专注苹果竞价广告(ASM)研究
App Store Search Ads

手游数据分析框架(四)——用户付费指标

从应收的公式进行推导:Revenue = AU * PUR * ARPPU;在活跃用户规模固定的前提下,PUR 和 ARPPU 是衡量游戏盈利能力最基础的2个指标;国内做游戏数据分析的时候 ARPPU 和 ARPU 经常被混在一起,这里为了严谨,单独把这2个指标拿出来对比一下。

ARPU(Average Revenue Per User) 平均每用户收入

定义:统计周期内,活跃用户对游戏产生的平均收入。
公式:ARPU = Revenue / AU

ARPPU (Average Revenue Per Paying User) 平均每付费用户收入

定义:统计周期内,付费用户对游戏产生的平均收入。
公式:ARPPU = Revenue / APA

PUR(Pay User Rate)付费比率

定义:统计周期内,付费账号数占活跃账号数的比例;一般以自然月或自然周为单位进行统计。
公式:PUR = APA / AU

APA(Active Payment Account)活跃付费账号数

定义:统计周期内,成功付费的账号数(排重统计)。
公式:APA = AU * PUR

拓展应用

从公式的推导可以看出,实际上 ARPU = ARPPU * PUR;目前国内游戏数据做数据分析时所说的“ARPU”实际上是ARPPU,即平均每付费用户收入。

之所以将 ARPU 再拆解为 PUR 和 ARPPU,主要是因为 ARPU是对产品盈利能力的综合评价,为了更好的我们做决策,将付费指标拆解为 PUR(广度,更多的人付费) 和 ARPPU(深度,付更多的钱) 两个维度。

基于上述原则,在做充值相关分析的时候,还可以对PUR 和 ARPPU 做进一步拆解,比如新老用户的 PUR 和 ARPPU,对 APA 的付费强度(统计周期内充值金额)进行分段统计,观察APA的结构,如大R占比,贡献率、小额充值的比重等。

在移动游戏数据分析领域,特别是渠道商在判断产品质量的时候,大家还会经常听到一个指标:LTV。

LTV(Lift Time Value)生命周期价值

定义:平均一个账号在其生命周期内(第一次登录游戏到最后一次登录游戏),为该游戏创造的收入总计。
公式:LTV_N = 统计周期内,一批新增用户在其首次登入后N天内产生的累计充值 / NU(New Users)
应用场景:手机游戏数据分析中的发行指标,用于衡量渠道导入用户的回本周期,LTV_N>CPA(登录)。

从LTV的定义上可以看出,CP可以通过不同渠道导入用户的LTV_N 与 导入成本(CPL)进行比较,用于计算不同媒体投放的回本率(这个在市场推广篇已经提到);另外,渠道商也可以通过这个指标和联运资源的成本对比,迅速判断一款产品是否值得投入联运资源。由于LTV是基于新增用户进行计算的,因此受大R影响比较严重。

因此,在观察产品LTV数据的时候,通常情况下会选取一段时间的数据进行观察;在汇总计算时,如下图所示,计算LTV_N 时只抽取时间跨度足够的样本。

如,统计周期选择 4-10至4-19,LTV_4 仅通过 4-10 至 4-16的数据进行计算,因为 4-17至4-19 三天的新增账号还没有第4天的数据。

另外,由于受每日新增用户的质量影响较大,有可能出现LTV_N+1 小于 LTV_N的情况,因此要观察 LTV_N时,统计周期至少选择 N +14 天以上,保证每个指标都有14天以上的样本进行计算。

本文提及的收入指标主要是用于描述产品宏观数据,关于结合游戏内的其他数据做分析(包括IB分析、消费分析、首充分析等)以帮助我们制定相应的运营活动和版本计划,会在后续的文章中进行详细解读。

作者:刘异,网龙公司 产品分析经理,专注移动互联网数据分析

本文由 APPYING 原创发布,转载请注明来源及本文链接。
APPYING » 手游数据分析框架(四)——用户付费指标

分享到:更多 ()

留言交流 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址