小白學數據分析--有關于流失分析的探討

早先我曾探討一個關于流失分析的整套流程問題，也說了流失分析是如何的重要，大概這種解說是蒼白無力的，因為拿不出數據來說明這個問題，因此大家就會感覺比較飄渺，今天就是流失分析再次進行探討，這次從數據的角度來理解為什么要做好流失分析。
    挽留一個老用戶相比于拉動一個新用戶，在游戲收入、產品周期維護方面都有好處的，只是我們現在解決用戶入口的問題，但是沒有重視用戶流失的問題。這個問題就好像一個水池子，有進口，但是也有出口，我們不能只關注進口的進水速率，卻忽略了出水口的出水速率。這點對應了我們對于指標的量化和關注，比如當今我們考慮和分析更多的是留存的問題，卻鮮有討論流失問題，不過也可以理解，因為移動互聯網上大家都從平臺，渠道獲得海量用戶，至于你愿不愿意待著，我們就不關心了。不過，移動互聯網的手游行業卻不能不關心，因為手游也是一種端游縮小后一種存在形式，一定意義上手游的分析應去借鑒端游的一些分析思路和管理方法。
    因此，我們需要去做好流失分析，并不斷的訓練、實踐。
    今天我將利用一系列的指標，來說明流失問題，首先，列出來今天用到的指標：
    MNU：月新增用戶
    MAU：月活躍用戶
    DAU/MAU：活躍比
    M_Churn_Rate：月流失率
    OMAU：老活躍用戶
    M_1-Churn_Rate：月存留用戶率
    首先我們要明確對于月流失用戶的定義：
    一般而言，上個月（自然月）登錄過游戲但在本月未登錄過游戲的用戶數。
    自然的，對于流失率就是這部分用戶數占上個月月活躍的百分比。
    針對流失率的計算一種是通過技術手段精確的按照定義進行計算，而另一種方式就是粗略的進行估計計算，此處，說一下如何進行粗略的計算，在后續的講解中，也會用到此部分知識。
    我們知道上個月的月活躍中存在兩部分群體：

    上個月月活躍用戶構成中，一部分是上個月流失用戶，另一部分就是過渡到下個月活躍用戶中的存留用戶。
    而在下個月的用戶中也存在兩部分，一部分就是上個月過度來的存留用戶，另一部分就是本月的新增用戶。

    至此我們得到兩個等式
    上個月MAU=流失用戶+存留用戶
    本月的MAU=存留用戶+本月新增
    那么上個月流失用戶=上個月MAU-本月的MAU+本月新增
    上述的計算方式和通過技術手段計算的流失率基本一致，可以作為粗略估計使用。解決了流失率的計算問題，下面我們就能詳細開始分析流失率背后的秘密。
    之前在文章中說過，游戲產品是存在一個生命周期問題的，從具體游戲產品的一系列運營來看，產品經理CB、OB和商業化運營階段，這里面是包含著流失問題的，而且在每個時期的策略和側重是不同的，今天我將做一些假設，來分析流失，這樣便于理解。
    假設如下：
    月導入新增用戶為20000；
    月1-Churn_Rate=20%（存留率為20%，即上個月登錄過游戲，且本月又登錄的用戶比例為20%）；
    月流失率為80%；
    DAU/MAU為0.15；
    我們可以根據上述的指標進行下述的計算：
    上線第一個月
    已知：
    MNU1=20000
    M_1-Churn_Rate1=20%
    M_Churn_Rate1=80%
    DAU/MAU1=0.15
    Old_User(老用戶)1=0
    那么：
    平均的DAU1=0.15*20000=3000
    MAU1=20000
    上線第二個月
    已知：
    MNU2=20000
    M_1-Churn_Rate2=20%
    M_Churn_Rate2=80%
    DAU/MAU2=0.15
    MAU1=20000
    那么：
    Old_User(老用戶)2=MAU1* M_1-Churn_Rate1=4000
    MAU2= Old_User(老用戶)2+ MNU2=24000
    平均的DAU2=0.15*24000=3600
    上線第三個月
    ……
    按照以上的思路進行數據計算，最終能得出來一些數據。
    下圖為按照流失率80%，月導入量20000進行的計算。

    下圖為按照流失率70%，月導入量20000進行的計算。

    下圖為按照流失率60%，月導入量20000進行的計算。

    下圖為按照流失率90%，月導入量20000進行的計算。

    如果大家仔細觀察會發現，流失率處于不同水平，反饋的MAU以及DAU都是有差異的，這點差異就是因為流失率的變化引起的。
    說到此處，再仔細觀察，會發現，流失率達到90%時，基本在第四個月游戲的增長就停滯了，而為80%時，在第6個月開始增長停滯了，70%時在第8個月增長停滯了，60%時在第12個月增長停滯了。也就是說流失率水平的高低也刺激了游戲的用戶量變化情況，從游戲設計的角度來看這點是因為游戲大量用戶流失，對新用戶進入帶來一種負面的反饋，對于來用戶而言，則生存和游戲下去的信心不足。時間久了，用戶群流失就打破游戲原本穩定的環境，此時我們一般通過加大新用戶的注入來解決辦法。
    以上是從游戲角度來解釋問題的，下面從數學角度簡單的解釋一下為什么到了一定的時候，后期數據變化減小，基本上達到了穩定狀態。
    我們了解到
    注：1-Churn_Rate簡寫為CR%
    MAU1=MUN1
    MAU2=MAU1*CR1%+MUN2
    MAU3=MAU2*CR2%+MNU3
    MAU4=MAU3*CR3%+MNU4
    ……
    那么
    MAUn=MAUn-1 *CRn-1%+MNUn，且MNUn-1=MNUn-2=…=MNU1，CRn-1%=CRn-2%=…=CR1%，即有
    MAUn=MNU*（CR%^n-1+ CR%^n-2+…+ CR1%+1）
    由上述等式，可以發現，隨著n逐漸增大到一定階段，對于MAU的影響就變得越來越小。逐步穩定。
    側面來看，如果CR%本身就很小那么這種影響就更小了，也就是說MAU變化很小，但是相對應的流失率就會居高不下，游戲處于了一個放水內耗的時期。
    以上是利用一些指標對于流失率進行了一個探討分析，其實重點就是說流失分析對于一款游戲而言是非常重要的，小處來說是挽留用戶，避免流失，大處來說是拉長產品生命周期。