移动游戏数据分析框架-概论_数据分析师

根据以往的培训和招聘经验，个人把游戏数据分析师分为3个层次:

“入门篇”主要把“产品健康度”监控相关的指标（描述性指标，告诉我们是什么）做一个系统的梳理，希望能够帮助刚刚入行或准备入行的朋友，快速熟悉游戏运营分析相关的指标含义及应用场景；

关于渠道优化、运营活动分析、流失分析、用户行为分析等具体案例分析会在“进阶篇”中跟大家分享；

在这里还是要重申一个观点：

1、数据分析的本质是一种意识，一种以客观事实为导向进行产品管理和客户管理的意识；

2、数据分析师本质上是一个产品分析师，只是在分析的过程中从数据的角度进行切入而已；

3、数据分析的价值在于数据应用，没有业务理解和对各部门作业流程的详细了解，是无法对数据作出分析和解释的；不熟悉业务的数据分析师只能称为“数据取数员"；

正文：

对移动游戏数据这块, 我一般喜欢用经典的“水池图”来做说明；

作为CP，无论我们从什么角度做数据分析，最终还是希望能够帮助我们更好的实现最终目的：赚到更多的￥

从一个庸俗易懂的公式出发：

Revenue = AU * PUR *ARPPU

统计周期内的收入流水 = 统计周期内的活跃用户规模 * 活跃用户付费比例 * 平均每付费用户付费金额；

因此，我们要做的事情是：“最大化活跃用户规模，并在此规模之上最大化用户付费转化及付费强度”.

【最大化活跃用户规模】：如果我们把当前的活跃用户看做一个水池，要想提升水池内的含水量，我们可以有几种做法：

1.开源：让更多的水注入，导入更多用户；通过市场推广：

• 1.1拓展新渠道；
• 1.2增加推广费用，提高渠道导入、媒体广告导入量；
• 1.3自有资源与其它APP换量；
• 1.4口碑管理、增加市场认知度和认同度，提高自然导入量；

2.节流, 减少水池的出水量，降低用户流失；

• 2.1.通过运营活动、版本更新 提高用户的游戏参与度（玩的更久）
• 2.2.通过老玩家召回的活动，唤醒沉默用户；可以想象成，水池中的部分水分被蒸发，并没有真正的离开流走，可以再通过降雨的方式重新回到水池中；

【最大化用户付费转化及付费强度】：在维持水池水量的同时，我们可以通过各种养殖和捕捞的方式（游戏内的消费埋点、促销、充值活动等）打到更多的鱼；

当然，价值挖掘 和 用户规模的维护 并不是完全割裂开的，过度的追求高ARPPU也有可能导致用户的流失增加；这是一个相辅相成的过程；
综上所述，移动游戏数据分析指标可以分解为3个模块：

1、市场推广相关指标（包括：激活、上线、各节点转化率、成本指标、渠道质量等），它的任务是帮助我们进行“渠道优化”和“产品优化”，最小化用户获取成本，实现更多的新增导入；

2、用户活跃 & 留存相关指标（包括：DAU\MAU、AT（日均使用时长）、日、周、月留存、回归率等），它的任务是帮助我们在宏观数据表现层面，快速判断产品存在的问题，并对运营活动及产品改进给予“方向性”指导；

3、用户付费相关指标（包括：LTV、PUR（活跃用户付费比）、ARPPU（每付费用户付费强度）、充值结构、充值时段等），它的任务也是帮助我们在宏观数据表现层面明确产品盈利能力，并对运营活动及产品改进给予“方向性”指导。(文章来源：CDA数据分析师)

后面的文章会分别从上述3个方向对数据分析相关指标做进一步详解；