京公网安备 11010802034615号
经营许可证编号:京B2-20210330
资深分析师谈中小团队如何分析用户质量
随着手游营销成本的增长,中小团队购买用户的开支也水涨船高。不过,在竞争日益激烈的手游市场,用户购买渠道也变得越来越多,如何辨别高质量渠道,找出有问题的用户来源成为很多中小团队不得不面对的问题。最近,Devtodev主分析师Vasiliy Sabirov{数据分析师}根据他5年的游戏分析经验,在博客中推荐了一些衡量、分析和辨别的方法,希望可以帮助中小团队进行更有效的用户购买。以下是编译的博文内容:
通常,特别是在小公司里,人们处理数据的方式是同样的。它们从并购中获得了一笔资金,购买流量,统计到大量的用户注册大量开始出现,所以该公司对此很高兴并且转向了其他任务。但突然之间,他们发现这么多的流量却没有带来收入,最后发现投出去的市场营销预算几乎是被浪费了。失败的原因,既有可能是游戏货币化出了问题,也有可能是这些流量带来的用户质量并不高。毕竟,据多方预测,付费购买来的用户当中的虚假(欺骗性的)流量占付费购买注册用户总数的20%-60%左右。
为了避免这种情况,你必须从一开始让数据分析师来分析买来的量,这里我们将会告诉你该怎么做。
使用相关数据
这些数据包括安装成本、安装量、收入,它们对于衡量和了解用户购买活动的效果是非常重要的。不过,这些数据根本没办法告诉你这些流量的质量如何。为了评估你买来的量是否足够好,你需要通过相关的用户数据进行了解,比如ARPU、CPI、付费比例、留存率以及投入回报率(ROI)等等。
这些数据可以描述流量的质量高低,还可以让你对比不同流量渠道的可靠性。
使用队列分析
记录用户注册的日期或者各个流量渠道的首批用户,然后根据时间来记录和研究用户的留存和货币化数据,比如次日、三日、七日、30日等等。我们以渠道A为例,了解用户注册一周后的情况并计算每个队列的数据:
比如累积1日ARPU、2日ARPU、7日ARPU…30日ARPU等等。
同样,计算累积收入并且把它与单个用户获取成本做对比,算出渠道A单个用户的ROI,持续追踪这个数据,然后当ROI超过100%的时候,你投入的成本就算是赚回来了。
当对比多个渠道流量的时候,ROI是关键的参考数据,另外,我们建议让cda数据分析师同时追踪每个队列里的用户留存率,比如次留、七日留存和月留存等。这些数据对于某个时间点对比流量来源是有用的,而实际上,如果这些用户的活跃时间不同,那么用它们来对比各个流量渠道的效率是不对的,
设定目标活动
向留存率这样数字最容易伪造,如果客户专注于这一点的话,比如说次日留存,那么流量渠道只需要只简单地在第二天登录应用或者写一个对应的工具进行人为刷留存。因此,增加额外的活动,这可以让你了解自己的用户是否有合理的动机。
这些活动可能代表了特殊的情况,但这不能是第一个关卡,也不是进入商店的入口,更不是点击菜单中最明显的元素。把这些活动对每个流量渠道按照以上数据进行对比,你就会发现哪个渠道带来用户留存率高、但却没有出现特定用户行为,如果经常出现最终状况,那么最好是放弃这个流量渠道。
对数据进行细化分析
有时候这些虚假流量很可能来自单一IP,或者在同一个小时内注册,亦或者来自同样的网站,如果数据分析师能够详细了解这些数据,特别是综合起来考虑,你就有很大的机会发现哪些渠道是作假的。
这不仅仅是对付虚假用户,如果你通过这个数据发现来自特定国家或者特定网站带来的用户没有任何作用,你还可以告诉自己的伙伴拒绝这样的渠道流量。
做一个评估流量的流程
总体来说,流量分析并不是一蹴而就的事情,尝试经常这么做:评估获得的流量并优化分析算法,设定每天和每周的流量评估程序。让你的专职人员不仅要每天重复这样的过程,还要在未来的N天之内都带来有质量的流量分析。
如果是一位数据分析师收集了一系列的数据作为分析,设定目标活动并根据几个标准细化流量分析,你可以让你的流量购买经理每个早上用半小时的时间来做。在统计学方法的帮助下,你甚至可以把这个监视系统应用到每个数据分析中,比如置信区间、三西格玛管理规则等等,这个方式可以帮助你通过数据的不同找出不正常的流量来源。
与可靠的合作伙伴合作,但不要害怕实验。
总的来说,流量获取可以比作一系列投资组合的形成,两者都是高报酬的,而且都有非常保守的衡量方式。一开始要和谷歌、Facebook或者已经有合作关系的可信的伙伴进行合作,有时候会有人给你更低的CPI,如果你有了比较稳定和可预测的流量来源,那么可以冒险尝试一下,因为新的合作关系有可能让你的流量购买更有效率。不过,要根据来源的不同而进行定义,最小化风险。
如果你经常评估流量获取的质量,不断地放弃表现不好的次级渠道,并且偶尔尝试新合作伙伴,那么你会慢慢地学会如何确定下个月的高质量用户数字以及你将为此付出多少预算。
给各个渠道设限
无论如何,你都不要忘记给每个合作伙伴设定限制,首先,你要为用户购买预算设置上限,其次,你要避免未经测试的合作伙伴突然向你索要大量的预算。
当然,这些限制根据不同的合作伙伴也要区别对待,对于信得过的渠道设置一定的比例。
从分析中去掉大R
大R指的就是欧美常说的‘鲸鱼用户’,也就是在游戏中消费最多的玩家。有时候很可能一个渠道的流量所带来的收入完全是由单个用户所创造的,但其他的用户付费转化率非常低,如果是这样的话,最好是确定问题,因为这种模式是不能持续的。
现在我们来解决这个案例:
这里有3个合作伙伴:A、B和C,我们给每个伙伴100美元的用户购买费用,A给我们带来的流量创造了15美元的收入,B则带来了20美元,C带来了25美元。那么,哪一个是更好的呢?我也想说是C,但真正的答案是,不知道。
在做一个决定之前,你需要弄清楚以下几点:
1.每个渠道带来的用户量是多少?专注于绝对数据,我们没有办法对比这些渠道的质量,我们需要相对数据,因此,了解用户数量是必要的。
2.每个渠道的CPI是多少?如果不知道购买成本,我们就没办法计算ROI,而且ROI是对比各个渠道的关键数据之一。
3.每个渠道的用户注册分别过去了多久?或许C的合作是一个月前开始的,而其他伙伴则是一周前,所以如果不计算同时间内的数据,也是不准确的。
4.即便是所有的伙伴都是同时开始的活动,那么这个时间足以体现出差别吗?比如说,如果只是过了两三天,那么A和B仍然有可能赶上甚至超过C。
5.在你分析的用户当中有大R用户吗?如果这25美元是一个用户带来的怎么办?其他绝大多数用户都从不付费怎么办?
我希望这篇文章可以对手游开发商们带来帮助,我们都需要买流量,所以了解如何避免过度开支是非常必要的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28