退出

一文读懂游戏数据分析指标的应用

引言

对比传统“拍脑门”式的决策,“以数据驱动”的游戏研发与运营无疑是一种更为科学高效的方式。无论是刚刚踏入这一领域的游戏新人,还是已打怪多年的运营老兵,数据分析工作都会贯穿一款游戏从开发到成熟的整个周期。今天LiveData小编梳理了游戏数据分析中最常用的几个核心指标,深度剖析在不同维度的观察下,它们是如何衡量业务现状、暴露业务问题,并为解决问题提供指引的。话不多说,全是干货,直接看正文。

一、三个方向看玩家质量:活跃、留存、LTV

1.指标解读

在精细化运营的模式下,活跃用户数、在线时长等宏观数据指标已经无法满足分析需要。基于LiveData数据研究员多年的经验,我们认为以下几个指标能够更加整体地评估游戏用户质量:

2.应用举例-新增用户LTV

在游戏进入市场后的投放初期,一个核心工作是要对所有营销渠道进行拉新效果的评估,根据用户的留存及付费情况来调整投放策略,达到整体效益最优。下图为LiveData的新增用户数据看板,通过几步简单操作即可完成对新增用户质量的分析:

1)选取用户新增发生的时间区间及所要持续观察的天数。图中选择了7月16日至7月22日为用户新增时间,并对这段时间内的新增用户持续观察7天后续行为。

2)选择用于分析的关键指标。看板中提供第N日的留存率、新付费用户数、累计收入、累计付费率、LTV的指标计算,这里我们选择了第N日LTV作为关键指标。

完成上述两步操作即可看到所有新增用户的第N日LTV数据。在不区分细分维度的情况下,我们可以看到不同日期新增用户的数量、第N日LTV值差距不大,拉新整体处于比较稳定的状态。同时结合CAC值,我们可以看出大概在多少天后,新增用户的付费收入能够覆盖其获客成本,开始营收。

3)从整体角度观察新增用户LTV对于调整投放策略是不够的。点击任意日期后的“查看明细”,可进一步查询在国家/地区、推广渠道、操作系统等维度下的明细数据。图中选取的是国家/地区维度,通过对比可以看到,美国、英国的用户质量要远远好于印度、巴西,可以考虑增大优质地区投入,减少其他地区投放。

3.应用举例-活跃用户构成

我们都知道,手游用户是有一定的生命周期的。当玩家处于整个生命周期的成长与成熟阶段,运营的目标是尽量延长玩家在游戏中的停留时长并产生付费价值转化。当玩家处于衰退期阶段,我们可能要考虑继续获取新用户以维持整个游戏的用户体量,或不断开发新的玩法以延长老玩家的生命周期。下图为LiveData的近12周活跃用户构成看板,对每1周的新增用户连续观察其在后续12周的留存情况。从第12周的活跃用户构成可以看到,该游戏近一半的活跃度是由当周新增用户带来的。如果游戏目前处于推广前期,新增用户比重较大则比较合理。但如果游戏已在推广后期,说明用户留存具有比较大的问题,当拉新停止时,游戏很难保持住目前的用户量级。单独分析某一周新增用户的持续留存也可以看到,该游戏新增用户在第2~4周都有较高的流失比例。



二、多项指标看付费,瞄准大R玩

1.指标解读

与玩家质量相似,对游戏付费的分析也应当从宏观和微观两个维度解读。宏观角度的付费率、ARPU、ARPPU用于反映游戏整体或分新老客、渠道、地区等的局部营收概况。微观角度,付费是玩家在游戏内产生的行为,根据玩家的付费能力进行相应的用户分层,有助于采取更高效的用户运营策略。对于大多数游戏而言,少量大额付费用户(鲸鱼用户)贡献了游戏绝大部分收入。大额付费用户的新增与流失变化都需要引起足够的关注。

2.应用举例-大R玩家

与玩家质量相似,对游戏付费的分析也应当从宏观和微观两个维度解读。宏观角度的付费率、ARPU、ARPPU用于反映游戏整体或分新老客、渠道、地区等的局部营收概况。微观角度,付费是玩家在游戏内产生的行为,根据玩家的付费能力进行相应的用户分层,有助于采取更高效的用户运营策略。对于大多数游戏而言,少量大额付费用户(鲸鱼用户)贡献了游戏绝大部分收入。大额付费用户的新增与流失变化都需要引起足够的关注。

下图的LiveData付费用户看板展示了与付费用户相关的分层数据与用户明细。可以看出,该游戏53%的收入来源自付费排名top10%的鲸鱼用户(大R玩家)。点击存量用户数、新增用户数、流失用户数的任意数据项,可查询该群体的具体用户明细。


游戏数据分析并非难题。掌握指标的业务意义,并用合理的图表形式组织与呈现数据能够帮助数据分析者快速掌握业务情况、发现存在的问题。