手游数据分析基本思路及手法（手游运营的必修课）.pdfVIP

手游数据分析基本思路及手法（手游运营的必修课） 数据分析，是产品运营极具战略意义的一环;从宏观到微观分析，通过表层数据挖掘产 品问题，是每个运营人的必修课。 首先，我们来看比较常见的分析方法： 5W2H 分析法：What(用户要什么?)Why(为什么要?)Where(从哪儿得到?)When(我 们什么时候做?)Who(对谁做?)Howmuch(给多少?)How(怎么做?) PS ：(what)用户要极品装备!(why)因为他们要增强战力(where)装备从 BOSS 身上 得到;(when)我们国庆节做这个活动!(who)针对所有玩家!(howmuch)BOSS 爆率设定为 XX(how)活动以怪物攻城形式进行。 上述是一种需求的转换形式，就产品而言，又要以数据为支持，不能因某个元素而动 整体;从大局出发，根据整体数据趋势进行细化分析，那么就目前而言的分析手法，又有对 比分析、交叉分析，相关分析，回归分析，聚类分析等等。 如果某款游戏下载量高，注册量低;是否因为服务器登陆问题或注册流程繁琐，是否近 期网络出现故障 如果某款游戏数据一直良好，某段时间数据突然跌落;是否因为市场宣传力度减弱，是 否因为用户生命周期上限，是否因为其他竞品冲击 真正的数据分析不在于数据本身，而在于分析能力的概述;数据是参照物，是标杆，只 有分析才是行为，是改变;那么如何分析，综合上面两个举例，已经可以很清晰的看到立体 式分析。 立体式分析，也就是维度分析;产品数据的发掘不应该仅仅拘泥于产品;大环境下的娱乐 产物必须综合产品、市场、用户进行不同切入点分析;要知道，数据分析是基于商业目的， 而商业离不开用户和市场;说白了就是结合不同维度进行有目的的数据收集、整理、加过和 分析，他的存在价值就是通过数据提取有价值的信息去优化产品从而拉更多人，赚更多钱。 那么如何分析，大致思路又是如何? [为什么分析?] 首先，你得知道为什么分析?付费同比、环比波动较大? [分析目标是谁?] 数据波动，目标是谁?付费总额波动，付费用户数据如何? [想达到什么效果?] 通过分析付费用户，找到问题，解决问题从而提升收入? [需要什么?] 想做出分析，需要什么?付费总额，付费人数?付费次数?付费人数各等级占比? [如何采集?] 直接数据库调取?或者交给程序猿导出? [如何整理?] 数据出来，如何整理付费等级、付费次数报表? [如何分析?] 整理完毕，如何对数据进行综合分析，相关分析?用户资源是否饱和?市场其他明星产 品充值活动更具吸引力?产品付费系统是否出现问题，是否失去新鲜感? [如何展现?] 找准问题，老付费用户流失了很多，低端付费转化低;很多是多少?转化低是什么概念? 如何用图表表现? [如何输出?] 找准问题，如何输出;如何将这份知识报表转换为产品商业价值体系;如何说服程序?如 何说服策划?如何具体执行?如何将知识转换为生产力? 上述是比较系统的分析思路，细化而言;对于数据分析，又需要我们根据不同人群建立 不同的用户模型;例如流失模型、流失特征;充值模型等等。 接下来我们再综合 AARRR 模型分解一些较为常见的数据： Acquisition(获取)、Activation(活跃)、Retention(留存)、Revenue(收益)、 Refer(传播) 上图为AARRR 模型中的基本数据，我们再对以往数据进行总结： 日新增用户数：DNU;每日注册并登陆游戏用户数，主要衡量渠道贡献新用户份额以及 质量。 一次会话用户：DOSU;新登用户中只有一次会话的用户，主要衡量渠道推广质量如何， 产品初始转化情况，用户导入障碍点检查。 日活跃用户：DAU;每日登陆过游戏的用户数，主要衡量核心用户规模，用户整体趋势 随产品周期阶段变化，细分可概括新用户转化、老用户活跃与流失情况。 周/月活跃用户：WAU、MAU;截止统计日，周/月登陆游戏用户数，主要衡量周期用 户规模，产品粘性，以及产品生命周期性的数据趋势表现。 用户活跃度：DAU/MAU;主要衡量用户粘度，通过公式计算用户游戏参与度，人气发 展趋势，以及用户活跃天数统计。 留存：次日、三日、七日、双周、月留存;表现不同时期，用户对游戏的适应性，评估 渠道用户质量