游戏数据分析的艺术
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。