:::: MENU ::::

TalkingData's Blog

现在开始,用数据说话。

Blog

  • 十二 16 / 2012
  • 0
Data

移动游戏运营数据分析指标白皮书(一)

前言
TalkingData早在2012年2月就提出了一套专门针对移动应用数据化运营的数据分析、挖掘模型,即AARRR数据运营模型。随着时间的推移,我们发现这套模型对于移动游戏的运营同样有效。相对于移动应用而言,移动游戏与玩家之间的互动更多,对玩家的行为分析需求更强烈。同时,移动游戏与传统游戏相比又有较大不同,其“应用”气质更为强烈。传统游戏的数据运营手段,并不能完全满足移动游戏的运营需求。在此前提之下,专门针对移动互联网提出的数据运营模型更符合移动游戏这一特殊领域的实际需求。
然而,仅有数据模型是还不够。有了好的分析方法,还需要正确的数据指标、维度的支撑,才能完成对数据的分析、挖掘。目前移动游戏业内对于移动游戏数据分析指标的定义,存在很大的分歧和误区。往往一项数据指标的名称虽然相同,但统计方法、计算方法却有较大的差异。可以说,目前移动游戏数据分析领域的指标定义并不统一。这种数据指标定义上的混乱,给移动游戏运营人员带来了很大的麻烦。 Continue Reading

  • 十二 16 / 2012
  • 0
News

12月15日TalkingData移动游戏开发者沙龙

12月15日,TalkingData在北京创业影院举办了移动游戏开发者沙龙活动,并在活动中发布了国内第一本移动游戏数据分析工具书——《移动游戏运营数据分析指标白皮书》。
本次活动引起了国内各大知名移动游戏开发商、个人开发者、游戏发行运营平台的极大关注,现场十分火爆。国内知名游戏开发商锐德无限CEO 钟亮,在活动中为大家分享了锐德无限旗下热门大作《黄金迷城》的数据化运营经验;来自智游汇MIX的果合联合创始人张宁,为大家带来了移动游戏交叉推广经验分享;更有搜狐畅游端游战略发展合作部行为分析经理刘秦司旸,现场为大家分享网络游戏数据化运营经验。各位演讲嘉宾的分享让本次活动精彩异常。

IMG_8275 Continue Reading

  • 十 10 / 2012
  • 0
Data

“存储一切”的时代将结束

本文作者:@Leo_cui 转载请保留出处

随着Big Data时代到来,产生的数据规模呈现指数上升趋势,人们也热衷于存储一切能够收集到的数据,并寄予美好的愿望能够从这些数据中挖掘出价值。而最近Stanford University的一份关于存储成本的研究报告可能要给“Big Data”泼上一盆冷水了,这项研究的主要结论为存储成本并没有遵循“摩尔定律”的规律下降。 Continue Reading

  • 九 20 / 2012
  • 0
Data

移动游戏运营必备的数据分析指标 Vol.3

收入(Revenue)

Via @TalkingData 戴民

创造收入永远是游戏产业终极的商业目的。AARRR模型为我们指出了移动游戏运营的本质,即最小化用户获取成本和最大化用户创造的价值。前面的文章讲到了评估用户获取成本(CAC)应当关注的指标,以及用户在创造价值的转化过程中应当关注的指标。而移动游戏用户创造的价值最终将体现为游戏运营收入(Revenue)。本篇的重点就将放在移动游戏收入相关的指标上,并最终给出衡量游戏用户创造价值的关键指标概念:用户生命周期价值(LTV, Lifetime value)

目前移动游戏主要通过以下三种模式创造收入:

+付费下载

+应用内广告

+应用内付费 Continue Reading

  • 九 17 / 2012
  • 0
Data

移动游戏运营必备的数据分析指标 Vol.2

用户活跃度(Activation)

Via @TalkingData 戴民

上篇中主要谈了移动游戏运营者通过各种渠道获取用户应当关注的指标,并在最后着重说明了CAC-即用户获取成本这个关键指标概念。传统较粗犷的数据运营通常只会关注到用户数量这个层次,而实际上除了关注用户数量之外,用户的质量对于运营者来讲其实更为关键。AARRR模型为我们指出了一条精细化数据运营的定律,就是LTV(用户生命周期价值) > >CAC。也就是说,在投入成本获取用户后需要着重的关注和提升用户在整个生命周期中所创造的实际收入价值,从而确保获得最大的ROI。

本文将继续沿着AARRR模型体系,将重心从成本方面转向价值方面,着重给出移动游戏在提升用户生命周期价值过程中应当关注的重要指标。 Continue Reading

  • 八 27 / 2012
  • 0
Data

移动游戏运营必备的数据分析指标 Vol.1

Via @TalkingData 戴民

在我们近三期的《开启移动游戏数据化运营之门》活动中,我们一直在强调AARRR数据分析模型对于移动游戏的价值,并结合AARRR模型为游戏开发者细致讲解了移动游戏生命周期中各阶段需要重点关注的数据指标和数据维度,并且结合实际案例为大家讲解了AARRR模型在移动游戏领域的灵活运用。现在,我们将移动游戏数据化运营中各阶段需要关注的数据指标和维度系统化的整理出来,分享给大家。

用户获取篇

TalkingData的AARRR模型给出了移动应用数据分析的通用方法论。本文以TalkingData AARRR模型为基础,结合移动游戏的行业特点,给出了移动游戏运营者在业务运营各阶段应当关注的关键数据指标。 Continue Reading

  • 八 17 / 2012
  • 0
Ideas

如何评估免费移动应用的广告价值?

文/TalkingData 廖锐

对于目前移动应用领域大量的免费应用而言,如何实现盈利一直是一个大家关心的问题。尤其是对于Android系统而言,广告似乎是短期内比较靠谱的一种方式。目前主流免费移动应用的盈利一般依赖移动广告的接入,正如互联网离不开广告一样,移动应用同样离不开移动广告,那么如何评估移动应用的广告价值,就成了一个亟待解决的问题。

事实上,移动应用的广告价值是与应用本身的一些特质相关的,比如说应用本身是一款硬核游戏,那其受众必然是以男性居多,针对女性的广告就未必适合在这款游戏上做投放。另外,一款应用的用户数量、活跃度,乃至生命周期,都对广告的最终效果有很大影响。 Continue Reading

  • 八 17 / 2012
  • 0
Ideas, News

TalkingData 1.4让你全面了解用户生命周期

全面解读用户生命周期

——TalkingData1.4 正式发布

时隔两个月后,TalkingData1.4正式发布!新版TalkingData主推三大全新功能,在移动应用的数据分析、挖掘领域更进一步。此次更新,TalkingData带三项给力功能,三项功能,覆盖从宏观到微观,再到使用体验三个方向,让用户可以更舒服的解析更多数据真相。

本次更新中,TalkingData引入了一个全新的宏观数据指标——用户生命周期,专门用于考察应用中用户的生命周期分布情况;而全新的分群用户数据功能,则进一步在微观分析上为用户提供更深层次的功能。最后,里程碑管理功能,让用户可以将版本更新、渠道更新、推广活动等重要事件与数据变化一一对应,提供更完整、舒适的读图体验。 Continue Reading

  • 六 20 / 2012
  • 0
News

量化你的渠道推广效果——TalkingData发布iOS多渠道追踪平台AppCPA

appcpa

iOS平台上的应用多渠道追踪一直以来都是个比较复杂的事情,不少用户也一直在问:何时才有针对iOS平台的多渠道追踪呢?现在,TalkingData针对iOS应用多渠道追踪需求,推出了全新多渠道追踪统计平台——AppCPA。通过AppCPA应用开发者获得不同渠道推广带来的用户数量,从而对市场推广活动或是渠道效果进行考量。AppCPA是目前业内唯一一套不需要集成SDK即可实现多渠道效果追踪的渠道统计平台。

虽然苹果的App Store是iOS应用下载的唯一方式,但并不表示iOS应用就无其他推广方式。目前用户看到的各种限免推荐、应用中心等为最终用户推荐应用的站点和应用;以及各类应用内置广告等平台,其实都可以看作是iOS应用的推广渠道。不过遗憾的是,限于App Store的严格管控,究竟第三方推广渠道能带来多少下载、安装量,就很难考量了。尤其是目前苹果已经明确禁止应用调用UDID以后,追踪用户的下载和激活更加困难。 Continue Reading

  • 五 29 / 2012
  • 0
Data, Ideas

开启移动应用数据系统化分析之门

Talking Data自去年12月第一版上线以来,已经经过几次版本迭代。不过无论版本如何演进,Talking Data的主旨并未改变。从2月份的1.1版提供用户留存、渠道分析,到现在提供时间切片、多维钻取、交叉对比等高级数据挖掘功能,Talking Data一直致力于为应用开发者打造一套真正有价值的数据分析平台,而非简单的数据统计功能。

最新版的TalkingData(1.3版),在功能和细节上进一步加强,特别引入了时间切片、多维钻取,以及交叉对比功能。时间切片功能让开发者可以选择自应用上线后的任意一段时间内的某项指标进行观测,或者与当前情况进行对比;而多维钻取功能提供多版本、多渠道的全局交叉筛选能力,开发者可以任意组合多个版本、多个渠道对数据进行筛选,并可以结合前面提到的时间切片功能,对数据做精细筛选,帮助开发者定位用户群。交叉对比则允许开发在选定渠道、版本、时间后,进行全方位数据对比,全面了解应用发展情况。前面提到的这些功能属于Talking Data基本功能,在任意报表中都可以使用。比如我们可以在以“天”为基本单位的用户保留页面内,使用多维钻取功能,对渠道和版本进行筛选,从而确定不同渠道在同样的推广或投放活动中的表现,进而帮组我们作出决策。而在诸如首日留存、使用间隔之类的报表页内,我们更是可以将多维钻取、时间切片、交叉对比功能同时使用,帮助我们快速找到目标用户群。 Continue Reading

页面:1...2829303132333435
随时欢迎您 联系我们