流失卸载
移动应用用户增长速度下滑，新用户增量变少，互联网开始由增量市场转向存量市场，这是大家基本都达成的共识，对存量用户的深耕细作成为大势所趋的运营方向。出于技术门槛和数据能力限制，大多数统计分析服务以往都致力于分析APP“得到”了哪些用户，难以为开发者提供复盘“失去”的能力，U-APP移动统计凭借全网数据优势推出「流失卸载」功能，在对用户卸载行为准确监测之上，提供以下能力：
卸载/召回趋势分析：按周/月复盘有多少用户在周期内有卸载您App的行为，有多少曾经卸载过的用户重新安装了您的App。
卸载用户洞察：洞察当周/月的卸载用户具备什么特征，如用户生命周期时长分布、卸载前的使用热度、是否经历过性能崩溃、是否是长时间失活后的卸载、卸载设备在终端属性和地域上的特征。
流失去向分析：判断用户卸载是否源于同类产品的竞争，运营可以在产品页面自定义关注的竞品类型，U-App根据卸载用户近期行为判断并计算其中流入了您关注的各个竞品类型的卸载用户量。
流失用户细查（待上线）：将卸载、召回用户建立分群，借助分析模型观察卸载/召回用户的行为特征，对单个卸载/召回用户进行行为流细查、导出卸载用户设备明细以便进行定向召回。
流失路径还原（待上线）：观察卸载用户在App内末次活跃的高频页面路径。
综合以上能帮助判定App当前所在生命周期、洞察卸载用户画像探索具体卸载原因，为预防用户流失提供方向，也为召回流失用户提供了线索，让运营在存量管理中做到“心里有数”。
更多卸载相关的使用、需求交流，可以通过钉钉扫码进群沟通。
此功能仅提供给Android端App，iOS端暂不支持
使用前置条件
使用本功能请先集成高级运营分析功能独立库，以辅助我们进行更精确的卸载识别。
独立库未集成前，我们为您展示demo数据，以下状态代表您暂未集成：
识别到已集成独立库并有数据上报，我们为您开启基于您真实数据的流失卸载计算服务
集成独立库并发布上线后如果菜单一直没有数据，请检查独立库的真实覆盖设备量。
被独立库覆盖的设备才会参与卸载判断，您可以在「反作弊-设备风险趋势」菜单，通过「活跃设备数」看独立库的覆盖设备量，正常情况下，「活跃设备数」会和携带独立库的App版本的活跃用户量近似。
情况一：独立库覆盖量级符合App版本的活跃用户数，可能是未识别到有设备卸载。由于卸载计算需要全域数据参与，达足够量级才能生效，所以请勿以少量的测试设备发数的方式进行功能验证。
情况二：独立库覆盖量级大幅少于App版本的活跃用户数，请和技术确认是否有根据指引，在正式上线的release版本中重新进行混淆配置，参考：老用户开通流失卸载配置指引
如果以上排查完成后还没有数据，请联系友盟客服。
产品使用
流失概况
流失概况展示您应用每周的卸载用户量和召回用户量，并展示趋势。
上周流失
按周提供卸载流失设备数和卸载召回设备数，默认展示上周数据。
卸载设备数：当前时段内，有过卸载行为的设备去重数。若某设备在当前时段内卸载又重新安装、或多次卸载再安装，都算它为有过卸载行为的1个卸载设备。
卸载召回设备：曾经被友盟识别为卸载，当前时段内又被识别为重新安装的设备去重数。仅统计卸载后90天内重新安装的设备，卸载90天后重新安装的设备不算在卸载召回设备中。
数据更新时间说明
U-App产品页面中，会在每周四刷新上周的卸载召回数据，即本周一至本周三可看上上周的卸载数据，本周四更新数据后，可看上周的卸载召回数据。如您需提升卸载召回数据的实时性，请联系客服。
数据准确度说明
当前的卸载/召回识别机制依赖于友盟在全网设备的覆盖程度，可能会有少部分设备的卸载行为无法识别，造成数据比真实值偏小。
流失趋势
按周、月提供卸载流失设备数和卸载召回设备数，提供趋势图及明细用于横向对比。周数据更新时间为次周周四，月数据更新时间为次月4日。
卸载/召回趋势可以根据实际业务情况进行下钻解读和归因，如：
某周卸载量较以往增多：复盘当周是否有重大更新、故障导致用户因被干扰而卸载；后续可对卸载用户建立分群并导出明细进行，进行短信、投放召回。
某周卸载量较以往减少：复盘当周是否有运营活动，让运营在探索留住用户的方法中“有数可依”。
某周卸载召回量较以往增多：复盘是否进行了老用户召回工作，如当周集中进行了短信找回、广告投放召回等，进行召回工作的效果回收。后续可对召回用户建立分群（尊享版能力，建设中），结合事件分析观察召回用户是否因为App内某种活动、某些刚需功能而重新下载App。
创建卸载/召回设备分群（尊享版）
尊享版用户，可按自然周/自然月将所选周期内的卸载/召回设备建立分群，用于后续的用户行为分析、明细导出。
完成用户分群的建立，您可以尝试做如下分析：
卸载设备分群
在「事件分析」等高级分析模型中分析卸载前行为，观察卸载前用户的活跃情况。如有多少卸载设备在卸载前还有深度交互（购买、参与活动等）行为、频率如何，是否已经不再深入使用
在「用户分群」中下载卸载设备的明细，用于定向投放或短期内规避拉新；
在「用户分群」中查看分群内的用户列表，点击进入「个人细查」，还原单个卸载用户卸载前的行为流；
召回设备分群
用于在「事件分析」等高级分析模型中分析召回后前行为，观察召回用户是否真正重新和应用建立链接和使用。可以通过召回后用户的高频行为，了解用户是为了什么功能而重新安装App
在「用户分群」中下载召回设备的明细，用于对接其他系统做定向触达、发送回流奖励（此处强烈建议您在集成SDK的过程中，设置同时上报用户账号，能高效映射出召回设备的用户账号）；
在「用户分群」中查看分群内的用户列表，点击进入「个人细查」，还原单个召回用户在召回后都有哪些行为，极有可能是其重新安装下载应用的原因；
导出卸载/召回设备明细（尊享版）
在「用户分群」中下载卸载设备的明细，用于定向投放或短期内规避拉新（此处强烈建议您在集成SDK的过程中，设置同时上报用户账号，能高效映射出召回设备的用户账号及关联您域内预留的用户联系方式，尝试进行短信/邮箱挽回）；
在「用户分群」中下载召回设备的明细，用于对接其他系统做定向触达、发送回流奖励（此处强烈建议您在集成SDK的过程中，设置同时上报用户账号，能高效映射出召回设备的用户账号，和其他运营系统快速打通进行回流运营）；
卸载洞察
卸载洞察展示您每周卸载设备的活跃特征，如从安装到卸载的生命周期时长分布、卸载前活跃情况、卸载后竞品流向、卸载设备终端特征。
本页面提供每周、每月卸载设备的统计数据，周数据更新时间为次周周四，月数据更新时间为次月4日。
卸载设备活跃情况
展示各周、月的卸载设备的活跃特征，每周、月的卸载设备为一个分组进行指标计算。
安装至卸载存量时长分布
展示周期内卸载设备，从下载App至将App卸载的时长分布，即“最近一次被识别到卸载的日期”和“卸载前最新被识别到应用安装的日期”的天数差。
此功能帮助开发者预估App从用户获取到用户流失的全生命周期，了解大多数用户集中在安装App多少日后进行卸载。也可按留存时长分层侧面了解卸载用户。如果大量用户存量时长过短，可能有以下原因：
App呈现的功能不符合用户预期，尤其是在安装当天即卸载的用户占比过高时。可以重新检查App对外宣传点、App在应用市场中的描述、主线功能是否交互过于复杂、定向推广的潜客人群是否符合实际情况，加强新用户landing阶段的运营建设。
App被大量恶意刷量，假量设备安装后达成任务即不再使用，可以使用友盟+反作弊服务，观察风险设备数规模及各渠道用户的卸载情况。
存在性能问题导致App可用性差，如您已经集成了U-APM SDK，可以通过当前页面的「卸载设备前体验干扰-崩溃次数」了解是否大量客户在卸载前频繁经历App崩溃。
频繁发送推送消息对用户产生过度打扰，如您已经集成了U-Push SDK，可以通过当前页面的「卸载设备前体验干扰-推送接收次数」了解是否大量卸载客户频繁被推送消息打扰。
如果大量卸载用户存量时长较长，则可以通过当前页面的「卸载前使用粘性-卸载前最后使用App至卸载时间差」进一步了解这些用户是否是早已失活的用户，或通过「卸载后流向」了解是否有竞品承接了这部分用户的需求。
历史卸载次数分布
展示当前周期的卸载设备，在过去180天内是第几次卸载您的App，帮助您了解用户卸载安装应用的频次习惯。
历史上卸载设备反复卸载占比：过去180天内，被友盟识别到有过卸载行为的设备中，曾不止一次卸载App的设备比例。
若您应用的卸载用户量较大，可以进一步帮助您确认卸载用户量大是否来源于用户重复安装卸载的习惯。对于习惯性重复安装卸载的用户，可以视频繁安装卸载是另一种用户“活跃”方式，通过历史卸载设备反复安装的比例，预估本期真正流失的实际量。
用户重复安装卸载的特性在社交类、娱乐类、工具类App的用户中尤其明显。以工具类App举例，用户会依照产生需求的频率，更可能倾向于使用时下载、使用后立即删除。
卸载前状态
卸载前使用粘性
卸载前最后使用App至卸载时间差
展示卸载前 末次App活跃日期 至 被识别为卸载 的日期差分布，辅助观测有多少用户是由于“失活”而进行最终卸载、用户失活多长时间应该预警流失风险，对失活多长时间的用户需要介入促活。
预置卸载前7天内无活跃为卸载前“连续失活”的设备。若卸载前7天都无活跃，可以推测这部分用户卸载前对应用的依赖程度已经较低。
卸载设备前7天使用次数分布
展示周期内的卸载设备，在卸载前7天使用当前App的次数分布。
若用户卸载前是频繁使用状态，说明该用户对App具有较强的链接和需求，大概率碰到了让其“恼火”的使用卡点，如频繁卡顿报错、任务流程冗长或不通顺、被过度打扰等。
若用户卸载前几乎不使用App，说明该用户非App的高粘性用户，需要基于App特性综合考虑App于该用户需求是否低频或低价值，App是否亟需存量用户进行促活运营。
卸载前体验干扰
前7天崩溃次数
展示周期内卸载设备，在卸载前7天的性能崩溃次数分布。本功能需集成U-APM插件。如果较多卸载用户在卸载前碰到了性能问题，可归因到是由于性能问题导致的卸载。
前7天推送次数
展示周期内卸载设备，在卸载前7天的来自您App的推送展示次数分布。本功能需集成U-Push插件。如果多数卸载用户在卸载前接受到推送打扰次数较多，可归因到是由于频繁打扰导致的卸载。
卸载设备行为还原
高频浏览页面TOP10
展示周期内的卸载设备，卸载前的最后7天（含当天）在您的应用中浏览次数TOP10的页面
您可以通过对比卸载设备和全量活跃设备在各页面的浏览量差异，洞察是否存在因内容、链路或功能上导致用户卸载的共性原因。如是否浏览了某篇造成负面影响的资讯、哪个环节让用户体验不通畅。或者帮助您排除卸载用户不是因为某篇内容、某个功能环节而造成的卸载流失。
最终浏览页面TOP10
展示周期内的卸载设备，卸载前最后在您的应用中浏览的页面，按卸载前最终停留在该页面的卸载设备数进行排序。
未做任何页面设置时，会默认展示页面编码，建议您在卡片右上角点击「编辑页面描述」进入「页面管理」对页面编码设置页面描述。完成页面描述编辑后，会优先展示您编辑的页面描述。
在「页面管理」里设置的页面描述，会同步在U-App其他页面相关的看板中生效。
卸载后流向
展示当前周期内的卸载用户，是否在当前周期内新安装了您关注行业的头部竞品，了解卸载用户是否还存在类似场景的需求，只是不再选择您的App使用。
出于数据安全考虑，U-App为您提供行业维度、行业中TOP应用匿名化后的竞品流向。各行业的头部应用定义，参考了各主流应用市场的安装量、权威行研报告中的日活量，选出行业内活跃体量排名前5的应用进行计算观测，并细化到具体的“行业TOP 应用A/B/C/D”，是固定应用。
友盟暂不对外披露具体的行业TOP应用清单。如您需深度合作，请联系友盟商务。
当前支持的关注行业：主题美化、育儿母婴、智能设备、移动视频、移动音乐、移动社交、移动购物、医疗服务、新闻资讯、系统工具、数字阅读、生活服务、实用工具、手机游戏、汽车服务、拍摄美化、旅游服务、金融理财、教育学习、房产服务、健康美容、出行服务、办公商务
使用本功能前，需手动设置关注行业。
与「安装卸载比」模块共享关注行业额度，最多可同时设置2个关注行业，设置后365天内不允许修改关注行业，请您谨慎设置。完成设置后，数据将在下个自然周周四展示并按周期更新。
展示当前周期有卸载行为的设备，在卸载同期新安装了关注行业头部竞品的设备规模，及在当前周期的卸载设备数占比。
如果卸载设备在短期内大量安装了同类竞品，您需要关注同类竞品近期是否有大力度拉新活动，流出的用户大多依旧对您提供的服务有需求，通常由于产品能力等因素选择了新安装竞品。
关于卸载后流向，我们会持续收集需求，如有需求可以扫文档上方的二维码，加群联系我们
卸载设备维度分布
展示周期内卸载设备在来源渠道、使用机型、应用版本、操作系统、活跃城市的分布，从终端维度了解卸载设备的特征。
如卸载设备在来源渠道中聚集，渠道质量需综合评估，建议同步使用友盟+反作弊服务进行风险设备观测，看卸载设备是否存在端风险、异常聚集等虚假流量特征。
如果卸载设备的使用机型聚集，建议着重观察应用在机型上是否无法良好适配
如果卸载设备末次活跃的版本聚集，需检查版本是否存在重大缺陷并进行及时回滚
卸载画像
通过「卸载洞察」能了解到卸载用户在卸载前的活跃表现。「卸载画像」菜单展示卸载用户的群体画像，画像友盟全域数据掌握的30+个基础标签，帮助运营了解什么样特征的用户虽然曾经是App的用户，但共性上对App的粘性较低，有较多流失，帮助运营矫正拉新画像。
当前参与计算的标签
预测年龄段：18-24、25-29、30-34、35-39、40-49、50+
预测性别：男、女
预测消费等级：轻奢消费、小资消费、普通消费
常驻城市等级标签：一线城市、二线城市、三线城市、四线城市
预测职业： 公司职员、个体经营/服务人员、学生、教职工......
预测教育水平：硕士、本科、博士...
喜欢的App类型：短视频、视频直播、游戏......
易卸载用户特征：下钻什么样的用户难留住
有这些特征的人虽然已经是App的用户，但这类人易流失。如果这类人是预期的重点用户人群但流失明显，需要针对具备这些元素的人加强App内容和服务的优化，或者调整投放画像，对此特征的用户适当降权。
易卸载用户特征计算口径：取当前周期卸载用户和当前周期活跃用户，TGI≥1中的 TOP5的特征。
TGI=【（当前周期卸载 且 具备此特征的卸载设备数）/当前卸载周期的卸载设备数】 / 【（当前周期的活跃 且 具备此特征的活跃设备数）/当前周期活跃的设备数】
百分比=当前周期的卸载用户中，具备此标签特征用户数/当前周期的卸载用户数
不易卸载用户特征：下钻怎样特征的用户卸载可能性低，是App的忠诚用户
这些用户未卸载且稳定在App内活跃，和卸载用户相比，用户在这些特征上明显。
不易卸载用户特征计算口径：取当前周期卸载用户和当前周期活跃用户，TGI＜1中的绝对值最低的5个特征。是活跃用户和活跃过但已卸载的用户相比具备的显著特征，即具备此特征的用户活跃且不卸载的指数化占比显著高于卸载用户。
特征计算范围为高级运营分析功能独立库覆盖的设备。
若周期内卸载用户中匹配画像的人数过少（300以内），出于服务合规性不能计算画像。请您提升插件覆盖设备至画像计算的准入门槛，覆盖高会大幅度提升画像结果的参考性。
新用户卸载高峰阶段
从活跃次数的维度，展示用户集中在启动App几次后卸载卸载率最高，帮助运营找到抓住新手landing的运营黄金期，做好新用户转化。
计算口径：
使用n次-卸载用户数：本周期内卸载的设备中，使用App n次后发生卸载的卸载设备数；
使用n次-百分比：本周期内卸载的设备中，使用App n次后发生卸载的卸载设备数/本周期内卸载的设备数；
仅计算在当前时间周期内卸载，且卸载前30天内新安装App的设备。安装超过30天（不是作为新用户卸载）的设备不参与计算。
卸载归因
卸载设备全量预测
友盟精确计算的卸载数据范围为「高级运营分析功能依赖库」真实覆盖的设备，准确程度依赖包含「高级运营分析功能依赖库」的App版本在您用户中的推广情况。但对于运营分析而言，应用在全网设备中的卸载量才是最具备指导意义的。
本本卡片中，友盟通过全网大数据能力和预测算法，预测本周期内在市面上的全量设备中卸载了您App、曾经被识别卸载过App本周期内又再次安装App的设备规模情况。
卸载流失设备（预测）：预测得出的，全网设备中在本周期内卸载过您App的设备量；
卸载召回设备（预测）：全网设备中，曾经被预测到卸载过您App的设备，在本周期内重新安装了您的App的设备量；
安装卸载比
「安装卸载比」反映了应用获客/流失的平衡情况，若安装卸载比长期＜1.0，则代表应用的存量用户流失速度大于获客速度，规模和市占在不断下滑。U-App同时提供当前应用、关注行业头部应用的安装卸载比，帮助您横向对比您的应用和您关注行业头部应用的安装卸载比情况，辅助判断行业的规模趋势。
与「卸载用户竞品流向」模块共享关注行业额度，最多可同时设置2个关注行业，设置后365天内不允许修改关注行业，请您谨慎设置。完成设置后，数据将在下个自然周周四展示并按周期更新。
安装卸载比：当前周期内，安装App的设备数/卸载App的设备数
关注行业安装卸载比：当前周期内，关注行业TOP5App的安装设备数算数加总/关注行业TOP5App的卸载设备数算数加总
结语
用户卸载App的原因有很多种，如受到干扰性通知、注册登录复杂、App频繁崩溃和闪退、广告过多、需要提供过多隐私信息等，对用户流失原因的分析是存量时代的重要课题，U-App将会持续对流失卸载场景进行功能迭代，提供更多维度的用户卸载原因下钻。