游戏产品的核心数据分析实例

首先，介绍什么是AARR模型。AARRR是Acquisition、Activation、Retention、Revenue、Refer，这五个单词的缩写对应于产品生命周期中的五个重要环节：获取用户、提高活动、提高用户保留率、获取收入和自我传播。不仅适用于游戏，也适用于工具。让我们简要介绍一下AARR模型中每个环节关注的重要数据指标。(1)获取用户（Acquisition）任何产品在线运营都将面临这一环节，增加用户数量和注册会计师（costperaction）这是这一阶段的主要指标。这两个指标与产品本身的目标用户群体规模、市场宣传、广告、产品是否有IP等诸多因素有关、产品名称、产品Icon与介绍、安装包尺寸等诸多因素有关。目前，移动游戏主要通过各种应用渠道和AppStore获得用户。移动游戏从各种应用渠道获取用户数量的主要因素是流量实现能力，但如何理解呢？应用宝、百度手机助手、360手机助手等国内应用市场，广告资源和排名都是基于流量赚钱的能力。例如，在相同的位置，如果其他游戏每天可以带来50万的收入，如果我们的游戏每天可以带来60万的收入，你认为每个渠道都会放谁的游戏？每个应用渠道的本质仍然是运营流量，强大的盈利能力将从每个应用市场获得更多的用户。AppStore榜位将更加客观公正，并分几个榜单，付费榜、免费榜、畅销榜。有不同的指标来决定排名。(2)提高活动性（Activation）有以下数据标准来衡量用户的活动：DAU(日活跃度)、MAU(月活跃度)、DAUU的使用时间、启动次数、峰值在线人数等。、MAU这两个数据基本上说明了当前应用程序的用户规模。用户的活动也很重要，因为只有当用户活跃时，他们才能贡献收入。告诉你一个真实的例子。在2014年流行的一款游戏中，老板每天关注的数据指标是DAU。他说只要DAU大约有100万，我就可以安全睡觉。事实上，这是合理的。用户可以在任何活动和新消费的刺激下获得收入。(3)提高留存率（Retention）保留反映了用户的粘性和忠诚度。我们将统计各种保留、次日保留、7天保留、双周保留、月保留等。这是我们在内部测试和外部小量测试阶段的重点指标，以后将重点介绍这一保留率。(4)获取收入（Revenue）在这个环节中，要统计的指标是付费率，ARPU、ARPPU、消耗率、LTV等。为了反映用户的支付转换和支付能力，我们将根据各种渠道和推广活动进行统计，检测不同渠道和推广活动的用户质量。稍后，我们将重点介绍LTV的计算。（5）自传播（Reter）在自传播方面，K因素暂时不太可能计算反应病毒的传播能力，更关注自然新增量，即除广告投资带来的用户以外的新增量。这个K因子对于打造爆款产品来说太重要了。接下来，我们来看看AARR模型的应用，从各种应用渠道如何应用它来选择好的产品。S级是指特级。91更注重自然新增、7天和15天保留、15天LTV，即15天内单个收入贡献和月支付率，基本包含AARR模型各个环节的指标。PP助手更注重推广注册。这种反应吸力的能力和注册转化率、第二天保留和七天保留率、月支付率和登录ARPU基本上包含了ARR模型各个环节的指标。360A级数据指标，比较注册转化率和留存率，其实是有道理的。注册转化率反映了流量的利用率，留存率反映了用户对产品的热爱和忠诚度。为什么要担心收入不好？以下是留存率指标的重点介绍。大家都很熟悉留存率，在工作中也用的比较多，现在就给大家介绍一下新的留存率曲线。它的产生是将每个时间的保留率连接成一条曲线，新的保留率曲线是保留率的综合。你看到新留存率曲线的价值了吗？LTV在产品早期并不容易估计，我们在工作中使用LTV需要多少天。用于计算广告投放的ROI，但LT常用。LT，我们需要每季度重新计算用户的生命周期，因为它是收入确认的重要参数，因为收入需要根据道具类型分摊，LT的真实计算将比这个复杂得多。你可以理解LT的基本定义，不一定要计算。另外，记住“新留存率曲线的面积等于LT”，所以留存很重要。本文介绍了AARR模型、留存率和LTV指标。以下是四个思考问题。让我们一起讨论一下。思考题1：某个产品活跃10%，每周活跃70%，你觉得可靠吗？答:不靠谱，因为每天活跃10%，每周活跃70%，用户会在一周内重复活跃。因此假设每日活动为10%，每周活动肯定不到70%。思考题2:锁屏应用安装4000-5000万，日活跃200万左右，可靠吗？答:锁屏应用是屏幕解锁，这种应用在Android上比较常见。大多数用户不可能一天不用手机，所以锁屏应用的日活跃度肯定比较高，现在只有5%左右，所以答案肯定不靠谱，要么安装量虚拟，要么用户卸载更多。只有200万左右，数千万的锁屏安装应用才会导致活跃。思考题3：从AARRR模型的角度来看，需要什么样的数据指标来做爆款应用，比如脸萌、足迹、小咖秀等。答:主要是自传能力，K因子高，短时间内可以大量曝光，所以成了爆款，但都有一个问题，就是留存不好。思考题4:Cleanmaster等大规模用户应用、从AARRRR模型来看，美图秀秀、Golauncher等需要什么样的数据指标？答：从数据的角度来看，一个成功的产品在各个方面都必须更好。此外，您是否阅读过傅盛关于介绍策略的文章？关键词：预测、突破点、allin，数据计算是allin的前提。——————————Q&A———————————-Q1：详细解释一下思考问题4，需要哪些数据？为什么需要正常的数据特征？A:简单来说，单个LTV是否远远大于CPA。复杂地说，就是大众，刚需，痛点，高频，后面的数据比较好。Q2：我们的应用程序是否极端？我们是运营商的手机营业厅。到月底，用户会登录更多，通常很少。平均每天几点，但每月60点、70%，是否可以说工具类的各种纬度活动都不是很客观？A：这个问题不是很清楚。不同的产品类型会有不同的数据特征，这与业务有关。例如，如果您所说的营业厅的应用程序，将会有一个非常低的日活动，月活动，因为月低使用更多，月活动相对较高。Q3：刚才你介绍了渠道的游戏评级标准，想知道游戏CP有渠道评级标准吗？A的指标是什么？：CP熟悉每个渠道，但一般没有标准。CP关注渠道的数据指标，主要是指导用户数量和支付能力。Q4：为了获得更好的渠道资源位置，自充是行业中非常常见的操作模式？A：渠道评价游戏的标准不仅是收入，还有其他数据指标，所以自充电的影响也是一段时间，所以不是很常见，但听说游戏为了进入应用商店销售列表有自充电行为，识别这种行为，取决于其免费列表和付费列表是否一致。Q5：我想问一个问题，老师如何计算丢失周期，然后一般可以使用丢失的数据来优化产品？老师给他举个例子。A：找出损失的原因，逐一解决。例如，我们在以前的页面游戏中，在用户注册和登录的过程中，注册转化率相对较低，我们记录每一步的转化率，找到转化率较低的位置，发现这一步的资源相对较大，在用户网络不好的情况下，下载相对较慢，导致用户直接关闭。这仍然需要具体的问题，具体的分析。Q6：还有一个问题，老师的游戏操作是如何为用户分层操作的？：有RMB和非RMB玩家的游戏用户。RMB玩家分为大R和小R。运营活动，肯定会有同样的，也会有针对性。