游戏数据分析的艺术

最近看了一本关于数据分析的书,游戏数据分析的艺术,想写一些自己的学习心得。

它主要包括三个部分:

第一部分是本书的基本轮廓;

第二部分是常用方法和数据指标;

第三部分是数据在我们实际操作中的应用。?

先说说为什么要做数据分析。

我们做产品会遇到很多问题,尤其是做从0到1的项目。

产品能打动用户吗?

如何有效获取用户并评估效果?

如何激活用户,评价产品质量?

用户能否长期停留,并很好地享受和体验产品?

如何提高营收,挖掘前者的高价值用户?

游戏平台逐渐从PC延伸到PS4、Xbox,延伸到智能手机、平板电脑。随着用户与游戏产品的交流更加紧密,游戏行业需要不断改进产品,提升用户体验,更有效地满足用户对游戏的需求。随着这一变化,数据分析正在发挥更大的作用。

这些问题不仅存在于游戏产品中,也存在于互联网产品中。如何解决发现的问题,解决问题,数据分析起到了很大的作用。

首先,第一部分

一、本书的基本轮廓

书中谈到一个观点:从数据的角度解释运营,可以理解为物流和管理。

我很赞同这个观点。“运营”简单用文字解释就是应用和规划?。制定策略和计划。管理偏向于组织、执行和管理。物流是建立在数据基础上的,如果没有数据,那就是盲人摸象。没有可引用的维度。操作起来很麻烦。通过数据分析和运营,将工作做到“运筹帷幄中谋划,决胜千里之外”。

我把这本书的大纲分成三部分。

第一部分:系统阐述数据分析的方法和指标。

了解游戏数据分析,了解游戏数据指标,制作游戏数据报表,基于统计的分析方法。

第二部分:具体模块分析。

用户分析、留存分析、收入分析、渠道分析、内容分析。

第三部分:R语言

前两块比较好理解,第三块涉及R语言,比较难。

二、通用方法和指标

游戏操作数据分为三种类型:

基本统计,解决用户来自哪里,活跃度,收入等。,是为了宏观质量。

数量和操作说明。这是最基本的统计分析维度,也是最耗时耗力的。

行为模式,针对目标用户群,分析其行为模式,以提高留存和收入。

用户价值。用户价值侧重于高价值用户,也称土豪、大R、“大人民币用户”。

第一种方法论——PRRA模型

p推广:用户推广,

R-register:注册用户,用户数量的表现,新用户的转化成本。

A-active:活跃用户,用户质量表现,留存率。

P-pay:付费用户,用户价值挖掘,收入转化能力。

PRAPA模式诞生于端游时代,注重投入和回报。

随着移动互联网的发展,AARRR模型越来越流行,其金字塔结构由五部分组成。

获取用户,提高活跃度,提高留存率,获得收入,传播到病毒。

AARRR模型指出了手游运营的两个核心点:

1.以用户为中心,以完整的用户生命周期为线索。不仅是游戏,互联网产品也是如此。这个生命周期可以形成用户行为的闭环。

2.还有一点,控制产品的整体成本/收益关系,用户生命周期价值(LTV)远大于用户获取成本(CAC),这意味着产品运营的成功。

具体说说AARRR模型。

1,用户访问:

这是运行中的第一个。我们需要关注用户数量,此外,用户质量尤为重要。

AARRR模型指出了一个精细化运营的规律,即LTV(用户生命周期价值)>:& gtCAC .也就是说,在投资上。

在获取用户后,我们需要关注和提升用户在整个生命周期内所创造的实际收入价值,这样才能保证ROI最大化。

2.活跃用户:

新用户通过沉淀转化为活跃用户。

3.用户保持率

无论是推广效果的分析,还是产品质量的把控,留存率都起着非常重要的作用

需要使用留存率,留存率分为日留存率、周留存率和月留存率。

4.收入

赚取收益是运营的核心内容。主要有三个来源:付费应用、应用内付费和广告。

5.自我传播

需要产品本身足够好,口碑好。

1.用户获取

新注册用户数量(DNU)

2.活跃用户

每日活跃用户(DAU)

每周活跃用户数?(WAU)

每月活跃用户数(MAU)

每日参与次数

平均每日使用时间

3.用户保持率

留存率分为:次日留存率、三日留存率、七日留存率。

流失率分为日流失率、周流失率和月流失率。

4.游戏收入

支付率

活跃付费用户数量(APA)

每用户平均收入(ARPU)

每位付费用户的平均收入(ARPPU)

生命周期价值(LTV)

5.自我传播

衡量标准:k因子=每个用户发出的邀请数*收到邀请的人转化为新用户的转化率。自传播的效果用1来衡量。当k > 1时,用户基数会像滚雪球一样增加。

第三,数据的实际应用

由于时间关系,列出了两个应用程序。一个是我们每周的数据周报,可以看做是一些核心的分析点,有的结合了AARRR模型的维度,有的结合了用户具体行为的维度;

二是运营时结合业务需求设置的数据分析维度。

数据是一个非常灵活的东西。数据分析的两个常见流程是梳理数据业务逻辑,基于目标驱动设定相应的指标,然后提出嵌入点的要求。离不开对业务的理解和技术兄弟们的支持。所以两者密切相关。在以后的工作中,希望能和大家多合作,挖掘更多数据分析方面的价值。