您的位置:澳门皇家赌场91资源站 > 游戏 > Trevor McCalmont:列举判断游戏运营情况的的关键参

Trevor McCalmont:列举判断游戏运营情况的的关键参

2019-11-11 23:24

游戏行业发展至今,技术、创新等因素使得行业瞬息万变。随着整个市场不断膨胀,我们不难发现,每年都有许多游戏面世,但有些新游能一炮而红,有些则不然。那到底怎样的游戏才能成功?

W3i将关键绩效指标(KPI)划分为三种类型:粘性、留存率、盈利性。本文将详细分析这三种指标对于一款游戏的意义。

导读:AARRR模型是我们做用户分析的经典模型,是一个典型的漏斗结构。它从生命周期的角度,描述了用户进入平台需经历的五个环节,最终获取商业价值。价值不仅直接源于用户购买行为,还来自用户作为推荐者和内容产生者所带来的营收。

为了解答这一问题,记者对2014年发布的,发布天数超过90天的415款涵盖各种类型的游戏进行了统计和观察,试图通过游戏的日常数据来分析出该游戏的成败。

粘性

正文

几点主要结论:

访问次数/DAU

AARRR模型是我们做用户分析的经典模型,是一个典型的漏斗结构。它从生命周期的角度,描述了用户进入平台需经历的五个环节,最终获取商业价值。价值不仅直接源于用户购买行为,还来自用户作为推荐者和内容产生者所带来的营收。

1.游戏beta版本测试结束后,即能从各项关键数据中看出该游戏的成败。并且这种成败间的差异还会在日后游戏的数据中持续下去。

这个参数是指一般日活跃用户(DAU)对你的游戏平均访问次数。访问次数/DAU的一个健康值一般为3左右,但这要取决于你的应用类型。像RPG这类拥有更长访问时间的游戏,访问次数/DAU的数值就会相对较小,而无尽奔跑以及更短访问时间的游戏的这一数值则很容易超过4或5。

0 1

2.当一款游戏的测试结束后,要在初始数据的基础上实现优化是非常困难。因为转化率、ARPPU(每付费用户平均收益)及用户留存率的数据大体呈下滑的趋势。

DAU/MAU

什么是AARRR模型

3.与失败者相比,那些大热的游戏在初始安装量上就表现得更好,这凸显了第一批玩家的重要性。利用好首批玩家,帮助提高游戏的转化率、留存率及ARPPU数据非常必要。

DAU/MAU(月活跃用户)比值可以反映游戏的粘性有多强。过去一个月有多少访问游戏的用户,现在仍然每天都会登录游戏?游戏的DAU/MAU若表现良好,其比值一般会在较长时间超过0.2。但要注意一种情况,如果开展了获取用户的营销活动,这一比值可能还会更高。

AARRR分别代表了五个单词,又分别对应了产品生命周期中的五个阶段:

调查样本:

图片 1

获取(Acquisition):用户如何发现你的产品?

记者抽取了415款在2014年发布的免费游戏,这些游戏的下载量均超过1000次,涵盖了卡牌、动作、休闲益智等游戏类型。

app-monetization-process(from w3i.com)

激活(Activation):用户的第一次使用体验如何?

图片 2分发的类型反映了各类游戏在应用商店上的表现。

留存率

留存(Retention):用户是否还会回到产品?

图片 3415款游戏包括iOS、Android及Facebook平台。

在移动领域,目前有两种衡量用户留存情况的方法。要考虑以下情况,用户下载游戏的那天只能算第0天。如果用户在第1天这天开始访问游戏,那才能算是留存用户。如果他们没有访问游戏,那就不算留存用户。要每天计算在同一个日期下载游戏的用户群体。

收入:产品怎样赚钱?

样本分类:

按照这样计算,表现良好的留存数据如下:

传播:用户是否愿意告诉其他用户?

从游戏下载量和收入上看,以上线90天为观察周期,可以将415款游戏划分成4个层次。第一组指的是最成功的游戏(占总数的10%),共有42款游戏,获得累计收入最高,最高平均DAU达到100万。而第四组则是累计收入低于平均水平的游戏。

第1天:35-40%

图片 4

这种分类模式,能够清晰地展示游戏的关键指标,以及随着时间的推移所呈现的变化,从而能够更好地发现游戏之间的差异。

第3天:20-25%

AARRR模型指出了两个核心点:

图片 5该415款游戏是其按发布后90天内所取得的收入进行分析。

第7天:15%

以用户为中心,以完整的用户生命周期为线索;

分析的数据:

第30天:5%

把控产品整体的成本/收入关系,用户生命周期价值远大于用户获取成本与用户经营成本之和就意味着产品的成功。

图片 6

但根据游戏类型的不同,这其中当然也会有一些变量。通常无尽奔跑或基于关卡的游戏留存率都会低于RPG或PvP游戏。

0 2

在调查的过程中主要针对以上六个关键指标进行统计和分析,分别是:累计收入、转化率、每付费用户平均收益、日活跃用户平均收益、留存率和日活跃用户,用以发现哪一个指标才是成功的关键。

第二种衡量留存率的方法,就是回到之前的例子。用户在第1天访问游戏,因此可以算作留存用户。之后他们在第2至第5天都没玩游戏。在第6天又重访游戏。有些著名的分析服务供应商会将这类玩家也视为留存用户。这种留存标准将用户视为7天留存用户。

AARRR的数据指标

调查结果:

要注意在这种情况下,这些用户并非第2至第5天的DAU,因为他们在此期间并未访问游戏,所以他们并不具备盈利性,而盈利性则正是免费增值游戏设计中最重要的考虑因素之一。

1、获取用户(acquisition)

不同阶层的游戏,累计收入增长差异明显

因为统计的数量更多,所以这种留存率所涵盖的范围更广。根据这种情况,健康的用户终身留存率应该如下:

获取阶段即产品的推广阶段,也是产品运营的第一步。

图片 7

第1天:60-65%

运营者通过各种推广渠道,以各种方式获取目标用户,并对各种营销渠道的效果进行评估,从而更加合理的确定投入策略,最小化用户获取成本。

从游戏收入上看,不同阶层的游戏从一开始就有差距,第一阶层游戏的收入明显较高,加上其增长速度比较快,因此在收入趋于稳定时,不同梯队之间的差距已经非常明显。

第3天:50-55%

这时需关注的指标主要为:

付费玩家的转化最为关键

第7天:40-45%

日新登用户数

图片 8

第30天:20%

定义:每日注册并登录游戏的用户数。

付费玩家的转化是游戏早期的关键指标。上图清晰地展示了,第一阶层游戏在用户转化方面做得比较出色。而有趣的是,第二阶层游戏的初期转化率低于第三阶层游戏,但随着时间推移,其转化率指标完成对后者的反超。

这两种计算留存率的方法难分优势,你可以根据自己所需的留存率类型来选择。

此处注册为广义概念,对于一些APP而言,则是首次启动进入APP的用户,所以对于DNU的定义也可以是,首次登录或启动APP的用户。需要说明的是,在移动统计中,有时候用户也特指设备。

成功的游戏在一开始便取得较高的ARPPU

盈利性

·渠道贡献的用户份额。

图片 9

ARPDAU

·宏观走势,确定投放策略。

从图中可以看到,成功的游戏在初期的ARPPU(单付费用户平均收益)就领先于其他游戏,而且前10%的游戏的ARPPU数据最高接近15美元。而另一方面,第四阶层的,也就是低于平均数的游戏的ARPPU值不到5美元,而且下滑速度很快,在发布后的一个月该数据已经接近为0。

每名日活跃用户的平均收益(ARPDAU)是移动领域中最普遍的盈利参数之一。这一参数有助于开发者了解自己游戏的日常表现情况。对多数游戏来说,0.05美元已经算是一个较为可观的ARPDAU,但如果DAU数量下滑,

·是否存在大量垃圾用户。

留存率是保证游戏存活的关键

有些游戏的日常收益也可能跌出这一范围。而拥有出色盈利性的游戏ARPDAU一般介于0.15至0.25美元。

·注册转化率分析。

游戏的留存率在很大程度上决定了游戏的成败。如下图所示,第一组的游戏在留存率方面均呈较高的态势,尤其是游戏发布后的第一周。

ARPU

2、提高活跃度(activation)

图片 10

每用户平均收益(ARPU)反映的是游戏通过每名下载用户所创造的收益。ARPDAU衡量的是日常收益数据,而ARPU则衡量平均每名用户的盈利情况。ARPU和终身价值(LTV)的主要区别在于,ARPU无法预测新用户未来的盈利性。达到特定水准的ARPU并不能保证游戏一定能够顺利创收,因为这还与用户获得成本有关联。

新增用户经过沉淀转化为活跃(Activation)用户。这时我们需要关注活动用户的数量以及用户使用频次、停留时间的数据。

图片 11

eCPI

日活跃用户数

从四个阶层游戏的7日留存率对比上看,第一组和第二组在首次出现下滑后能保持第1天和第7天留存率的稳定,但第三组和第四组的却呈持续下滑的趋势,并分别跌至不到3%。

有效安装成本(eCPI)是指所有用户获取成本除以获取用户数量。采用明智的用户获取策略有助于降低这一成本。如果你的eCPI低于ARPU值,那么游戏就有望实现良好的盈利性,但在最初阶段不太可能实现这一点。

定义:每日登录过游戏的用户数。

第一阶层游戏在活跃用户数上表现出色

LTV

对于某些APP而言,启动就是一个活跃用户,而另一些则要通过账号注册,形成一个网络账号,才算作一个活跃用户。活跃用户的计算是排重的。

图片 12

终身价值(LTV)是一个类似于ARPU的参数。LTV考虑的是用户下载应用之后所执行的操作,并预测这些用户未来的消费趋势。有许多方法可以预测用户行为如何随时间发展而变化。最基础的方法可能是一种线性预测,而最复杂的方法可能是具有预测性的分析计算。

·核心用户规模。

从四个阶层游戏的DAU(每日活跃用户)规模上看,处于顶端的游戏从一开始便在安装量方面获得了领先,这与围绕高转化率和高留存率得出的结论是相同的。因为转化率和留存率更高就意味着游戏能够充分利用应用商店的推荐或更加不遗余力地做提供折扣活动,而能够持续充分吸引玩家的游戏,其活跃用户数定不会少。因此DAU是各组游戏差异的最后关键。

转化率

·产品生命周期分析。

总结

转化率是执行IAP(应用内置交易)的用户比例。在多数游戏中,1-2%用户会花钱购买虚拟货币。对于发展良好的游戏,其转化率约3-6%左右。极少游戏能够达到10%或者超过这一数值的转化率,一般情况下这些游戏瞄准的是细分市场而非大众用户。

·产品活跃用户流失,分解活跃用户。

1.经分析发现,留存率、转化率和ARPPU是最重要的数据指标。

ARPPU

·用户活跃率,活跃用户计用户量。

2.到游戏的试发行阶段结束时,这些指标已经可以预示游戏的成败。而且,如果这些指标在发布初期就处于低值水平,便很难在后期获得扭转。

每付费用户平均收益(ARPPU)是所有付费用户的平均消费值。但即便是在盈利良好的游戏中,这一数值也呈现较大差异。从W3i的经验来看,多数游戏的ARPPU值介于5至20美元之间,当然也有些游戏的这一数值低于5美元,还有些游戏却超过了100美元。同转化率一样,拥有较高ARPPU数值的游戏一般也并非吸引大众用户的作品。

周活跃用户数

3.大部分成功的游戏都能抓住首批玩家。因此加大投入,留住第一批玩家,让玩家在游戏中获得持续的吸引,才有可能步入成功。

via:游戏邦/gamerboom.com编译

定义:最近7日登录过APP的用户数,一般按照自然周计算。

4.一旦达成关键指标后,要继续保持资源的投入,让这些指标维持在稳定的状态。

更多阅读:

  • Ted Spence:分享回归分析模型在游戏运营中的使用方法
  • Kongregate:免费游戏运营6大秘诀
  • 平台如牛毛如何突出重围:页游运营六要点
  • 易观国际:2012年中国网络游戏市场规模将达到557亿元 同比增长20.7%
  • 游戏运营数据分析指标
  • 阐述用户生成内容对游戏项目运营的意义
  • 游戏运营,细分数据真的那么重要吗?
  • 棋牌游戏运营:如何分析及优化关键指标
  • 游戏运营杂谈之怎么做一份数据日报
  • 手游业的阴暗面 开发商或许普遍涉嫌诈欺……
  • 数据说话决战HTML5游戏运营
  • 面向用户需求的产品设计
  • 大数据的风险和现存问题
  • Newzoo:移动在电子竞技中的作用
  • 腾讯:1Q18运营利润同比增长59%至307亿元

·周期性用户规模。

当然,游戏的评价不应只盯着数据,一款游戏的成败还受到很多种因素的影响,例如游戏的美术、音乐、版本迭代、上线时机甚至是IP等。但由于游戏一经发布后便难以大幅提升这些指标,所以开发者应该尽早引入数据分析,持续监察留存、转化及ARPPU。将数据转化为行动,利用数据完善游戏的机制,才有可能成为那顶端的10%。

·周期性变化趋势,主要是推广期和非推广期的比较。

译/手游那点事Sawyer

月活跃用户数

更多阅读:

  • 网易:1Q18营收同比增长3.9%,游戏业务同比下降18.4%
  • CAPCOM:截止2018年6月30日《怪物猎人:世界》全球销量830万份
  • 艾瑞:2018年4月网生一代成消费主流下,休闲娱乐APP受推崇
  • SuperData:《堡垒之夜》内购收入已破10亿美元
  • CAMIA:2018年Q1东南亚应用游戏TOP100下载榜之菲律宾
  • 360:2018中国PC端游戏研究报告(附下载)
  • B站:1Q18游戏和增值业务增长强劲,推动公司营收翻倍
  • 2018越南电子竞技市场报告
  • CNC&前程无忧:2017年中国游戏产业人才薪资调查报告(附下载)
  • Jun Group:81%的游戏玩家在玩游戏时对网络广告更开放
  • Newzoo:电子竞技正在东南亚兴起
  • PayPal:2018年全球数字游戏消费者洞察
  • Nexon:截止2018年6月DNF全球总收入超过100亿美元
  • SuperData:2018年6月全球移动和游戏机收入达91亿美元
  • Newzoo:预计2018年全球游戏收入将达到1379亿美元

定义:最近一个月即30日登录过APP的用户数,一般按照自然月计算。

MAU变化幅度较小,产品用户规模稳定性来说,MAU是风向标。但在推广时期,版本更新、运营活动的调整,对于MAU的冲击则更加明显。

此外,产品的生命周期阶段不同,MAU的趋势变化也不同。

·用户规模稳定性。

·推广效果评估。

·总体用户规模变化。

日均使用时长

定义:每日总计在线时长/日活跃用户数。

关于使用时长,可以分为单次使用时长、日使用时长和周使用时长等指标,通过对这些指标做区间分布和平均计算,了解参与黏性。

·分析产品的质量问题。

·观察不同时间维度的平均使用时长,了解不同用户群的习惯。

·渠道质量衡量标准之一。

·留存即流失分析的依据。

DAU/MAU

通过DAU/MAU可以看出用户每月访问App的平均天数是多少,比如:某个App拥有50万DAU,100万MAU,其DAU/MAU比值就是0.5,即,用户每月平均访问的时间是30*0.5=15天。这也是评估用户粘性的一个比较重要的指标。

DAU/MAU介于3.33%到100%之间,但显然这两种情况现实中基本不可能出现。在不同领域的App会有不同的基准值可参考,例如移动游戏会以20%为基线,王者荣耀在2017年6月和9月的值基本都在31%左右。而工具类App会以40%为基线。

DAU/MAU的值越高,那么毫无疑问,App的粘性越强,表示有更多的用户愿意使用App;反之如果DAU/MAU的值很低,但并不能直接说这个App是失败的。我们还需要结合产品属性(比如定期理财/求职/买房/租房的App,可能天然属性DAU会相对低)、时间考量、版本更新、运营活动、用户维度的ARPU值等多个条件进行多维分析,才能得出结论。所以,正确理解DAU/MAU的意义很重要。

3、留存(retention)

解决了活跃度的问题,又发现了另一个问题:“用户来得快、走得也快”。有时候我们也说是游戏没有用户粘性或者留存。

我们需要可以用于衡量用户粘性和质量的指标,这是一种评判APP初期能否留下用户和活跃用户规模增长的手段,留存率(Retention)是手段之一。

留存率:某段时间的新增用户数,记为A,经过一段时间后,仍然使用的用户占新增用户A的比例即为留存率。

次日留存率(Day 1Retention Ratio)

定义:日新增用户在+1日登录的用户数占新增用户的比例。

三日留存率(Day 3Retention Ratio)

定义:日新增用户在+3日登录的用户数占新增用户的比例。

七日留存率(Day 7Retention Ratio)

定义:日新增用户在+7日登录的用户数占新增用户的比例。

留存率逐渐演变为评判产品质量的重要标准。

在关注留存率的同时,也要关心流失率的分析。留存率更加关心的是从用户获取的角度综合分析获取用户的渠道方式是否合理,产品用户规模是否能够增长。而流失率则关心为什么有些用户离开APP,这可能是在用户获取阶段就存在的问题,但是当APP存在稳定用户规模后,一个付费用户的流失,却可能让APP收入大幅下滑。

上面提到的+3日或者+7日,意在着重强调,第3日和第7日的概念。注意,计算留存率时,新增当日是不被计入天数的,也就是说我们提到的留存用户,指的是新增用户新增后的第1天留存、第3天留存和第7天留存。

·APP质量评估。

·用户质量评估。

·用户规模衡量。

·流失:统计时间区间内,用户在不同的时期离开APP的情况。

日流失率(Day 1Churn Ratio)

定义:统计日登录APP,但随后7日未登录APP的用户占统计日活跃用户的比例。

周流失率(Week Churn Ratio)

定义:上周登录过APP,但是本周未登录过APP的用户占上周周活跃用户的比例。

月流失率(Month Churn Ratio)

定义:上月登录过APP,但是本月未登录过APP的用户占上月月活跃用户的比例。

流失率是在APP进入稳定期需要重点关注的指标,如果说关注留存是关注APP用户前期进入APP的情况,那么关注流失率则是在产品中期和后期关心产品的用户稳定性,收益能力转化。稳定期的收益和活跃都很稳定,如果存在较大的流失率,则需要通过该指标起到警示作用,并逐步查找哪部分用户离开了APP,问题出在哪里。尤其是对付费用户流失的分析,更需要重点关心。

·活跃用户生命周期分析。

·渠道的变化情况。

·拉动收入的运营手段,版本更新对于用户的流失影响评估。

·什么时期的流失率较高。

·行业比较和产品中期评估。

4、收入

收入的来源有很多种,主要包括:应用付费、应用内功能付费、广告收入、流量变现等,主要考核的指标比如ARPU。

主要关注:

付费率

定义:付费用户数占活跃用户的比例。

通俗地说,付费率也称作付费渗透率,在移动APP市场,多数只关心日付费率,即Daily Payment Ratio。

付费率的高低不代表产品的付费用户增加或减少付费率在不同APP类型的产品中表现也是不同的。

·产品的收益转化能力标准。

·用户付费关键点和转化周期。

·付费转化效果评估。

活跃付费用户数

定义:在统计时间区间内,成功付费的用户数。一般按照月计,在国际市场也称作MPU(Monthly Paying Users)。

在数据分析中,更加切实地关注日付费用户和周付费用户,主要原因是用户的生命周期短暂,短期付费成为关注焦点。

APA=MAU×MPR

·产品的付费用户规模。

·APA的构成情况,鲸鱼用户、海豚用户、小鱼用户的比例以及收益能力。

·付费群体的价值即整体稳定性分析。

平均每用户收入

定义:在统计时间内,活跃用户产生的平均收入。一般以月计。

平均每个用户收入的计算公式如下:

ARPU=Revenue/User

Monthly ARPU=Revenue/MAU

即总收入除以总活跃用户数,一般按照月计。

严格定义的ARPU不同于国内所认识的ARPU,国内的ARPU=总收入/付费用户数。所以,很多时候会强调付费ARPU,此处有专门的术语叫作ARPPU。

ARPU用于产品定位初期的不同规模下的收入估计,也是LTV的重要参考依据。

·产品收益贡献分析。

平均每付费用户收入

定义:在统计时间内,付费用户产生的平均收入。一般以月计。

平均每付费用户收入的计算公式如下:

ARPPU=Revenue/Payment User

Monthly ARPPU=Revenue/APA

即总收入除以总付费用户数,一般以月计。

ARPPU容易受到鲸鱼用户和小鱼用户的影响,分析时需谨慎。

ARPPU与APA、MPR的结合可以分析付费用户的留存情况,对特定付费群体的流失进行深度分析,保证付费质量和规模。

生命周期价值

定义:用户在生命周期内为创造的收入总和。可以看成是一个长期累积的ARPU。

对每个用户的平均LTV计算如下:

LTV=ARPU×LT(按月或天计算平均生命周期)

其中,LT为Life Time,即一个用户从第一次启动APP,到最后一次的时间,一般计算平均值,LT以月计,就是留存在APP的平均月的数量。例如,一款APP的ARPU=¥2,LT=5,那么LTV=2×5=¥10。

以上的计算方式在理论上是可行的,在实际中我们采取以下的LTV计算方法。

跟踪某日或者某周的新增用户,计算该批用户在随后的7日、14日、30日的累积收入贡献,然后除以该批新增用户数,即累积收入/新增用户=累积ARPU。此种方式可计算该批新增用户在不同生命周期阶段的粗略生命周期价值。

·用户收益贡献周期。

用户群与渠道的利润贡献,LTV与CPA的衡量。

·LTV不区分付费与非付费用户,看待整体的价值。

5、传播

自传播也叫作口碑传播或者病毒式传播。其中有一个重要的指标K因子。

K因子的计算公式不算复杂,过程如下:

K=(每个用户向他的朋友们发出的邀请的数量)×(接收到邀请的人转化为新用户的转化率)。

假设平均每个用户会向20个朋友发出邀请,而平均的转化率为10%,则K=20×10%=2。

当K>1时,用户群就会像滚雪球一样增大。

当K<1时,用户群到某个规模时就会停止通过自传播增长。

绝大部分APP还不能完全依赖于自传播,还必须和其他营销方式结合。但是,在产品设计阶段就加入有利于自传播的功能,还是有必要的,毕竟这种免费的推广方式可以部分地减少CAC。

以上是AARRR模型的数据指标体系。建立完善的数据指标体系,我们后续才可以对用户行为进行更全面的分析。

本文由澳门皇家赌场91资源站发布于游戏,转载请注明出处:Trevor McCalmont:列举判断游戏运营情况的的关键参

关键词: