1. 首页
  2. 数据统计
  3. TalkingData资讯

【转载】数据的用法和价值

5月17日第二十期北京开发者俱乐部沙龙在京成功举办,主题为:“和”开发者论道—“社交·休闲·碎片”App的趋势与融合。在这次沙龙上,TalkingData COO徐懿为大家带来了精彩的演讲演讲围绕着“数据用法和价值”这个主题,不仅分享了不少干货,还例举了之前解决的案例。下面是现场演讲实录。移动广告

我今天的演讲题目叫数据用法和价值,这跟我们今天的社交休闲碎片的主题有一点偏离,讲的主要是在咱们日常推广和运营过程中我们怎么样去利用数据提高自己的效率,大家能赚到更多的钱。

我们认为数据分析对玩家生命周期的监测是很重要的。这张图可以简单地看到玩家在一个游戏里的生命周期,首先通过渠道把数据导入,是用户获取阶段,可能会很快有一个时间段出现用户流失,他进来玩了一下发现核心玩法或者美术风格不是他喜欢的,或者有其他的问题,比如他想要一些社交,但是这个游戏里面没有提供这种社交的功能,就会产生用户的流失。如果这个用户一旦过了流失那个阶段,他喜欢这个游戏的话,后面的活跃度会提高,后面会付费,越往后玩家的忠诚度会越高。玩家的生命周期对我们做手机游戏运营的人来讲是非常重要的,我怎么样能把这道坎儿迈过去,把后面的收入提得更高,这都是我们想做的事情。app营销

我们讲到数据分析的时候,说目前很多公司是没有正确的数据运营的模型,我们给大家提了一个建议,我们可以参考这样一个数据模型,这个叫AARRR,AA分别是用户获取、用户活跃,这在一个游戏早期的时候非常重要,要有新手教程,把他教会让他留在游戏里。第三个就是留存率,大家现在看到很多游戏一上来就进行炒,我的留存率能够达到80%、90%,说实话我个人对这么高的留存率抱有一定的疑问,确实留存率是很重要的指标。有一些游戏叫好不叫座,其他都很好,但就是收不上钱来,有些人觉得这个游戏坑埋得不够深,不一定是坑埋得不够深的问题,有时候坑埋得深也不一定能赚得到钱,抓住用户的心理,他就愿意给你付费,这是获取收入挺重要的一点,得分析他愿意在什么时候付费,我们在这个时间点是不是给他提供付费的刺激。最后一个是病毒式传播,两年以前我们觉得病毒式传播不是非常有用,大部分游戏里面也没有加病毒式传播的功能。病毒式传播反过来又带来一批新的用户,把这个变成一个闭环,又到了获取用户的环节,这样一个模型对游戏做分析来讲是非常重要的。我们需要做的就是我们要去看每一个层次,ARR每个层次分别都要去看一些数据。像用户获取的时候,可能我们要看的是它的新增活跃度,我们要分析活跃用户多少来自于新用户,多少来自老用户,四日、七日、三十日的留存。付费转化率、APP值,我们前两天刚发过一篇报道,挺有意思的,在中国的APP值比较高的,在美国付费转化率比较高,每个国家有不同的特点,对我们来讲付费收入这块,如果能把付费转化率做上去,同时把APP值做上去,那收入自然就上去了。病毒式传播这块,目前没有特别好的数据的指标,有一个指标叫K因子,大家有兴趣的话可以到网上搜一下,有K因子的描述,一个用户能带来多少用户。无线营销

我们再举一些实际的例子,大家经常说你们讲这个模型没意义,我们要看实际的例子,那我就给大家举一些实际的例子来说明这个模型。刚才嘉宾演讲里面也讲到强制更新会损失一些用户,强制更新如果没处理好的话,会把你的一些活跃用户流失掉。这是我们的一个例子,我们看到某个游戏在中间的一段时间突然一下子留存率掉得很厉害,无论四日还是七日,三十日留存受的影响相对比较小一点,他们为什么会掉的很厉害,原因是那段时间他做了一个客户端的完全更新,强制更新,下载的包在投放的渠道中有些包不是最新的安装包,有一些包还是老的,导致在强制更新的时候有一批用户强制更新完以后登陆不了游戏,又要重新下载安装包来继续玩这个游戏,所以是运营人员的失误导致的这个问题。我们看到这种情况的话,如果不及时地看到这个数据,你有可能要过一天或者两天以后才能发现原来我的这个游戏有了这么大的问题,当然有数据的监控,这个就相对比较好一点,他们及时地发现了这个问题。

我们发现在安装包的过程中,建议大家用增量更新的方式,尽量不要用存量的包。第二个就是活跃,我们看到活跃水平经历了半个月才恢复到之前的水平,影响周期很长。我们看当时的数据是留存的数据回去了,马上新的渠道包更新之后,玩家留存又有了,但是活跃水平受的影响挺大的,半个月才恢复过来。渠道包大小其实也很有讲究,刚才大家在问酷派对这个渠道包的要求是什么样子,大家都知道包体越小,新用户的增加会越快,这也是一组数据来说明这个。大的包变成小的包以后,新增用户增加了20%,活跃度增加了15%,这个还是非常重要的,因为我们也看到很多小的游戏开发团队,他们对包不是很敏感,第一次做出来包都很大,拿到渠道都说包这么大怎么推,导致最初的时候有挺多人都走了弯路。

我刚才讲玩家不要只看当天的数据,其实要看长周期的数据,长周期的数据怎么分析呢?这张图上面提供了一个例子,游戏的黏性,对黏性的算法,用他的日活跃除以前三十天的月活跃,得到一个值,这个值如果比较高的话,通常说明这个游戏的黏性会比较好。我们看到这款游戏的黏性达到0.2,在游戏里面算很高了。如果是这条线不这么平稳的话,就说明你这个游戏黏性本身是有问题的,可能都是靠着推广活动来拉新的用户,充实你的活跃用户,而不是靠游戏本身的黏性达到的。对游戏的生命周期的监控和分析还有一个看活跃用户的生命周期,我们看到很多游戏可能它的生命周期很短,有一部分人最初的两天就退出了,这款游戏是31天到90天,生命周期比较多,所以它还是一款比较好的游戏,相对来讲它的黏性还是比较高的。我们也可能看到top的等级,活跃玩家目前的等级,这个分析对我们做游戏的也非常重要。如果我们在这个地方活跃用户的等级都偏低的话,如果已经开了一段时间,你一定要检讨一下,为什么活跃用户不往高的级别去走。我们知道付费其实更多的应该在更高的地方才能付费。我们也针对一些游戏做了一些比较,如果是一个3D的游戏,它的画面比较好,像这种游戏通常会比普通的游戏留存会高出很多,比如高出5%到8%,这是一个整体留存率的比较。有很多人说留存率到80%、90%,如果能持续一两天其实一点都不奇怪,但是要想长期做到80%、90%,确实是很难,或者我还没看到这么好的留存的游戏。目前来讲如果四日留存能够达到40%已经算很好了,在中国游戏里面算蛮高的,如果在大规模推广的话。如果刚开始内测,种子期,那个就不说了,因为它的人群不大一样。移动应用商场

我们通过一些数据的分析可以帮大家找到一些问题。比如有一些游戏里面有大量的用户游戏时长是0到10秒,说明适配出了问题,玩家进了游戏很快就退了,这样的一些情况比较多。我们也有通过这个数据帮客户找到这样的一些问题,因为自己内部测试的时候发现都挺好的,也没有秒退的情况,后来客户反馈有秒退,他自己到平台上看的时候发现0到10秒的用户比例特别高,这个就严重地影响到他的日留存,本来是一款很不错的游戏,但是因为很多玩家不能正常玩游戏,就导致他的数据就很难看。

另外一个就是我们看一下整体玩家付费率的增长,就是在玩家里一共有多少人进行付费。随着游戏在游戏里时间的推移他在游戏里付费的增长,很多玩家在游戏里面在前7天付钱比较多,前14天该付的钱都付了,14天以后他们的付费行为就比较小了,只剩下一些人付费。为什么会出现这些问题,是因为现在的渠道,KPI比较紧张,大家一定找付费好的游戏。在前7天付费不好的游戏可能就拿不到推广资源了,没有推广资源就难以再继续做收入。这就造成一个恶性循环,大家就都把这个付费点靠前,希望把7天、14天之前把钱都付了。我们知道前段时间有些游戏因为花错钻石和金币造成流失,这个大家要注意。大家什么时候要关注玩家流失?不是等到游戏衰退期了,快没人气了再去研究玩家流失这个事,那个时候已经晚了,一定是游戏进入稳定期以后我们就要去分析这个玩家流失。在你的游戏还比较稳定的时候,那些玩家流失我们认为是软性流失,还是有可能被掰回来,所以那个时候一定要通过运营活动把他们拉回来,不能等到后面,越往后玩家流失越难挽回。

讲到玩家流失的分析,我跟大家分享一下我们这边的一个案例。玩家流失有几点是需要注意,第一是流失前的等级分布,这个等级分布其实很重要,如果你发现他的等级分布是有规律的话,肯定是你某一个地方有问题需要改进。流失前的关卡和任务,他是在什么关卡流失的,流失的生命周期,整个的生命周期多长,还有流失玩家的付费次数和金额,从这四个方面去分析。这个图可能大家看的不是很清楚,一百多关卡,他做了一个失败率的统计,在这个关卡里面失败了多少次,百分之多少的人进来是失败的,这个也是我们经常需要分析的东西。中间有一个特别高的一块,忽然有一个关卡,它的失败率达到60%以上,特别高的尖,这个尖就说明大部分的用户,62%的用户进去是失败出来的,可想而知挫折感有多强,所以他们对这个数据进行进一步分析,他们就去看这一个关卡失败玩家等级分布是什么样子的,可能在25级到35级中间,尤其是28级到33级是失败玩家的比例最高的。我们又去分析玩家流失前的等级分布,发现确实在整个里面28级到33级的用户流失是最多的,验证了一个问题,确实是很多玩家因为那个关卡太难过了,有卡级的情况,他可能打了好多次一直都过不了,然后造成了用户流失。这个实际案例,后来他们确实把那个关卡调了,把难度调低了,发现用户的留存跟活跃都有所改善。所以这也是一个非常典型的案例。talkingdata 报告

简单总结一下,整个数据在移动游戏里面,它其实在各个层面都会起到作用,包括开发完了开始做分册到最后上线,所有的过程都需要用数据进行分析,用数据来说话。后面做优化也一样,优化完以后发布你的新版本之后,还要持续地去进行数据的跟踪,然后最后继续优化你的产品,形成一个循环。所以数据在移动游戏里面会起到很大的作用,这就是我们跟大家分享的案例。

注:文章转自TalkingData

原创文章,作者:youou,如若转载,请注明出处:https://xue.youounet.com/1738.html

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

在线咨询:点击这里给我发消息

在线咨询:点击这里给我发消息

QR code