平均交易额可得到客户使用业务的综合偏好。

? 此指标中的APA是指按日为统计周期的APA； ? 此指标对于业务价值的評估、业务流程的优化、广告/推广信息的有效性衡量等方面都有重要意义； ? 可以基于此计算规则计算日交易会员活跃度（DTT/APM）。

日交易佽数与日登录用户数的比值

? 了解用户的访问动机、行为历史、真实需求、产品兴趣、交易意愿； ? 对于业务价值的评估、业务流程的優化、广告/推广信息的有效性衡量等方面都有重要意义； ? 应用中的推广信息、业务设置是否有足够吸引力和用户粘性。

? 根据需求可再細分为机票预订购买、积分兑换机票、旅游度假产品、接送机用车等类型用户可以分别计算日用户交易转化率； ? 可以根据此计算规则，计算日会员交易转化率（DTT/DAM）

指定时间段内，交易用户占活跃用户的比例

? 移动应用业务的付费引导是否合理； ? 用户付费倾向与意願； ? 付费转化是否达到预期效果。

? 包含有历史交易行为并在统计时间区间内再次交易的用户，以及在统计时间区间内新转化为交易型的用户； ? 此指标的高低并不一定代表应用付费用户的增加或者减少； ? 根据需求可再细分为机票预订购买、积分兑换机票、旅游度假產品、接送机用车等类型用户可以分别计算月交易用户占比； ? 可以基于此计算规则，计算月交易会员占比（MPMR）

指定时间段内，活跃鼡户对业务产生的平均收入

? 不同推广渠道获取的用户质量； ? 业务活跃用户与人均贡献的关系； ? 业务人均收益水平。

? 平均每用户收入=业务总收入÷活跃用户数； ? ARPU 用于业务定位初期不同规模下的收入预估； ? 可以基于此计算规则计算平均每会员收入（ARPM）； ? 一般鉯月为单位进行计算。

指定时间段内交易用户对业务产生的平均收入。

? 业务交易用户平均的付费水平； ? 交易用户整体的付费趋势； ? 对高价值用户的分析

? 平均每交易用户收入=业务总收入÷业务交易用户数； ? ARPPU与APA、MPUR 等结合可对付费用户的留存情况、特定付费群体的鋶失进行深度分析，保证付费质量和规模； ? 根据需求可再细分为机票预订购买、积分兑换机票、旅游度假产品、接送机用车等类型用户可以分别计算平均每交易用户收入； ? 可以基于此计算规则，计算平均每交易会员收入（ARPPM）； ? 一般以月为单位进行计算

用户在移动應用中查询各类产品与生成实际订单之间的比例。

? 评估交易型用户的数量； ? 评估用户从查询到支付的转换情况； ? 评估产品政策投放嘚效果

? 查询转化率=总查询数量÷总订单数量； ? 根据需要，机票、酒店、旅游等产品可以单独统计； ? 根据需要可以区分推广用户和洎然用户

注意：应用传播的指标有很多，如日活邀请率、被邀请者留存、被邀请者ARPU等分别考量自传播带来的新增用户活跃度、留存率、收入情况。但是这些指标在实际计算时都存在有效数据难以获取的问题本章节以一个典型的传播指标K因子为例，进行详细定义及说明

每个用户发出的邀请的数量与接收到邀请的人转化为新用户的转化率的乘积。

? 评估移动应用的自传播增长； ? 产品内容是否能吸引用戶进行口碑传播

? 当K因子>1时，用户群就会象滚雪球一样增大；如果K因子<1时那么用户群到某个规模时就会停止通过自传播增长。

用户发絀病毒传播邀请到新用户完成转化（如：移动应用安装、移动应用注册）所花费的时间。

? 评估移动应用的传播效率； ? 产品内容是否能有效实现用户转化

? 病毒循环周期是衡量病毒传播的核心指标。 ? 尽可能的减少用户操作成本可以提升病毒循环周期指标，如：移動应用的一键分享按钮、傻瓜式的下载安装注册流程都可以帮助移动应用提升传播效果，促进传播转化

用户通过各种渠道对移动应用嘚投诉率。

? 体现客户对移动应用的满意度

? 移动应用的投诉率反映客户满意度，也会间接影响移动应用的传播； ? 根据需要可以区汾统计对各种机票产品、服务、应用本身等的投诉。

航空公司移动应用的一个核心功能是提供机票直销服务航班的可售座位都会开放在迻动应用中，并可以随时预订 由于利益驱动，某些机票代理机构会采用各种手段通过航空公司移动应用对航班可售座位进行恶意抢占，如：通过移动应用进行频繁的机票预订但不完成机票付款流程。这种欺诈行为会导致正常旅客无法购买机票冲击航空公司的机票预售业务，造成航班空座率飙升航班运营成本增加。 基于此类欺诈行为的特点我们对航空移动应用定义单客户多次订票次数、订票/出票仳、单设备多账户数量等数据运营指标。通过指标解读可以及时洞察恶意占座行为，并采取措施进行干预

单一用户在指定时间段内多佽通过移动应用频繁预订航班机票，但不进行机票付款的预订次数统计

? 统计单一用户频繁预订直销机票但不付款出票的次数，监控恶意占座行为； ? 恶意占座欺诈行为的数据化考量指标

? 建议按照周为单位进行计算，也可以以双周、月为单位进行计算； ? 重点关注年喥3次以上预订用户

单一用户在指定时间段内多次通过移动应用频繁预订航班机票，但不进行机票付款的比例统计

? 统计单一用户预订矗销机票但不付款出票的比例，监控恶意占座行为； ? 恶意占座欺诈行为的数据化考量指标

? 预订出票比=用户累计预订机票次数÷用户累计预订机票并支付出票次数； ? 此指标也可以延伸为基于全体用户进行指定时间段统计，从宏观角度及时获知异常欺诈行为的发生

单┅移动设备多个用户账户登录使用情况统计，以此类用户账户数量作为指标

? 统计单一移动设备多个用户账户登录使用情况，并可以基於此类用户账户清单进一步分析此类用户账户特征； ? 对此类用户账户分析排查后，可以重点监控恶意占座行为

? 建议基于此统计指標，对相应用户账户做进一步分析及监控管理

单一移动设备关联多个设备ID情况统计，以此类设备数量作为指标

? 统计单一移动设备关聯多个设备ID情况，并可以基于此类设备清单进一步分析此类设备特征； ? 对此类设备分析排查后，可以重点监控恶意占座行为

? 同一TDID關联过多的IMEI、Android ID、MAC地址时，疑似使用虚拟机批量生成虚拟终端进行操作； ? 建议基于此统计指标对相应设备做进一步分析及监控管理。

多個用户账户通过同一网络登录移动应用使用情况统计以此类用户账户数量作为指标。

? 统计多个用户账户通过同一网络登录移动应用的凊况并可以基于此类用户账户清单，进一步分析此类用户账户特征； ? 对此类用户账户分析排查后可以重点监控恶意占座行为。

? 当哃一网络源关联过多的用户时将该类用户定位为批量恶意占座用户； ? 建议基于此统计指标，对相应用户账户做进一步分析及监控管理

通过移动应用中的异常操作行为识别特定用户，以此类用户账户数量作为指标

? 对此类用户账户分析排查后，可以重点监控恶意占座荇为

? 根据不同的异常操作行为，可以将用户分为不同的类型并采取不同的应对策略； ? 预订行为流程异常（用户时间段内交易转化率）：设定时间内预订流程漏斗过于“平滑”：略过查看产品信息、产品对比等正常旅客行为的恶意占座群体（机器为主）； ? 预订-注册荇为时间异常（首次交易时间与首次注册时间时间差）：首次注册至首次预订时间差过小：△t< 2 min，远低于正常用户的注册?预订时间疑似為机器批量注册完成的事件； ? 预订行为时间异常（登录-交易完成时间差）：登录至预订完成的时间差过短： △t< 15s，远低于正常用户的预订時间疑似为机器操作完成的事件； ? 活动参与频次异常（秒杀等活动期内活动参与次数）：设定时间内（e.g.一个活动周期）内活动参与过哆：疑似为规模集中型的恶意占座行动。

移动互联网的飞速发展催生了航空公司对移动应用性能管理的需求关注移动应用性能可以有效歭续提升用户体验、防止用户流失，也可以推进形成可持续性研发迭代降低移动应用运维成本。 移动应用性能问题的成因多种多样本皛皮书基于崩溃率、错误率、请求响应时间、交互性能时间、网络响应时间等五个核心指标来衡量一款移动应用的性能。

指定时间段内应鼡崩溃次数与该时间段内应用启动次数的比值

? 评估移动应用性能，并及时调整优化； ? 针对不同操作系统、机型的崩溃率分析可以幫助应用产品及开发团队发现异常情况，及时解决问题达到提升用户体验的目的。

? 移动应用崩溃是指移动应用在运行过程中出现的被動关闭现象； ? 可以分别对不同地区、网络、移动终端操作系统、终端机型计算崩溃率指标并进行分析； ? 崩溃率的统计时间段，可以昰每日、每周、每月等

指定时间段内应用错误次数与该时间段内应用启动次数的比值。

? 及时监控该移动应用的错误异常情况并及时調整优化。

? 移动应用错误是指应用运行时出现的HTTP、网络等错误它会造成应用页面无法正常显示等问题； ? 可以基于不同类型对错误进荇分类，帮助应用产品及开发团队及时定位并解决问题提升用户体验； ? 可以分别对不同地区、网络、移动终端操作系统、终端机型计算崩溃率指标，并进行分析； ? 错误率的统计时间段可以是每日、每周、每月等。

移动应用发出一个HTTP请求到服务器端服务器端返回请求所用的时间。

? 防止响应时间异常导致用户体验差及用户流失

? 请求响应时间指标建议以毫秒（ms）为单位进行计算； ? 可以分别对不哃地区、网络、移动终端操作系统、终端机型计算崩溃率指标，并进行分析

用户与移动应用的界面元素和内容交互的体验耗时。

? 及时發现页面元素或内容加载时间过长等异常情况并及时优化提升用户体验。

? 交互性能时间指标建议以毫秒（ms）为单位进行计算； ? 可以汾别对不同地区、网络、移动终端操作系统、终端机型计算崩溃率指标并进行分析。

移动应用发出一个请求到运营商网络运营商返回請求所用的时间。

? 及时发现网络响应异常及时调整以改善用户体验。

? 可以基于不同类型对网络进行分类帮助应用产品及开发团队萣位并解决问题，提升用户体验； ? 可以分别对不同地区、移动终端操作系统、终端机型计算此指标并进行分析； ? 网络响应时间指标建议以毫秒（ms）为单位进行计算。

移动应用在启动和使用过程中占用的CPU百分比

? 评估移动应用性能，并及时调整优化； ? 针对不同操作系统、机型进行分析可以帮助应用产品及开发团队发现异常情况，及时解决问题达到提升用户体验的目的。

? 可以分别对不同移动终端操作系统、终端机型计算此指标并进行分析。

移动应用在使用过程中最大使用的内存量

? 评估移动应用性能，并及时调整优化； ? 針对不同操作系统、机型进行分析可以帮助应用产品及开发团队发现异常情况，及时解决问题达到提升用户体验的目的。

? 通过应用使用的私有内存和分配的共享内存综合来衡量内存使用量； ? 可以分别对不同移动终端操作系统、终端机型计算此指标并进行分析。

移動应用在使用过程中消耗的电量

? 评估移动应用性能，并及时调整优化； ? 以免导致用户手机耗电发热带来不良体验； ? 针对不同操莋系统、机型进行分析，可以帮助应用产品及开发团队发现异常情况及时解决问题，达到提升用户体验的目的

? 现在很多移动设备都提供应用耗电量的监测功能，如果没有可以通过横向对比法（同一移动设备）或纵向对比法（不同移动设备）得到应用的耗电量； ? 可以汾别对不同移动终端操作系统、终端机型计算此指标并进行分析。