转化分析

转化数据图表衡量的是：在用户旅程中，到达某一阶段的用户（例如进入试用期）后来又到达另一阶段的比例（例如完成第二次续订）。所选的日期范围决定了第一个事件发生的时间，而转化行为可以在此之后的任何时间发生——即使远超所选日期范围也算在内。

转化数据图表可以回答以下问题：

应用转化率如何随时间变化？是否存在季节性趋势？
营销活动或其他新情况对转化率有何影响？
不同地区的用户对应用更新的反应如何？
哪些产品类型的长期转化率更好？

Adapty 使用来自您的应用和应用商店的数据来构建数据图表。

转化率的计算方式

转化率数据图表选取两个事件（例如：安装和试用开始），并计算触发了第一个事件的用户中，有多少人随后触发了第二个事件。您设置的日期范围决定了第一个事件的发生时间，而第二个事件可以在此之后的任意时间发生，即使已超出所设定的日期范围也没关系。

想知道3月份开始试用的用户中有多少转化为付费订阅？打开 Trial -> Paid 转化数据图表，将日期范围设置为3月。Adapty 会找出当月开始试用的所有用户，统计其中转化为订阅用户的人数，并显示对应百分比。如果某个用户最初取消了试用，但在6月重新订阅，他们仍然会被计入——3月的数据会相应增加。

数据图表上的每个数据点代表一个独立的用户同期群，按触发首个事件的时间进行分组。

为何历史数据会变化

任何时间段的转化统计数据，在该时间段结束后仍会持续变化。用户不会同时完成转化——每当有用户完成转化，Adapty 就会将此次转化归因到该用户对应的同期群日期，而这个日期可能是数月之前。

无法预测某项数据图表的增长会持续多长时间，这通常取决于两个事件之间的时间间隔：

Install -> Trial（安装到试用）取决于你的应用变现策略。强制付费墙可能让用户在几天内完成转化或直接放弃应用；而在免费增值模式下，用户可能探索数月之久。
Install -> Paid（安装到付费）涵盖从安装到首次付款的全过程——包括试用期（如有）。若某次促销活动发生在初始安装很久之后，可能会使历史同期群的转化数据出现峰值。
Trial -> Paid（试用到付费）取决于试用期长度，每当应用商店重试扣款失败时，这一周期还会进一步延长。

因此，对于同一个月，一个数据图表可能很快趋于稳定，而另一个仍在持续增长。

在报告中对比各月数据

为确保月度数据具有可比性，应在每个月结束后等待固定时长再记录其数据。Adapty 没有提供限制第二个事件日期范围的设置，因此这段等待时间正是让两个月数据具备可比性的关键。

要确定需要等待多久，可以连续几个月持续监测该指标。每周打开同一日期范围的同一转化数据图表，观察数值何时不再变化。对于试用期较长、用户购买决策较慢的应用，需要等待的时间也更长。

Warning

等待期一结束，立即对该数据图表进行快照记录。转化数据图表始终显示所选日期范围的当前值，因此你无法在事后回溯查看某个时间段（例如3月）结束60天后的数据情况。

处理不完整周期

最近的数据点通常低于其他数据点，但这很少是真正的下降。这些同期群的转化尚未完成：仍在进行中的试用期，或尚未结束的订阅周期，都会被计入总数，而对应用户仍有时间完成转化。

选择合适的数据图表

Adapty 以多种不同方式追踪同一用户旅程，每种方式都有其特定用途。下表总结了转化数据图表与其相关图表之间的区别：

分析标签	日期范围的含义	显示内容	数据何时停止变化	使用场景
Conversion	在该时间段内到达某一特定阶段的用户	这些用户中有多少比例进入了下一阶段	在该时间段结束后很长时间，最多可延迟两个事件之间的间隔	查看哪些同期群的转化效果更好
Funnels	在该时间段内完成安装的用户	其中有多少人到达了用户旅程的各个阶段——安装、付费墙浏览、试用、首次付款、首次续订等	在该时间段结束后很长时间，因为这些安装用户仍在持续推进	找出流失最多的阶段
Retention	在该时间段内开始试用或订阅的用户	他们续订订阅的次数	在该时间段结束后很长时间，因为这些订阅者仍在持续续订	发现订阅者流失的时间节点
Charts	事件发生的时间段	事件数量——收入、新增试用等	在所选时间段结束时，但退款事件后续可能会修订部分数据图表	发现趋势和季节性波动

Important

转化率、留存率和漏斗均基于同期群。数据图表则不是。新增试用在试用开始当天计入；安装 -> 试用则在用户安装当天计入同一笔试用。

主要控件与数据图表

营收虽然是衡量成功的常用指标，但它只是整体图景的一部分。了解业务在不同用户行为和生命周期阶段随时间的表现同样重要，这正是转化分析的用武之地。

通过设置筛选条件和分组，您可以挖掘更多关于用户行为的有价值洞察。要识别和分析趋势，可以按日、月或年监控转化数据的变化情况。

在数据图表左侧，你可以找到转化步骤控件，用于选择要追踪的具体转化路径——例如 Install -> Trial（安装 -> 试用）、Trial -> Paid（试用 -> 付费）或 Paid -> 2nd period（付费 -> 第二周期）。

以下是每种转化的说明及参考示例。

安装 -> 付费

此数据图表显示在特定日期安装应用的用户中，最终购买了首个订阅的用户占比。

工作原理

设：

X = 所选日期的安装量（对所有产品相同，因为安装时尚未选择产品）。
Y = 其中最终完成首次订阅购买（试用或非试用）的用户数。

公式：转化率 = (Y / X) × 100%

示例：

1 月 1 日共有 100 次安装。
截至 1 月 8 日，其中 20 名用户已完成订阅。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，1月1日安装组又有30名用户购买了订阅。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至当前时刻，1月1日安装应用的用户中，有50%最终转化为付费订阅用户。

安装 -> 试用

该数据图表显示在特定日期安装应用的用户中，最终开启试用的比例。

工作原理

设：

X = 所选日期的安装量（对所有产品相同，因为用户在安装时尚未选择任何产品）。
Y = 其中最终在任意时间激活试用的用户数。

公式：转化率 = (Y / X) × 100%

示例：

1 月 1 日共有 100 次安装。
到 1 月 8 日，其中 20 名用户已开启试用。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，1月1日安装组又有30名用户开始了试用。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至当前时刻，1月1日安装应用的用户中有50%最终开始了试用。

付费墙浏览 -> 试用

此数据图表追踪有多少用户在看到付费墙后开始了试用。流程中的某个页面在此处也计为一次付费墙浏览。

工作原理

设：

X = 在选定日期看到付费墙的用户数。
Y = 此后任意时间开始试用的用户数。

公式：转化率 = (Y / X) × 100%

示例：

1 月 1 日，共有 100 次付费墙浏览。
到 1 月 8 日，其中 20 位用户已开始试用。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，又有30名用户开始了试用。
2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这说明，1月1日看到付费墙的用户中，截至当前时刻有50%开始了试用。

付费墙查看 -> 付费

此数据图表统计了查看付费墙后完成购买的用户数量。流程中的每个页面在这里均计为一次付费墙查看。

运作原理

设：

X = 在所选日期查看付费墙的用户数量。
Y = 在此之后任意时间完成购买的用户数量。

公式：转化率 = (Y / X) × 100%

示例：

1 月 1 日，共有 100 次付费墙查看。
到 1 月 8 日，其中 20 名用户已完成购买。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
- 到2月1日，又有30名用户完成了购买。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%
这说明，在1月1日看到付费墙的用户中，截至当前时刻，有50%完成了购买。

试用 -> 付费

此数据图表显示在特定日期开始试用并在此后完成首次订阅购买的用户占比。图表日期为试用开始的日期，而非用户安装应用的日期。试用仍在进行中时，其开始日期会显示为未完成周期。

计算方式

设：

X = 在所选日期开始试用的用户数。
Y = 其中在试用结束后最终完成订阅购买的用户数。

公式：转化率 = (Y / X) × 100%

示例：

1月1日，共有100名用户开始试用。
到1月8日，其中20名用户已订阅。
- 1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，1月1日试用组中又有30名用户订阅。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至当前时刻，1月1日开始试用的用户中，有50%最终转化为付费订阅。

付费 -> 第 2 个周期

该数据图表显示订阅用户在首次付款后续订的百分比。

运作原理

设：

X = 所选日期内首次订阅的用户数。
Y = 续订第二个周期的用户数，续订可发生在任意时间（通常在一个订阅周期后；包含宽限期内的续订）。
公式：转化率 = (Y / X) × 100%

示例：

1 月 1 日，共有 100 名用户首次订阅。
到 1 月 8 日，其中 20 名用户已完成续订。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，该组又有30名用户完成了续订。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这说明，在1月1日首次完成订阅付款的用户中，截至当前时刻有50%完成了第二个周期的续订。

第2期 -> 第3期

此数据图表跟踪在第二个订阅周期后再次续订的用户数量。

工作原理

设：

X = 所选日期的第二期订阅数量。
Y = 续订第三期的用户数量，发生在任意后续时间（通常在再经过一个计费周期后；包含宽限期内的续订）。

公式：转化率 = (Y / X) × 100%

示例：

1月1日，共有 100 个第二期订阅。
截至1月8日，其中 20 名用户已完成续订。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，又有30名用户续订了。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这表明，在1月1日进入第二个订阅周期的用户中，有50%在当前时刻之前续订了第三个周期。

第3期 -> 第4期

该数据图表显示在第三个订阅周期后续订的用户百分比。

工作原理

设：

X = 所选日期第三周期订阅的数量。
Y = 之后任意时间续订第四周期的用户数量（通常在一个计费周期后；包含宽限期内的续订）。

公式：转化率 = (Y / X) × 100%

示例：

1月1日，共有100个第三周期订阅。
截至1月8日，已有20名用户完成续订。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，又有30名用户续订。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，在1月1日进入第三个订阅周期的用户中，有50%在当前时刻为止完成了第四次续订。

第4周期 → 第5周期

该数据图表显示在第四个订阅周期后续订的用户百分比。

工作原理

设：

X = 所选日期当天处于第四周期的订阅数量。
Y = 此后任意时间续订第五个周期的用户数量（通常在一个计费周期后；包含宽限期内的续订）。

公式：转化率 = (Y / X) × 100%

示例：

1月1日，共有100个处于第四周期的订阅。
截至1月8日，已有20名用户完成续订。
1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到2月1日，又有30名用户续订。
- 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，在1月1日进入第四个订阅周期的用户中，有50%在当前时间点之前续订了第五个周期。

6 个月以上

此数据图表显示从首次订阅起持续订阅超过 6 个月的用户占比。

工作原理

设：

X = 所选日期的首次订阅数量。
Y = 其中在首次订阅日期 6 个月后至少续订一次的用户数量。

公式：转化率 = (Y / X) × 100%

示例：

1 月 1 日共有 100 次首次订阅。
到 7 月第一周，其中 20 人完成了续订（例如第 25 次周订阅）。
7月8日，1月1日的转化率 = (20 / 100) × 100% = 20%
到8月1日，又有30人在6个月后续订。
- 8月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至8月1日，1月1日订阅的用户中有50%在6个月后仍保持订阅状态。

1年以上

该数据图表显示了从首次订阅起，持续订阅超过12个月的用户占比。

工作原理

设：

X = 所选日期的首次订阅数量。
Y = 其中在原始订阅日期12个月后至少续订一次的用户数量。

公式：转化率 = (Y / X) × 100%

示例：

2021年1月1日，共有100次首次订阅。
到2022年1月的第一周，其中20人已续订。
2022年1月8日，转化率 = (20 / 100) × 100% = 20%
到2022年2月1日，又有30人在12个月后续费。
- 2022年2月1日，转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，在2021年1月1日开始订阅的用户中，有50%保持活跃超过一年。

2 年以上

此数据图表显示从首次付款日期起订阅超过 24 个月的用户百分比。

工作原理

设：

X = 在选定日期内首次订阅的用户数。
Y = 其中在原始订阅日期起 24 个月后至少续订一次的用户数。

公式：转化率 = (Y / X) × 100%

示例：

2020 年 1 月 1 日，共有 100 名用户首次订阅。
到 2022 年 1 月的第一周，其中 20 人已完成续订。
2022年1月8日，转化率 = (20 / 100) × 100% = 20%
到2022年2月1日，又有30人在2年后续订。
- 2022年2月1日，转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至2022年2月1日，在2020年1月1日订阅的用户中，有50%在2年后仍处于活跃状态。

宽限期 -> 已付款

此数据图表显示进入订阅宽限期的用户中，在宽限期结束前成功解决问题的用户占比。

计算方式

设：

X = 进入宽限期的订阅用户数。
Y = 其中在宽限期到期前完成续订的用户数。

公式：转化率 = (Y / X) × 100% 示例：

2025年1月1日，100人的订阅未能自动续期，进入为期16天的宽限期，到期日为1月17日。
在1月1日至1月17日期间，50人更新了支付信息，订阅成功续期。
2025年1月17日，转化率 = (50 / 100) × 100% = 50%

账单问题 -> 已付款

此数据图表展示遭遇账单问题后，在账期结束前恢复付款的用户占比。

运作原理

定义：

X = 遭遇账单问题的订阅者数量。
Y = 其中在账单问题发生至账期结束这段时间内续订的用户数量。

公式：转化率 = (Y / X) × 100% 示例：

1月1日，100名订阅者在订阅无法自动续费时遇到了账单问题。
- 注意：如果启用了宽限期，账单问题状态仅在宽限期结束后才开始。本示例假设宽限期于1月1日结束。
到1月8日，其中10名用户已解决付款问题并完成续费。
- 1月8日，1月1日的转化率 = (10 / 100) × 100% = 10%
到1月31日（账单周期结束），又有10名用户完成了续费。
- 1月31日，1月1日的转化率 = ((10 + 10) / 100) × 100% = 20% 这表明，1 月 1 日进入账单问题状态的用户中，有 20% 在账单周期结束前解决了问题并完成了续订。