游戏产品如何进行数据分析?

首先，介绍下什么是AARRR模型。AARRR是Acquisition、Activation、Retention、Revenue、Refer，这五个单词的缩写，分别对应一款产品生命周期中的5个重要的环节：获取用户、提高活跃度、提高用户留存率、获取收入、自传播五个环节。不仅适用于游戏，也适用于工具。下面我们来简单讲解一下AARRR模型中每个环节关注的重要数据指标。

（1） 获取用户（Acquisition）

任何产品上线运营都会面临这一环节，新增用户量和CPA（cost per action）是这个阶段的主要指标。这两个指标和很多因素有关系，比如产品本身的目标用户群的大小、市场宣传、广告投放、产品是否有IP、产品名字、产品Icon和介绍、安装包大小等等很多因素有关系。现在移动游戏获取用户，主要通过各应用渠道和AppStore获得。移动游戏从各应用渠道获得用户多少的主要因素，是流量变现能力强弱，但是这个怎么理解呢?国内的各应用市场如应用宝、百度手机助手、360手机助手等等，广告资源和榜位都是依据流量赚钱的能力来的。比如说，相同的位置，如果放其它的游戏一天能带来50万收入，如果放我们的游戏一天能带来60万的收入，大家认为各渠道会放谁家的游戏呢？各应用渠道本质还是在经营流量，盈利能力强就会从各应用市场获得更多的用户。AppStore榜位会比较客观和公正一点，而且分几个榜单，付费榜、免费榜、畅销榜。各有不同的指标来决定榜位。

（2） 提高活跃度（Activation）

衡量用户的活跃度会有如下数据标准：DAU（日活跃度）、MAU（月活跃度）、使用时长、启动次数、峰值在线人数等，其中DAU、MAU这两个数据基本上说明了应用当前的用户规模大小。用户的活跃度也很重要，因为用户活跃的时候才能贡献收入。给大家讲一个真实的例子，2014年比较火的某款游戏，老板天天关注的数据指标就是DAU，说只要DAU大约百万我就能睡安稳觉，其实是有道理的，用户在，收入不管通过什么活动，新的消费等刺激下都能来。

（3） 提高留存率（Retention）

留存反应了用户的粘性和忠诚度，我们会统计各种留存、次日留存、七日留存、双周留存、月留存等。这个是我们在内部测试和外部小量测试阶段的重点关注指标，后面会重点介绍这个留存率。

（4） 获取收入（Revenue）

这个环节，要统计的指标有付费率、ARPU、ARPPU、消耗率、LTV等。反应用户的付费转化和付费能力等，我们会按照各渠道和推广活动去统计这个，可以检出不同渠道和推广活动的用户质量，这个后面会重点介绍下LTV的计算。

（5） 自传播（Reter）

自传播这块，暂时不太会去计算反应病毒传播能力的K因子，关注的比较多的是自然新增量，就是除广告投入带来用户外的新增量。对于要想打造爆款产品这个K因子太重要了。

下面，我们看下AARRR模型的应用，从各应用渠道是如何应用它来选择好的产品的。

S级是指特级，91比较看中自然新增、7日和15日留存、15天LTV即单个在15天内的收入贡献和月付费率，基本包含了AARRR模型各环节的指标。

PP助手比较看中推广注册，这个反应吸量的能力和注册转化率、次日留存和七天留存、月付费率、登陆ARPU，也基本包含了AARRR模型各环节的指标。

360A级数据指标，比较看中注册转化率和留存率，其实也是有道理的。注册转化率反应了流量的利用率，留存率反应了用户对产品的喜爱和忠诚度，有这个何愁收入不好呢?

下面着重介绍下留存率指标。

留存率大家比较熟悉，工作中也用的比较多，现在给大家介绍下新增留存率曲线。它的生成就是把各时间的留存率连接成一条曲线，新增留存率曲线是留存率的一种综合。

大家看到新增留存率曲线的价值了么？产品早期不太好估算LTV，我们工作中更多的是用多少天的LTV。用来核算广告投放的ROI，但是LT常用到。

LT，用户生命周期，我们每个季度都需要重新计算，因为是收入确认的一个重要参数，因为收入需要按照道具类型进行分摊，LT真实的计算会比这个复杂的多。大家可以理解下LT的基本的定义，不一定要会算。另外记住“新增留存率曲线的面积等于LT”，所以留存非常重要。

AARRR模型和留存率、LTV指标的介绍就介绍到这里，下面有四个思考题，大家一起讨论下。

思考题1：某产品活跃10%，周活跃70%，大家觉得是否靠谱？

答：是不靠谱的，因为日活跃10%，周活跃70%，用户会在一周内重复活跃的情况。所以假如日活跃是10%，周活跃肯定小于70%。

思考题2: 锁屏应用安装4000-5000万，日活跃200万左右，是否靠谱？

答:锁屏应用就是屏幕解锁，主要Android上比较多这种应用。大多数的用户不可能一天不使用手机吧，所以锁屏应用，它的日活跃定是比较高的，现在只有5%左右，所以答案肯定是不靠谱，要么安装量是虚的，要么用户卸载的比较多。才会导致几千万的安装锁屏应用只有200万左右的活跃。

思考题3：要做爆款应用比如脸萌、足迹、小咖秀等，从AARRR模型来看，需要什么样的数据指标？

答：主要是自传播能力，K因子高，在短时间能大量的曝光，所以成了爆款，但是他们都有一个问题，就是留存不好。

思考题4:要做大规模用户应用比如Clean master、美图秀秀、Go Launcher等，从AARRR模型来看，需要什么样的数据指标？

答:一个大成的产品，从数据看肯定是各方面都比较好，另外，大家有没有看傅盛关于介绍战略的文章，关键词：预测、破局点、all in，all in的前提还是数据的计算。

——————————Q&A———————————-

Q1：详解下思考问题4，需要哪些数据？为什么需要正常的数据特征？

A: 来简单地说，单个LTV是否远远大于CPA 。复杂点说，就是大众，刚需，痛点、高频，后面对于的数据比较好。

Q2：我们这个Ap是不是比较极端，我们是运营商的手机营业厅，到月底用户登录的就比较多，平时就很少，平均下来日几个点，但月60、70%，是不是可以说工具类的各种纬度活跃量都不是很客观？

A：这个问题说的不是很清楚，不同的产品类型会有不一样的数据特征，这个是和业务相关的，比如你说的营业厅的应用，就会存在日活跃很低，月活跃因为月低用的比较多，月活跃比较高的情况。

Q3：刚刚您介绍了渠道的游戏评级标准，想了解下游戏CP有渠道评级标准吗？指标是什么呢?

A：CP对于各渠道是比较熟悉的，但是一般还没有形成标准，CP关注渠道的数据指标，主要是能导多少用户量，付费能力。

Q4：游戏为了获得渠道更好的资源位，自充是行业很常见的操作方式？

A：渠道评价游戏的标准，不仅仅是收入，还有其它数据指标，所以自充值的影响也是一段时间的，所以不是很常有吧，但是听过有游戏为了进入AppStore畅销榜有自充值行为，识别这种行为，就看它的免费榜和付费榜是否一致。

Q5：我想问个问题，老师怎么计算流失周期的啊，然后一般可以利用流失数据来做产品的什么优化啊？老师给他举个例子说明吧 。

A：找出流失原因，一个一个解决了。 给你举个例子吧，我们在以前的一款页游，在用户注册和登录的过程中，注册转化率比较低，我们就记录每个步骤的转化率，找到转化率比较低的位置，发现那个步骤的资源比较大，在用户网络情况不好的情况下，下载比较慢，导致用户直接关闭了。这个还是需要具体的问题，具体分析。

Q6：还有个问题，老师游戏运营是怎么针对用户进行分层运营的?

A：游戏用户，有RMB和非RMB玩家。RMB玩家又分大R和小R。运营活动，肯定会有相同的，也有针对性的。