移動游戲數據分析框架-收入相關指標詳解_數據分析師

==========在做進一步講解之前，依舊先對活躍用戶進行定義===================

AU（Active Users）活躍用戶：統計周期內，登錄過游戲的用戶數；根據統計周期不同又劃分為DAU（日活躍用戶），WAU（周活躍用戶）,MAU（月活躍用戶）；

備注：入門篇中所定義的“用戶”均以“賬號”進行衡量；賬號：游戲賬號庫中的唯一標識，在單款游戲中全局唯一；

==========================================================

仍然從應收的公式進行推導 Revenue = AU * PUR * ARPPU；在活躍用戶規模固定的前提下，PUR 和 ARPPU 是衡量游戲盈利能力最基礎的2個指標；

國內做游戲數據分析的時候 ARPPU 和 ARPU 經常被混在一起，這里為了嚴謹，單獨把這2個指標拿出來對比一下；

ARPU（Average Revenue Per User） 平均每用戶收入

定義：統計周期內，活躍用戶對游戲產生的平均收入；

公式: ARPU = Revenue / AU

ARPPU (Average Revenue Per Paying User) 平均每付費用戶收入

定義：統計周期內，付費用戶對游戲產生的平均收入；

公式：ARPPU = Revenue / APA

PUR（Pay User Rate）付費比率

定義：統計周期內，付費賬號數占活躍賬號數的比例；一般以自然月或自然周為單位進行統計；

公式：PUR = APA / AU；

APA（Active Payment Account）活躍付費賬號數

定義：統計周期內，成功付費的賬號數(排重統計)；

公式：APA = AU * PUR；

拓展應用：

從公式的推導可以看出，實際上 ARPU = ARPPU * PUR；目前國內游戲數據做數據分析時所說的“ARPU”實際上是ARPPU，即平均每付費用戶收入；

之所以將 ARPU 再拆解為 PUR 和 ARPPU，主要是因為 ARPU是對產品盈利能力的綜合評價，為了更好的我們做決策，將付費指標拆解為 PUR（廣度，更多的人付費） 和 ARPPU（深度，付更多的錢） 兩個維度；

基于上訴原則，在做充值相關分析的時候，還可以對PUR 和 ARPPU 做進一步拆解，比如新老用戶的 PUR 和 ARPPU，對 APA 的付費強度（統計周期內充值金額）進行分段統計，觀察APA的結構，如大R占比，貢獻率、小額充值的比重等；

在移動游戲數據分析領域，特別是渠道商在判斷產品質量的時候，大家還會經常聽到一個指標 LTV

LTV（Lift Time Value）生命周期價值

定義：平均一個賬號在其生命周期內（第一次登錄游戲到最后一次登錄游戲），為該游戲創造的收入總計；

公式：LTV_N = 統計周期內，一批新增用戶在其首次登入后N天內產生的累計充值 / NU（New Users）；

應用場景：手機游戲數據分析中的發行指標，用于衡量渠道導入用戶的回本周期，LTV_N>CPA(登錄)

從LTV的定義上可以看出，CP可以通過不同渠道導入用戶的LTV_N 與 導入成本（CPL）進行比較，用于計算不同媒體投放的回本率（這個在市場推廣篇已經提到）；另外，渠道商也可以通過這個指標和聯運資源的成本對比，迅速判斷一款產品是否值得投入聯運資源；

由于LTV是基于新增用戶進行計算的，因此受大R影響比較嚴重。

因此，在觀察產品LTV數據的時候，通常情況下會選取一段時間的數據進行觀察；在匯總計算時，如下圖所示，計算LTV_N 時只抽取時間跨度足夠的樣本；

如，統計周期選擇 4-10至4-19，LTV_4 僅通過 4-10 至 4-16的數據進行計算，因為 4-17至4-19 三天的新增賬號還沒有第4天的數據；

另外，由于受每日新增用戶的質量影響較大，有可能出現LTV_N+1 小于 LTV_N的情況，因此要觀察 LTV_N時，統計周期至少選擇 N +14 天以上，保證每個指標都有14天以上的樣本進行計算；

本文提及的收入指標主要是用于描述產品宏觀數據，關于結合游戲內的其他數據做分析（包括IB分析、消費分析、首充分析等）以幫助我們制定相應的運營活動和版本計劃，這部分會在 進階篇 的案例中詳細說明.（文章來源：CDA數據分析師）