在平常的工作中,經常會有一些馬虎的數據分析師,接到業務方提到的需求后,大致掃一遍然后就吭嘰吭嘰做起來,最后出的分析結果報告交給業務方后沒多久就打回來,說不是他想要結果,仔細一討論發現雙方的指標定義不一致,從而導致了一頓白忙活,造成“十動仍拒”的下場。所以指標定義的清晰性是開始分析工作的前提。
OK,本文要講述的也是有關指標定義,是由talking data推出的移動游戲運營數據分析指標白皮書,目的是
統一移動游戲數據指標的定義,主要涉及宏觀層面的定義,下面分模塊來看
一,用戶獲取
日新登用戶數(daily new users)
定義:每日注冊並登陸游戲的用戶數
解決的問題:1)渠道貢獻新用戶份額 (新用戶的來源渠道分析); 2) 宏觀走勢,是否需要進行投放(產品用戶量的走勢,更好分配資源);3) 是否存在渠道作弊行為;
其他的:周/月新登陸用戶數,細分自然增長用戶跟推廣用戶(感覺還可以根據其他的一些維度如地域,手機型號等結合分析)
日一次會話用戶數(daily one session users)
定義:一次會話用戶,即鋅等用戶中只有一次會話,且會話時長低於規定閥值(場景:1) 產品不感興趣用戶;2) 無限刷號用戶 3) 推廣渠道質量)
解決的問題:1)渠道渠道是否刷量作弊; 2)
渠道推廣質量是否合格(推廣質量參考的一個維度)
;3) 用戶導入是否存在障礙點,如網絡狀況,加載時間;
其他的:周/月一次會話用戶數,游戲引導分析點之一,有助於分析新登用戶質量,進一步分析則需要定義活躍用戶的月一次會話用戶數
用戶獲取成本(customer acquisition cost)
定義:推廣成本/有效新登錄用戶(具體怎么定義有效新登錄用戶,需要看場景?)
解決的問題:1)獲取有效新登錄用戶的成本; 2) 優化推廣渠道
;
其他的:把用戶獲取的成本細分到渠道里面,也就是說每個渠道獲取有效新登錄用戶的成本
二,用戶活躍
日活躍用戶數(daily active users)
定義:每日登陸游戲的用戶數
解決的問題:1) 游戲的核心用戶規模; 2) 游戲產品周期變化趨勢衡量(端游有端游的生命周期,手游有手游的生命周期,同一類型里面的不用主題的游戲又有不同的生命周期);3) 游戲產品新老用戶分析; 4) 渠道活躍用戶生存周期(類似營銷渠道跟常規渠道的區別);5) 游戲產品的粘性如何(需要與MAU結合,更細的可以看游戲時長等維度)
其他的:周/月活躍用戶數,指的注意的是月活躍用戶數能反映用戶規模的穩定性(天活躍極度容易受活動效應/節日效應影響),進而觀察不同游戲產品間的對比,同一游戲產品版本迭代的情況,當然這三個指標都是要用戶去重的
日參與次數(daily engagement count)
定義:用戶對移動游戲的使用記為一次參與,日參與次數,就是一天的總和(這相當於游戲登陸次數?)
解決的問題:1) 衡量用戶的粘性; 2) 什么渠道,什么用戶參與頻率較高;3) 用戶對產品參與頻率的衡量
其他的:
周/月
參與次數
,日平均參與次數(日參與次數/日參與用戶數,跟arpu值計算邏輯一樣),
一般建議30內重復開啟記錄為一次完整使用,不單獨計量(類似頁游里面的時長心跳上報)
日均使用時長(daily avg online_time)
定義:活躍用戶平均每日在線時長=日總在線時長/日活躍用戶數
解決的問題:1) 用戶參與怎樣; 2) 渠道優化的參考維度;3) 用戶質量參考維度;4)用戶持續游戲的能力(特別對新用戶來說)
其他的:
周/月均時長
,當然也可以使用用戶單次平均使用時長
用戶活躍度(DAU、MAU)
解決的問題:1) 用戶游戲參與怎樣; 2) 游戲質量人氣等;3) 用戶活躍天數如何
其他的:DAU/MAU的理論值不低於0.2,也就是一個月登陸次數不低於6次
三,留存跟流失
通常的術語:新登用戶的次日、3日、7日、月留存率
解決的問題:
1) 每個渠道好壞的參考維度; 2) 用戶對游戲的粘性;
3) 用戶生命周期;
其他:留存率一定意義代表游戲的質量,關注用戶流失的節點,根據流失率改進產品,優化游戲的設計
用戶的流失
關於這個話題需要確定2個定義,用戶最近的活躍定義,跟未來的流失定義,例如用戶最近7天是活躍的,未來7天不登陸,我就算流失等等,這個是做游戲預警模型的重中之重
四,充值
對於移動游戲創造營收有三種:1)付費下載 2)應用內廣告 3)應用內付費,這里主要關注第三種
月付費率(monthly payment ratio)
定義:統計區間內,付費用戶占活躍用戶的比例
解決的問題:
1) 游戲產品的付費引導是否合理; 2) 用戶是否有充值意願;
活躍付費用戶(active payment account)
解決的問題:
1) 游戲付費用戶規模如何; 2) 付費轉化率如何;3)游戲充值人群構成(大R,中R,小R比例)
平均每用戶收入(ARPU)
定義:總收入/活躍人數
解決的問題:
1) 游戲收益如何; 2) 渠道價值如何;
生命周期(life time)
定義:用戶從第一次參與游戲,到最后一次參與游戲的時間差,
解決的問題:
1) 游戲收益如何; 2) 渠道價值如何;
最后的最高同時在線人數(PCU),平均同時在線人數(ACU),新用戶轉化率(點擊-安裝-注冊-登陸-付費-流失)
K因子 =感染率*轉化率,感染率(每個用戶發出的邀請數量),轉化率(轉為用戶的比率)
k>1 游戲用戶增長快,<1 增長慢,達到瓶頸
數據報表
日報表
1)監控重點數據,是否存在異常;2) 了解渠道數據,實時了解渠道表現
關注指標
用戶層面:日活,新用戶注冊/登陸,次日留存,在線時長,新老用戶付費人數/金額,新老用戶價值
游戲層面:
日活,新用戶注冊/登陸,次日留存,在線時長,
新老用戶付費人數/金額,
新老用戶價值
渠道層面:每日充值總量,新老用戶占比,次日留存情況,渠道價值
周報表
1)了解周期性變化,制定策略;2) 重點渠道、用戶跟蹤、分析轉化;3)周期行數據分析總結,制定下一個周期計划
關注指標
用戶層面:日報表里面的周匯總數據,然后加環比、同比
游戲層面:同上
渠道層面:同上
總結:上面的報表是一個參考,具體的當然需要結合業務場景來進行增添刪減
白皮書的最后介紹了下他們的AARRR模型簡稱(2A3R吧,呵呵),具體的就是獲取用戶(acquisition)、提高活躍度(activation)、提高留存率(retention)、獲取收入(revenue)、自傳播(refer)