|
|
方法一：LT*活跃ARPU
推测平均每个用户的在时间范围内的活跃天数（lt）并且用此值乘以活跃天ARPU，则为该批用户群体在时间范围内的收益：即LTV。
首先对LT（用户在时间范围内的平均活跃天数）进行预测 ，使用EXCEL曲线预测：
①添加你知道的留存数据后，添加趋势线格式
②选择趋势线格式 一般来说留存都是比较符合幂函数的一个曲线，从R²=0.977也可以看出来确实是比较接近事实留存曲线的（这里记得把显示公式，显示R平方值勾选哦）。
当然也可以选择其他的函数，但是可能在极限远的时候会出现负值，这个大家需要考虑，我认为最终还是看R²的值越接近1越好，并且知道的留存值越多则预测值越准。
（最终的留存预测曲线）
③得出LT
比较讲究的可以积分，得出积分公式，算出两个端点的值，然后得出曲线下方面积是多少（LT）。不讲究的可以把公式输到EXCEL然后求每天的留存就好了，最后求和即可得到：玩家在时间范围内的活跃天数了。
然后用日活跃ARPU*LT即可得到LTV的预测值啦，那么到这里还不算结束，有兴趣追寻此算法是怎么来的，可以继续往下看下去。
这个算法的原理是什么呢？日活跃ARPU又能代表什么？有什么隐患吗？
④此方法的原理以及隐患
（今日收入的构造图）
从上图可以看到每天的收入是由什么组成的。
那么：日活跃ARPU=今日收入/日活跃人数=（注册0天的人数活跃ARPU*注册0天的人数人数+。。。注册N天的人数活跃ARPU*注册N天的人数今日活跃)/今日活跃人数
也就是说今天的活跃ARPU是由不用新鲜度的用户在今天释放的价值，然后除以不同新鲜度的用户在今日的活跃。
假设不考虑到每日注册量的变化影响，那么活跃ARPU*LT是否就是LTV呢？
答案是：NO!
首先，今日活跃ARPU与LT中的新鲜度①是不一样的。
打个比较恶心的比喻：
袜子只有刚刚脱下来的时候最臭，但是慢慢的味道就会消散。
那么在一个开了N天的服务器里面，有一些新鲜的袜子，也有一些老袜子，他们的味道（对游戏贡献）是不一样的，随着新鲜和老的占比不一样，味道肯定也是过浓或者过重,肯定跟一只袜子一直放在你鼻子前一直到没味道释放的平均值肯定是不一样的。
所以，这个方法的缺陷：今日活跃人群的平均新鲜度与玩家整个生命周期的平均新鲜度不一样！
这样导致了：当玩家在不同新鲜度的释放价值差异很大的时候，此值可能会带来很大影响。所以在大家猜测别人家收入的时候，可以问问他们是不是老用户不付费啊，这样酌情来进行取一个最大值，一个最小值。
另外其他缺陷：例如不同版本玩家的用户价值的释放不一样，用户质量这些。。这个就不深入探讨了，仅作为一个参考。
二、其他方法
①总收入/总注册
假设每日注册量相等，游戏开服10天，LTV释放不受到版本影响，在游戏整个生命周期中，释放平均（即在不同新鲜度的情况下，玩家的天活跃ARPU始终保持一致）
总收入/总注册
总收入/总注册=1日LTV*注册人数+2日LTV*注册人数+。。。。10日LTV*注册人数
=(第1日LTV+（第1日LTV+第2日LTV）+（第1日LTV+第2日LTV+第3日LTV）+。。。（第1日LTV+。。。第10日LTV）/10 （约去注册人数）
=(10*第1日LTV+9*第2日LTV+。。。1*第10日LTV）/10
这里可以估算出来游戏的LTV，游戏生命周期越长，越稳定，并且实际LTV会比这个值大。
缺陷：跟条件一样，假如注册量波动很大，服务器开服时间比较短，那么这个值也不会太准，但是大体来讲,只要开服时间比较长，这个值是可以反应LTV的值的。
②当天收入/当天注册
假设每日注册量相等，游戏开服10天，LTV释放不受到版本影响。
当天收入/当天注册=天活跃ARPU*活跃人数/当天注册
那么：
分子=第1日LTV*注册人数+第2日LTV*注册人数+第3日LTV*注册人数+。。。第10日LTV*注册人数
分母=注册人数
分子/分母=(第1日LTV*注册人数+第2日LTV*注册人数+第3日LTV*注册人数+。。。第10日LTV*注册人数)/注册人数=1日LTV+第2日LTV+第3日LTV+...第10日LTV
哇。看上去很美，但是受到注册人数波动以及版本限制会导致此数据并不会太准。
①新鲜度：玩家注册时间的长短
菜鸟游戏数据分析挖掘群：2698352，欢迎各位
|
|
发表于 2016-11-2 16:03:25
