借你一副氪金眼镜——正确理解移动游戏数据

 

编者按:今天上午,我们转载了一篇来自游戏葡萄君的文章数据骗局之手游篇(以下简称“骗局”),文中的一些观点相当热辣。诚然,现在的手游行业总体比较浮躁,晒数据晒收入的数不胜数。但抛开炒作炫耀宣传等目的性明确的“晒数据”不谈,对于数据指标的定义,以及对于数据本身的解读,才是最根本的问题——数据指标基本定义的不同及对数据理解的偏差,才是造成许多误会的罪魁祸首。而我们,可以给你提供一副氪金眼镜,看穿一切。

《骗局》一文提到:

留存,这是个很受关注的数据指标。以次日留存为例,正常情况下=(次日登陆-次日新增)/首日新增。葡萄君曾经在微博上某手游公布数据时看到了惊世骇俗的算法,该产品的次日留存=次日登陆/首日登陆。如果首日登陆1名,这1名在第二天没有登陆,而第二天导入了5名用户,这留存就是500%啊。当然这个产品也随即被几个明眼人在评论中怒拍了。

原文中这里提到的问题,本质上就是数据指标定义不统一。当然,我们也不能排除说某些游戏开发者蓄意使用不正确的公式计算指标这种情况。不管怎么说,数据指标的统一绝对有利于对数据的理解及沟通。这方面。其实是有据可依的。大家可以参考《移动游戏运营数据分析指标白皮书》,这里专门摘录出《骗局》一文中提到的几个重要指标留存ARPU,以及ARPPU

用户留存

  • 统计时间区间内,新登用户在随后不同时期的登录使用情况。
  • 次日留存率Day 1 Retention Ratio:日新登用户在次日(不含首次登录当天)登录的用户数占新登用户比例;
  • 三日留存率Day 3 Retention Ratio:日新登用户在第三日(不含首次登录当天)登录用户数占新登用户比例;
  • 七日留存率Day 7 Retention Ratio:日新登用户在第七日(不含首次登录当天)登录用户数占新登用户比例;
  • 月留存率Day 30 Retention Ratio:日新登用户在第三十日(不含首次登录当天)登录用户数占新登用户比例;
  • 留存率需要进行长期跟踪,根据需要可设定30日,60日或者90日;解决哪些问题
  • 用户对于游戏的适应性如何;
  • 评估渠道用户质量;
  • 投放渠道效果评估;
  • 用户对于游戏的粘性如何;
  • 新登用户什么时期流失会加剧。备注
    留存率一定意义上代表了新登用户对游戏的满意度表现;关注留存率的同时需要关注流失节点;留存率的统计和计算也可以按照自然周和自然月进行分析,例如上周新登用户在随后的几周的留存情况分析;次日留存率代表了游戏满意度,主要反映游戏初期新手对于游戏引导和玩法的适应性。

    ARPU

  • 平均每用户收入,统计时间区间内,活跃用户对游戏产生的平均收入;一般以月计。
  • ARPU=Revenue÷Players
  • Monthly ARPU=Revenue÷MAU
  • 计算方式:游戏总收入除以游戏的总活跃用户数,一般按照月来计算,即:ARPU=月总收入/月活跃用户数(MAU)解决哪些问题
  • 不同渠道获取的用户质量如何;
  • 游戏收益贡献怎么样;
  • 游戏活跃用户与人均贡献的关系;
  • 游戏人均收益水平怎么样。备注
    严格定义的ARPU不同于国内认识的ARPU,国内ARPU=总收入/付费用户数;ARPU用于产品定位初期不同规模下的收入预估。

    ARPPU

  • 平均每付费用户收入,统计时间区间内,付费用户对游戏产生的平均收入。一般以月计。
  • ARPPU=Revenue÷Paying Users
  • Monthly ARPPU=Revenue÷APA
  • 计算方式:游戏总收入除以游戏的活跃付费用户数,一般按照月来计算,即ARPPU=月总收入/月活跃付费用户数(APA)解决问题
  • 游戏付费用户平均的付费水平是多少;
  • 付费用户整体的付费趋势是什么样;
  • 对鲸鱼用户的分析。
    备注
  • ARPPU容易受到鲸鱼用户、小鱼用户的影响,分析时需谨慎;
  • ARPPU与APA、MPR等结合可对付费用户的留存情况,特定付费群体的流失进行深度分析,保证付费质量和规模。

以上是《移动游戏运营数据分析指标白皮书》中,对《骗局》一文中的提到数据指标的定义,其中涉及到如APA、MAU等指标,这里就不再一一列出了,感兴趣的各位可以自行下载查阅。

有了指标的精确定义,再看数据的时候就要与对方核对指标的定义了,如果指标定义不规范,那数据除了吸引眼球外,根本就是毫无价值。如果在微博、微信平台上看到这样的数据,大可一笑了之;如果有必要深究的话,那就必须要求对方按照正确的指标定义重新提供数据。另外,《骗局》一文中,还提到了诸如样本大小、取样时间等,其实这些问题都属于数据的基本定义范畴内,如果觉得有问题,按照自己需求让对方重新提供即可。

有了正确的指标和数据后,如何理解这些数据背后表达的东西呢?也就是说,如何正确的解读这些数据,是更为关键的步骤。事实上,对于移动游戏数据分析而言,单纯看一两个指标并不能说明什么,很多东西必须综合起来看,好比说用户留存,首先需要确定的是数据是否是游戏稳定阶段的留存数据,这是因为用户留存存在三个阶段:

* 流失期:用户新进入后的前几天是流失量最大的时期,留存率显著下降,是流失期。其中第一天的留存率被称为“首日留存率”;

* 蒸馏期:在经过几天大幅度流失后,用户留存会进入小幅度下降时期,这就如同是蒸馏过程,是蒸馏期;

* 稳定期:经过一段时间蒸馏后,用户留存会呈现出一种很稳定的态势,不会有明显的增减,可称为稳定期,这段时间会保持较长时间;

不同时期的用户留存数据表现是不同的,这部分内容建议大家参考《读懂你的用户留存》一文,其中有详尽的解释说明。

除此之外,单纯的看用户留存也不够全面。

游戏的平均时长与次数是玩家对游戏粘性的最好体现,可帮助判断游戏的留存是否因为运营刺激玩家在线而造成的虚高。若留存的数据较好,但玩家游戏时长和次数均下降,则很有可能是游戏因过于强调每日登录奖励等类似运营活动拉高指标,但持续的游戏内容对玩家缺乏吸引力所致。

出自《不同阶段的手游数据的参照点》一文

另外,像是DAU/MAU之类的指标,也是不能够单独来看的,简单来说就是不够严谨。评价一款游戏的品质、用户质量、用户粘性,需要将各种指标综合起来作为一个整体来看,单纯的只看某一项指标,就容易出现“被忽悠”的情况。

至于说数据到底怎么看?这篇文章显然是没法一次说完的,以下是我们积累的一些分析方法、案例,可供各位参考。

* 《留存率分析案例——次日留存率骤降50 %之谜》

* 《细看移动游戏DAU及游戏粘性》

* 《从数据分析看游戏粘性——正确理解DAU/MAU》

* 《不同阶段的手游数据的参照点》

* 《读懂你的用户留存》

那么总结一下,为了防止被各类眼花缭乱的“数据”忽悠,首先我们要做的就是自己了解数据到底是怎么来的,并且至少要能够将一些数据指标之间的关联理解清楚。这样,再看到那些惊人的数据时,至少不会特别激动。因为,一激动就容易出事儿。了解了数据背后的意义才能淡定。

正确的数据分析方法,其实就是那副氪金眼镜,我们会不断给这幅眼镜“附魔”、“镶嵌宝石”,一点点增强它的能力,帮大家看穿数据迷雾。

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注