|
一、基本的数据以及意义 1.1 每天关注的数据有何意义 留存，付费率，付费ARPU，经常被运营的同学称之为运营铁三角，那么他们之前到底跟收入什么关系？
为什么运营铁三角是这个？ 对于到底短线留存好，还是长线留存好？ 应该提升付费率，还是提升付费ARPU? 他们分别对收入起什么样的作用，他们以什么样的形式来组合成为收入？是否有模型能预测？
1.2 由基本数据建立一个简单的收入模型 为解决这些问题，先建立一个简单公式： 当日收入=活跃人数*活跃ARPU 那么：今日活跃人数可以由下图构成 假如注册人数相同则： ≈注册人数*（1日留存+三日留存+。。。） 如上图所见，假如你现在数据源的时间跨度不够，例如你没有60天的留存率等等，那么你可以通过回归分析来预测后续留存率。
回归分析：回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，在上面我们则是尝试将XX日的留存与XX日的关系来进行确定。
大家手头上没有合适的工具的话，可以用EXCEL通过拟合散点简单的做出来，具体可以参考很早之前写过的： 菜鸟学分析-如何做好LTV的预测
那么根据上图的公式可以发现：今日活跃人数的是跟注册人数，以及留存的这条曲线的积分以及时间（指已开服时间）是密切相关的，由上图可以看到。 所以在简单的收入预测模型中，假如注册人数不变--- 当日收入=之前累计的活跃人数*活跃ARPU ≈注册人数*留存曲线函数积分值 *活跃ARPU
1.3 建立稍微复杂的收入模型 在这张图中，我们需要知道玩家的留存率以及玩家的不同新鲜度的活跃ARPU（注意上图的黑点颜色如何变化） 在这里我们需要构建两个回归模型： 1、留存回归模型 2、不同新鲜度的活跃ARPU回归模型。
通过两个回归模型，我们就能知道在N天后有多少不同新鲜度的玩家以及不同新鲜度的活跃ARPU了，这样就能预测出当天的收入了。
这里的新鲜度其实可以理解为玩家进入游戏的深度，也可以换为其他纬度，不过这里我是想通过玩家的成长线不同每个人每天付费情况不同而判断我们做活动的投放以及对整体玩家游戏生命周期的价值产出而做的一个判断。
当然这里首先忽略了其他因素，其次不同新鲜度的玩家活跃ARPU的回归公式其实相对留存而言还算比较好预测，受到大R，活动等影响比较大，这时候就看各位运营同学的数据理（拍）解（脑）能（壳）力咯.
那么从以上公式，我们就能得出注册人数，短线留存，长线留存，运营天数，不同新鲜度的玩家的付费率，付费ARPU之间是如何对收入造成的影响了。 当然在中间，很多活动因素，版本很多的因素都没有考虑，但是就目前为止，这是我认为比较准确的一个预测收入的模型了。
1.4 模型的意义以及实际回归模型运用
不同新鲜度的活跃ARPU的高低，已经可以代表了玩家在不同阶段的付费意愿，而加上留存，相当于把活跃ARPU从时间纬度上分解成为不同新鲜度的付费率和付费ARPU。 这样我们将对玩家整个生命周期的历程会有掌控，甚至在这时候你们会发现你们产品中存在着很重要的问题。
1.5 LTV的模型
其实原理跟预测收入比较相近，也是留存与不同新鲜度的活跃ARPU的两次回归分析。 简单模型： 通过现在的留存数据预测长线留存，再通过LT*活跃ARPU的方式得出LTV。 LT:玩家生命周期 在上面中有简单写过用EXCEL预测LTV的一些东西，可以不妨一看，但是在实际运用中，这种误差还是有点大，建议使复杂模型。
复杂模型： 通过现在的留存数据预测长线留存，再通过留存*不同新鲜度的玩家活跃ARPU得出LTV。 在实际运用中你就可以发现一些，拉低玩家生命周期，提高玩家短线LTV应该怎么做了，以及如何验证数据。其实LTV也就是上面预测收入模型在再利用，情况比较类似，没啥意思。 很多人说数据比较少，波动比较大，怎么办？ 其实通过现在有的数据只是建立一个地基，通过现在有的地基我们可以观察其到底能建立多高。 通过现在有的数据建立模型，看其到底要多少数据才能不亏本，例如活跃ARPUXX,留存XX，长线留存XX才能回本。通过现有的数据可以大概预测，尽量至少不给老板亏本嘛。有时候及时止血，及时跑路，才是上策。
二、纬度与分类
2.1 升纬与降纬
2.1.1 升纬 新鲜度纬度： 新鲜度：玩家注册的时间，玩家注册越长，则越老，如果大家有空取一下数据可以发现，玩家的新鲜度跟每个玩家的收益是关系密切的。 平台纬度： IOS与安卓：加上IOS和安卓的纬度，将玩家群体分为两份，那么可想而知，玩家之间的数据差异会很大，这里就是一个分类，也是我们在这里人工的将玩家分成了两群，同样，区分渠道，区分设备都是可以的。
2.1.2 降纬 与之相反，可以再合并纬度。 升纬与降纬在实际运营中还是能起到不少作用，例如：是不是老玩家不付费了啊，该投哪个渠道的收益才是最高，今天收入是不是IOS出BUG了等等。
2.1 用户分群模型，预测流失模型等 既然有各种平台，设备上的纬度，那么从玩家行为上是否能将玩家分群呢？ 然后我们根据玩家的行为来给他们推出不同的营销手段？ 推荐一下：RFM 模型 实际运用： 在通过增加纬度，用新鲜度，最近付费时间，最后一笔付费额度，平均付费天数付费次数等条件将用户分群。 用户分群，用户分群后可以发现一些用户群体具有很明显的特点，例如针对一些从比较老而从不付费的用户进行破冰，找出他们的付费阻碍，尽量减除他们的阻碍，从而突破为付费用户。 而在营销方面，我们可以给不同付费能力的玩家群体给予不同的礼包，给予他们不同的刺激。那么如何预测不同玩家的付费能力，就是一个问题了。
受到一些限制，以及在实际运用中，各产品不同，不一一阐述了。只简单的讲一下我的思路以及如何处理的： 在这块我处理的比较简单，通过分析后，我剔除了不需要的纬度，然后在下面四个纬度中：在付费金额，活跃天数人均付费次数，平均付费金额，新鲜度，我发现一个用户的属性（在这里我定义为玩家的下一笔付费），是可以从现有数据中可以反推出的。 而公式的推导我在这里运用了K-MEANS进行推导，以及通过决策树进行验证，在实际上线后的结果以及表现来看，是跟预期结果想符合的。（-。- 误差不大）。而根据如上模型做出的礼包，在弹出到购买是整个游戏中最高的。而这个礼包版本后，整体LTV也提高了百分之30。 与此类似，同样的我们也可以通过分类在进行一些其他的归因追溯： 例如： 用户流失行为追溯 用户付费行为原因追溯 从用户付费的道具跟踪 用户的付费入口跟踪 用户付费后的行为跟踪 用户付费前的行为跟踪 当然个人认为要做到数据化运营，必须懂用户，懂产品，懂数据。 三、漏斗转化与自定义关键指标
3.1 自定义关键性指标 就像我们所知道的，广告曝光是一个动作，点击详情页是一个动作，下载是一个动作，注册也是一个动作，在动作和动作中间有很多事情，但是只要这两个动作之间的转化没问题。那么这一段我们基本可以不用管，去找下一个动作是否有问题。 如上图所言，在转化流程过后，注册后呢？ 创建角色是不是一个动作，第一个任务完成是不是一个动作？对~这不是埋点吗？ 是，其实也可以这样理解，就像很多游戏中用到的等级流失率，关卡流失率等都是前人不断总结经验，而我们后来者也要做到灵活利用。 作为运营如果能站在更高的角度来俯视玩家整个游戏过程，并且给出监测指标，对于发生问题以及优化游戏能做到，有据可言，言则准。
3.2 如何错误使用漏斗模型
建立漏斗： 第一关 赢的人 其中第二天留存下来的人 为40% 第一关输的人 其中第二天留存下来的人 为30% 那么我们从中得出一个结论： 要保证第一局的人的大部分为赢的，这样玩家的留存才会高。 但是事实并非如此，在进行了AB测试后，改进了第一关的胜率后，两者留存没有产生差距，在进行后面几轮测试后，发现我们犯了一个很严重的错误：归因错误 在使用决策树进行原因分析后，发现在众多原因中：玩家体验游戏深度才是留存的重要因素。 这也正好是我们能拍脑袋能确定的一个结果，而这里我们只提高了第一关的胜率，却没有提高玩家体验游戏的深度，才导致了该问题的发生。 其实在某这个休闲游戏中，注册玩家绝大多数都是要进行一定的游戏深度才会去充值，而游戏深度也决定了留存。 那么提高玩家的游戏深度，促进玩家去深入体验，就是一个最主要的核心目标。 与此类似，网游中注册玩家同样也会有自己的游戏深度，例如玩家随着游戏深度越深入，留存才会越高，那么解决部分玩家卡在前期任务流失这块也是保证留存，这也算一个比较靠谱的方法。错误的使用l漏斗会导致运营人员对游戏整体错误理解，从而导致错误的决策。 菜鸟游戏数据分析挖掘群：2698352，欢迎各位
| 
发表于 2018-1-29 19:58:16
