移動遊戲運營必備的數據分析指標

編者按：本文做者爲TalkingData售前總監戴民，TalkingData的AARRR模型給出了移動應用數據分析的通用方法論。本文以TalkingData AARRR模型爲基礎，結合移動遊戲的行業特色，給出了移動遊戲運營者在業務運營各階段應當關注的關鍵數據指標。

 

用戶獲取(Acquisition)

 

AARRR模型指出了移動遊戲運營兩個核心點：

1)     以用戶爲中心，以完整的用戶生命週期爲線索

2)     把控產品總體的成本/收入關係，用戶生命週期價值(LTV)遠大於用戶獲取成本(CAC)就意味着產品運營的成功

 

移動遊戲的運營會經歷以下從投入到產出的循環過程：

Acquisition用戶獲取(投入)

Activation & Retention用戶活躍及留存

Revenue用戶轉化(產出)

 

1．  用戶獲取-Acquisition關鍵指標

這個階段是業務的投入期。運營者經過各類推廣渠道(Channel)，以各類方式獲取目標用戶。

這個階段數據分析最重要的就是經過組合各類維度(如時間、地域、渠道)對各類營銷渠道的效果進行評估，從而更加優化合理的肯定投入策略，最小化用戶獲取成本(CAC)

 

關鍵數據:

1. 用戶數量(以時間、地域、版本、推廣渠道等不一樣維度來拆解分析新增、總數及增加率，組合各類維度來分析各類營銷渠道的用戶獲取效果以及目標用戶分佈)：

點擊用戶數(Click)

安裝用戶數(Install)

註冊用戶數(Sign-Up)

在線用戶數(Login):

最高在線(PCU)

平均在線(ACU)

日活躍(DAU)

周活躍(WAU)

月活躍(MAU)

 

有效用戶數：不一樣類型產品會有不一樣的定義(多是註冊用戶或者登陸用戶或者付費用戶)

2.渠道轉化率：點擊->安裝->註冊->登陸的轉化比率(分渠道)

3．天然增加用戶Organic Users： 非推廣手段得到的用戶，若是此數據增加率相對Marketing Users的增加率很高，或者說明產品已經進入成熟穩按期，或者說明營銷推廣須要增強了。

 

推廣得到用戶 Marketing Users：推廣渠道得到的用戶，含有渠道標籤，用於宏觀的評價渠道推廣效果。

4．虛假用戶數(One Session/Day User)：顧名思義，一次會話用戶。主要用於監控渠道刷量做弊。同時也可反映目標用戶的使用習慣，判斷渠道獲取的用戶是否有效，從而評價渠道推廣質量

5．渠道增加率：評價渠道長期運轉健康度

6．渠道份額：渠道對比

7．最後說說CAC(Consumer Acquisition Cost)

CAC = 投入成本/有效用戶數，以CPX(Cost per X，如獲取每一個登陸用戶的成本)的方式呈現

將CAC按渠道進行拆解，就能夠得出渠道推廣的成本。

 

用戶活躍度與用戶留存(Activation and Retention)

傳統較粗獷的數據運營一般只會關注到用戶數量這個層次，而實際上除了關注用戶數量以外，用戶的質量對於運營者來說其實更爲關鍵。AARRR模型爲咱們指出了一條精細化數據運營的定律，就是LTV(用戶生命週期價值) > >CAC。也就是說，在投入成本獲取用戶後須要着重的關注和提高用戶在整個生命週期中所創造的實際收入價值，從而確保得到最大的ROI。

本文將繼續沿着AARRR模型體系，將重心從成本方面轉向價值方面，着重給出移動遊戲在提高用戶生命週期價值過程當中應當關注的重要指標。

移動遊戲的用戶生命週期運營能夠概括爲以下的這個轉化過程：

得到用戶(下載安裝) -> 轉化成活躍用戶(登陸使用) ->留住用戶(回訪留存)->轉化成付費用戶(應用內支付) 。

 

1、用戶活躍(Activation)

用戶活躍是用戶價值轉化過程最開始的一步。

1. 1.     活躍用戶

指標定義：

u  活躍用戶：一段時間內啓動/登陸過移動遊戲的用戶

l   每日活躍用戶數量(DAU)

l   每個月活躍用戶數量(MAU)

 

u  活躍用戶比例：一段時間內活躍用戶數量/一段時間內累計用戶數量

l   日活躍率

l   周活躍率

l   月活躍率

u  一次性用戶(One-Day User)：根據當前時間，自新增以來再沒有使用過應用的用戶。只有新增時的一次啓動/登陸，以後再無啓動/登陸。

u  一次性用戶比例：一次性用戶數/累計用戶數。

 

反應問題：

遊戲用戶質量。活躍用戶的絕對數量低，或相對總用戶數量比例低，說明用戶的質量不高，應結合渠道等維度深刻分析是否目標用戶羣是否準確或者深刻分析產品使用是否存在問題。反之並不能絕對說明用戶質量高，產品使用不存在問題，還應當結合其它指標深刻分析判斷。

一次性用戶。雖然從定義上這部分用戶也屬於活躍用戶，但應當格外給予關注。絕大部分一次性用戶都是無效的量，不能創造任何價值。好比渠道的刷量做弊會帶來大量一次性用戶。在觀測活躍用戶數量的同時，請同時注重觀測此指標，以客觀評價分羣體(如渠道)的用戶質量。對於移動遊戲來說，健康的一次性用戶比例應當不大於15%

產品情況：活躍度能夠有效的反映用戶首次遊戲體驗狀況。遊戲的界面效果、啓動加載時間、交互操做體驗、用戶引導等因素都將對用戶的活躍度帶來直接影響。

 

健康表現：

成熟、健康的遊戲運營的MAU從長期的發展趨勢來看，應當呈現出穩定的趨勢曲線(圖)

 

一次成功的推廣活動或版本上線應當帶來活躍用戶數量明顯的增加曲線，同時一次性用戶保持在健康的比例範圍。(圖)

如下指標着重反應的是活躍用戶的參與使用狀況， 也是遊戲產品質量的有效體現。 在作用戶活躍度分析的時候能夠綜合各個指標進行分析，從而發現產品運營中的問題，指導產品優化。

1. 2.     啓動次數

指標定義：

用戶對移動遊戲的一次使用記爲一次啓動。啓動次數就是用戶對遊戲的啓動總量。能夠按不一樣時間區間進行統計。作數據追蹤統計時，通常建議30秒內重複開啓記錄爲一次完整使用，不單獨計量。

l   日啓動次數

l   周啓動次數

l   月啓動次數

l   日平均啓動次數：該日平均每用戶啓動應用次數。 日啓動次數/日啓動用戶數

 

反應問題：

啓動次數反應遊戲的用戶使用頻率。能夠做爲遊戲產品質量的一個指標。

 

健康表現：

不一樣類型的移動遊戲會有不一樣級別的啓動次數量級。該指標應當結合用戶分佈維度來看，主要用戶應當分佈在較高的啓動次數上。(圖)

 

 

1. 3.     使用時長

指標定義：

平均單次使用時長：必定時間內，用戶平均每次遊戲使用的多長時間 = 時間內用戶總使用時長/啓動次數

平均日使用時長：當日用戶使用遊戲時間綜合的算數平均值

 

反應問題：

使用時長反映用戶持續停留在遊戲中的情況，是用戶參與使用遊戲的體現。能夠做爲遊戲產品質量的一個指標。同時也能夠結合用戶分佈維度來分析遊戲用戶質量。

 

健康表現：

不一樣類型的移動遊戲會有不一樣級別的使用時長量級。 好的遊戲應當有更長的使用時長。 該指標應當結合用戶分佈維度來看，主要用戶應當分佈在較高的使用時長上。若是存在大量短使用時長用戶存在，排除產品主要因素以外說明目標用戶羣體存在問題， 可能存在如渠道做弊等異常狀況。該指標可做爲監控渠道用戶獲取質量的一個指標。

 

1. 4.     DAU/MAU

指標定義：

當日的日活躍用戶數與30日活躍用戶數的比值 

反應問題：

DAU/MAU是社交遊戲類和在線類應用經常使用的一項評估指標，被用來分析用戶粘度。比值越趨近於1代表用戶活躍度越高，在比值低於0.2時，應用的傳播性和互動性將會很弱。行業中也經常使用DAU/MAU乘以30來計算每個月用戶平均活躍天數。

健康表現：

好的遊戲會有更高的DAU/MAU比值。一般健康的Freemium遊戲 DAU/MAU不低於0.15, 而且長期趨勢呈現平穩的曲線。若是長期趨勢曲線出現急劇增減，就要結合其它指標綜合分析問題緣由了。

 

 

2、用戶留存Retention

用戶的留存(Retention)能夠告訴您用戶對遊戲的忠誠度有多高。簡單的講，就是留住活躍的用戶。用戶留存是用戶最終向付費轉化，創造實際收入價值的過程當中最關鍵的階段。

指標定義：

用戶在某段時間內開始使用遊戲，通過一段時間後，仍然繼續使用遊戲的被認做是留存用戶；這部分用戶佔當時新增用戶的比例便是留存率。

n   日留存(1Day Retention)

n   周留存(7Day Retention)

n   月留存(30Day Retention)

反應問題：

留存一直都是用來評定用戶粘度的最好指標，從字面上就很好理解「有多少用戶留下來了」，這是對你整體遊戲應用質量最直觀的說明。留存率越高，說明遊戲應用的質量越高，用戶的忠誠度越好。

關注某日/某周的新增用戶在以後的不一樣時期還有多少人仍在使用，從而瞭解到您的應用在使用多久後容易流失用戶。找出最易流失用戶的時間段，經過調整應用的策略、活動激勵等措施來下降用戶的流失。

在行業中，不少應用都很重視首日留存率(1Day Retention)這項指標，這是對應用質量的直接反映，這項指標還能夠在必定程度上說明用戶首次體驗的滿意度。

 

健康表現：

用戶的留存在推廣渠道，產品版本既定的狀況下應當呈現必定的發展趨勢。通常來說用戶留存會呈現以下的發展趨勢曲線：

 

從指標角度將，用戶的留存1日，7日和30日留存存在着必定的轉化關係。健康的移動遊戲1日，7日，30日用戶留存率應不低於50% – 25% – 10% 的水平。也就是說一款好的移動遊戲應用首日用戶留存率應維持在50%左右的水平，周留存率在25%水平，月留存率在10%水平。

更詳細用戶留存分析指導請移步TalkingData blog查看」如何讀懂用戶留存」

 

3、用戶生命週期

用戶的生命週期是指用戶從開始使用一款遊戲應用到卸載應用的整個過程，由於移動應用很難捕捉用戶的卸載動做，一般會根據用戶的使用頻率低於某個極限值來判斷用戶流失。

LTV(Lifetime Value)就是一個用戶在生命週期內創造的價值總和。對於移動遊戲來說就是一個用戶在生命週期中創造的收入綜合。

 

收入(Revenue)

前面的文章講到了評估用戶獲取成本(CAC)應當關注的指標，以及用戶在創造價值的轉化過程當中應當關注的指標。而移動遊戲用戶創造的價值最終將體現爲遊戲運營收入(Revenue)。本篇的重點就將放在移動遊戲收入相關的指標上，並最終給出衡量遊戲用戶創造價值的關鍵指標概念：用戶生命週期價值(LTV, Lifetime value)

目前移動遊戲主要經過如下三種模式創造收入：

l   付費下載

l   應用內廣告

l   應用內付費

對於付費下載的收入計算比較簡單，Revenue = 每下載單價 * 下載次數(Installation)

對於應用內廣告模式(主要是單機遊戲)，衡量應用的廣告價值能夠經過「用戶生命週期廣告價值」這個指標來體現(詳細解讀請移步TalkingData blog查看」如何評估免費移動應用的廣告價值?」)

應用內付費(IAP)目前已經成爲將來移動遊戲盈利模式的主要發展趨勢，愈來愈多的遊戲採用F2P(Free to play)+ IAP的盈利模式。如下的指標也主要是針對應用內付費模式的移動遊戲。

 

收入宏觀指標：

1. ARPPU

指標定義：

ARPPU, Average Revenue per Paying User, 即平均每付費用戶收入。通常以月爲單位計算，計算方法以下： 月遊戲總收入/月付費用戶數。

ARPPU反映的是平均每一個付費玩家的付費額度。對於F2P的遊戲來說，大多數玩家是不花錢的，ARPPU計算的是那部分花錢用戶的狀況。

移動遊戲受類型、地域等因素的影響，ARPPU會有明顯的不一樣。如下給出一些參考案例：

Virtual World:  Habbo Hotel: $30 ARPPU (Sulake)

Online Game:  Puzzle Pirates, Three Rings: $50 ARPPU (Gamasutra)

Social Game:  Playdom: $20 ARPPU (Lightspeed Venture Partners)

德國 Sci-Fi MMO ARPPU: $58.77

法國 Sci-Fi MMO ARPPU: $14.83

對於付費用戶來說付費額度分佈也不平均，通常少許大額付費用戶(whales, 鯨魚用戶)帶來的收入會佔總體付費收入的絕大部分。所以，在作收入分析時應着重對這部分用戶的收入變化作重點的分析，並根據實際狀況採起相應的行動策略(如加強VIP客服等)。

 

 

2. ARPU

指標定義：

ARPU, Average Revenue per User, 即平均每用戶(活躍用戶)收入。通常以月爲單位計算，計算方法以下： 月遊戲總收入/月活躍用戶數。

ARPU反映的是整體收入在總體用戶中均攤的狀況，一般該值會遠小於ARPPU。ARPU能夠用來評估各個用戶獲取渠道的質量。

參考案例：

 

休閒社交遊戲: $0.10 – $0.20

卡牌類遊戲

例如Zynga Poker, Slotomania: $0.25 – $1.25

Virtual Worlds遊戲: 例如Habbo Hotel, Club Penguin, Runescape, and Puzzle Pirates：$0.84 – $1.62

 

 

3. 付費轉化率(Conversion Rate)

指標定義：

付費用戶佔總體活躍用戶的比例。通常以月爲單位計算。

計算方法以下：月付費用戶數/月活躍用戶數

 

反映問題：

遊戲產品引導玩家付費的能力如何？

玩家的付費傾向和意願如何？

收入、ARPPU、付費轉化率之間存在以下的關係：Revenue = ARPPU * MAU * 付費轉化率

運營者應當經過監測付費轉化率，結合其它產品運營指標因素(如遊戲應用事件轉化狀況等)以制定提高收入的策略。

 

健康表現：

付費轉化率不能直接反映收入的變化狀況。付費轉化率低並不必定意味着付費用戶的減小，有多是某一時期(如推廣活動後)有大量新用戶進入遊戲形成，還應結合首次付費時間等其它指標因素綜合考量對收入變化的影響。相反，付費轉化率變高也不必定就意味着用戶付費額的增長。

不一樣類型的遊戲的付費轉化率水平也有所不一樣。例如對於社交遊戲來說，付費轉化率會因類型的不一樣在1%-5%範圍內變化。 MMO等硬核遊戲的付費轉化率則依賴於傳播途徑以及地域等因素也會有所不一樣(10%-50%)。

 

4. 用戶生命週期價值(LTV)

用戶的生命週期是指一個用戶從第一次啓動遊戲應用，到最後一次啓動遊戲應用之間的時間。LTV就是某個用戶在生命週期內爲該遊戲應用創造的收入總計，能夠當作是一個長期累計的ARPU值。

每一個用戶平均的LTV = 每個月ARPU * 用戶按月計的平均生命週期。

好比，若是遊戲的ARPU = $0.5, 遊戲用戶平均生命週期爲3個月， 那麼LTV = $0.5 * 3 = $1.5

LTV幫助運營者瞭解平均玩家會在遊戲裏呆多久，他們會花多少錢。結合以前提過的用戶獲取成本(CAC)， LTV – CAC的差值，就能夠視爲該遊戲應用從每一個用戶身上獲取的利潤。因此最大化利潤，就變成如何在下降CAC的同時，提升LTV，使得這二者之間的差值最大化。結合分羣(segmentation)，斷代(cohort)等分析方法，能夠針對特定的羣體或渠道計算LTV和CAC，從而評估特定特定羣體和渠道的利潤。