游戲產品如何進行數據分析?

首先，介紹下什么是AARRR模型。AARRR是Acquisition、Activation、Retention、Revenue、Refer，這五個單詞的縮寫，分別對應一款產品生命周期中的5個重要的環節：獲取用戶、提高活躍度、提高用戶留存率、獲取收入、自傳播五個環節。不僅適用于游戲，也適用于工具。下面我們來簡單講解一下AARRR模型中每個環節關注的重要數據指標。

（1） 獲取用戶（Acquisition）

任何產品上線運營都會面臨這一環節，新增用戶量和CPA（cost per action）是這個階段的主要指標。這兩個指標和很多因素有關系，比如產品本身的目標用戶群的大小、市場宣傳、廣告投放、產品是否有IP、產品名字、產品Icon和介紹、安裝包大小等等很多因素有關系?，F在移動游戲獲取用戶，主要通過各應用渠道和AppStore獲得。移動游戲從各應用渠道獲得用戶多少的主要因素，是流量變現能力強弱，但是這個怎么理解呢?國內的各應用市場如應用寶、百度手機助手、360手機助手等等，廣告資源和榜位都是依據流量賺錢的能力來的。比如說，相同的位置，如果放其它的游戲一天能帶來50萬收入，如果放我們的游戲一天能帶來60萬的收入，大家認為各渠道會放誰家的游戲呢？各應用渠道本質還是在經營流量，盈利能力強就會從各應用市場獲得更多的用戶。AppStore榜位會比較客觀和公正一點，而且分幾個榜單，付費榜、免費榜、暢銷榜。各有不同的指標來決定榜位。

（2） 提高活躍度（Activation）

衡量用戶的活躍度會有如下數據標準：DAU（日活躍度）、MAU（月活躍度）、使用時長、啟動次數、峰值在線人數等，其中DAU、MAU這兩個數據基本上說明了應用當前的用戶規模大小。用戶的活躍度也很重要，因為用戶活躍的時候才能貢獻收入。給大家講一個真實的例子，2014年比較火的某款游戲，老板天天關注的數據指標就是DAU，說只要DAU大約百萬我就能睡安穩覺，其實是有道理的，用戶在，收入不管通過什么活動，新的消費等刺激下都能來。

（3） 提高留存率（Retention）

留存反應了用戶的粘性和忠誠度，我們會統計各種留存、次日留存、七日留存、雙周留存、月留存等。這個是我們在內部測試和外部小量測試階段的重點關注指標，后面會重點介紹這個留存率。

（4） 獲取收入（Revenue）

這個環節，要統計的指標有付費率、ARPU、ARPPU、消耗率、LTV等。反應用戶的付費轉化和付費能力等，我們會按照各渠道和推廣活動去統計這個，可以檢出不同渠道和推廣活動的用戶質量，這個后面會重點介紹下LTV的計算。

（5） 自傳播（Reter）

自傳播這塊，暫時不太會去計算反應病毒傳播能力的K因子，關注的比較多的是自然新增量，就是除廣告投入帶來用戶外的新增量。對于要想打造爆款產品這個K因子太重要了。

下面，我們看下AARRR模型的應用，從各應用渠道是如何應用它來選擇好的產品的。

S級是指特級，91比較看中自然新增、7日和15日留存、15天LTV即單個在15天內的收入貢獻和月付費率，基本包含了AARRR模型各環節的指標。

PP助手比較看中推廣注冊，這個反應吸量的能力和注冊轉化率、次日留存和七天留存、月付費率、登陸ARPU，也基本包含了AARRR模型各環節的指標。

360A級數據指標，比較看中注冊轉化率和留存率，其實也是有道理的。注冊轉化率反應了流量的利用率，留存率反應了用戶對產品的喜愛和忠誠度，有這個何愁收入不好呢?

下面著重介紹下留存率指標。

留存率大家比較熟悉，工作中也用的比較多，現在給大家介紹下新增留存率曲線。它的生成就是把各時間的留存率連接成一條曲線，新增留存率曲線是留存率的一種綜合。

大家看到新增留存率曲線的價值了么？產品早期不太好估算LTV，我們工作中更多的是用多少天的LTV。用來核算廣告投放的ROI，但是LT常用到。

LT，用戶生命周期，我們每個季度都需要重新計算，因為是收入確認的一個重要參數，因為收入需要按照道具類型進行分攤，LT真實的計算會比這個復雜的多。大家可以理解下LT的基本的定義，不一定要會算。另外記住“新增留存率曲線的面積等于LT”，所以留存非常重要。

AARRR模型和留存率、LTV指標的介紹就介紹到這里，下面有四個思考題，大家一起討論下。

思考題1：某產品活躍10%，周活躍70%，大家覺得是否靠譜？

答：是不靠譜的，因為日活躍10%，周活躍70%，用戶會在一周內重復活躍的情況。所以假如日活躍是10%，周活躍肯定小于70%。

思考題2: 鎖屏應用安裝4000-5000萬，日活躍200萬左右，是否靠譜？

答:鎖屏應用就是屏幕解鎖，主要Android上比較多這種應用。大多數的用戶不可能一天不使用手機吧，所以鎖屏應用，它的日活躍定是比較高的，現在只有5%左右，所以答案肯定是不靠譜，要么安裝量是虛的，要么用戶卸載的比較多。才會導致幾千萬的安裝鎖屏應用只有200萬左右的活躍。

思考題3：要做爆款應用比如臉萌、足跡、小咖秀等，從AARRR模型來看，需要什么樣的數據指標？

答：主要是自傳播能力，K因子高，在短時間能大量的曝光，所以成了爆款，但是他們都有一個問題，就是留存不好。

思考題4:要做大規模用戶應用比如Clean master、美圖秀秀、Go Launcher等，從AARRR模型來看，需要什么樣的數據指標？

答:一個大成的產品，從數據看肯定是各方面都比較好，另外，大家有沒有看傅盛關于介紹戰略的文章，關鍵詞：預測、破局點、all in，all in的前提還是數據的計算。

——————————Q&A———————————-

Q1：詳解下思考問題4，需要哪些數據？為什么需要正常的數據特征？

A: 來簡單地說，單個LTV是否遠遠大于CPA 。復雜點說，就是大眾，剛需，痛點、高頻，后面對于的數據比較好。

Q2：我們這個Ap是不是比較極端，我們是運營商的手機營業廳，到月底用戶登錄的就比較多，平時就很少，平均下來日幾個點，但月60、70%，是不是可以說工具類的各種緯度活躍量都不是很客觀？

A：這個問題說的不是很清楚，不同的產品類型會有不一樣的數據特征，這個是和業務相關的，比如你說的營業廳的應用，就會存在日活躍很低，月活躍因為月低用的比較多，月活躍比較高的情況。

Q3：剛剛您介紹了渠道的游戲評級標準，想了解下游戲CP有渠道評級標準嗎？指標是什么呢?

A：CP對于各渠道是比較熟悉的，但是一般還沒有形成標準，CP關注渠道的數據指標，主要是能導多少用戶量，付費能力。

Q4：游戲為了獲得渠道更好的資源位，自充是行業很常見的操作方式？

A：渠道評價游戲的標準，不僅僅是收入，還有其它數據指標，所以自充值的影響也是一段時間的，所以不是很常有吧，但是聽過有游戲為了進入AppStore暢銷榜有自充值行為，識別這種行為，就看它的免費榜和付費榜是否一致。

Q5：我想問個問題，老師怎么計算流失周期的啊，然后一般可以利用流失數據來做產品的什么優化??？老師給他舉個例子說明吧 。

A：找出流失原因，一個一個解決了。 給你舉個例子吧，我們在以前的一款頁游，在用戶注冊和登錄的過程中，注冊轉化率比較低，我們就記錄每個步驟的轉化率，找到轉化率比較低的位置，發現那個步驟的資源比較大，在用戶網絡情況不好的情況下，下載比較慢，導致用戶直接關閉了。這個還是需要具體的問題，具體分析。

Q6：還有個問題，老師游戲運營是怎么針對用戶進行分層運營的?

A：游戲用戶，有RMB和非RMB玩家。RMB玩家又分大R和小R。運營活動，肯定會有相同的，也有針對性的。