小白学数据分析----->数据指标 累计用户数的使用

小白学数据分析--à数据指标累计用户数的使用

累计用户数是指注册用户数的累计,即可以认为是新用户的累计。在一般的数据统计中,我们基本上都会涉及到这个指标,且这个指标是逐渐累加的,比如:

时间                   注册用户数[新登用户]           累计注册用户数

1日                    100                                                 100

2日                    120                                                 220

3日                    110                                                 330

那么这个指标究竟有什么用?以前作为我自己也没有想到什么比较好用的方式去分析这个数据,既然存在了这个指标,就有存在的价值。此处,我所提到的分析思路和方法也是基于电商的一些分析方法,且对于累计用户数的分析,还具有延展性,能够完成一些更深入的分析,今天就简单的来说说这个指标的分析。

可以想象的是,如果根据累计用户数来做一条曲线的话,这个曲线应该是呈现逐渐增长的形式,且不断增长,然而受到版本更新,新市场开拓,季节影响因素,该曲线是会发生变化的。如下图所示:

从上图可以看到,我们可以把改图分成几个时期,比如在第一个拐点我们可以定义为导入期,该阶段是用户量的引入时期,比如我们有时候游戏进行小范围的测试,之后进入到了快速的增长期,历经过了增长期,我们发现其斜率发生了变化,符合线性回归,当然这不是唯一的形式,根据不同的游戏在其增长期之后的累计用户变化还要根据实际情况确立。

然而我们这里只能是总体上衡量我们目前游戏用户的总量,以及预测后期的用户量的走势,包括活跃情况,以及收入情况的预测。

但是我们有一个疑问,单单看这个图能分析出什么呀?只是确定不同的时期而已?

其实这个图的分析我们还要确立一条曲线,这条曲线就是老用户比例曲线,通过结合老用户比例曲线和用户总量的曲线结合分析,就能够得到更好的分析结果。这种组合的方式分析的结论一般有几种结论。

1)负增长型

浅色的曲线代表的是老用户的比例,通过老用户比例的变化并结合累计用户的变化,我们基本上能够看到游戏目前的用户量的变化和走势,如上图所示,经历过了增长期后,在随后稳定的累计用户阶段,我们能够看到老用户的比例实际上是开始走下坡路了,即随着累计用户的不断,其活跃用户的比例其实是向下走。这点,我们可以通过累计用户数和老用户百分比进行相关性分析,是呈负相关的。这种负增长的形式,便于我们及早发现一些游戏的问题,从宏观上把控游戏质量。这种负相关,我们可以再看看日活跃的曲线来分析。此处明显看到,日活跃是在增长以后,又开始了下降,根据这种下降我们可以预测收入和人气数据。

 

2)保质型增长

 

所谓保质型增长其实就是用户量不断增长,但是老用户的比例却没有出现下滑的类型,其隐藏的含义,就是我们的活跃用户是处于增长时期的,保质型增长可以帮助我们在一段时间内能够预测游戏收入情况、用户的增长情况。此处我们再列出来日活跃用户的曲线:

 

3)断层型增长

所谓断层性增长是老用户比例先高后低再增长的形式,这种情况比如我们新渠道的开拓,大型版本的更新[影响范围和跨度较大],但是多数时候是受制于新的渠道和市场的开拓,此时也要结合累计用户比例的变化情况来分析,也许有人此时会问,那么直接使用新登和活跃用户的变化不是更直接吗?此处加上累计用户的目的就在于从另外一个角度说明游戏的目前变化状态情况[总量与现有老用户的关系]

 

然而这种变化情况下,如果我们要进行一些预测分析,其难度其实很到,因为很难去把控在下一个阶段的数据走势和变化,之所以我们这里做的这种分析,目的就是为了服务于预测分析。

4)稳健性增长

所谓稳健性的增长,就是老用户增长是随着累计用户数的增长同步的关系,说白了是一种正相关,即总量涨,老用户也在涨。

 

而实际的活跃用户曲线也确实如此:

 

总结

说了这么多的废话,为什么还绕个弯子做这些分析呢?

原因其实很简单,老板需要下一个阶段的游戏收入、人气情况,然而对于游戏去做预测这个事本身来说就存在很大的误差,因为受到的影响因素实在很多,因此下一个阶段的预测分析出了要考虑这些因素的同时还要考虑其他的因素,而这些因素就是你的游戏目前处于哪个时期,是稳健的增长,还是保质型增长,还是负增长,或者断层性增长。作为对于未来一段时间的分析,我们必须要参考现阶段的用户变化情况,这是一个参考依据。

如果我们只是列出来一条目前的活跃用户和新登用户的变化曲线,我们不能很好的判断游戏处于的时期和其他信息,比如用户总量的情况与老用户的留存比例等等。

以上写的仅是个人见解和分析思路,请指正。

 

时间: 2024-09-19 19:23:01

小白学数据分析----->数据指标 累计用户数的使用的相关文章

小白学数据分析----->付费用户的金字塔模型实践操作

免费游戏中付费用户模型分析 最近看了不少文章,对于付费用户的模型也有了很深刻的理解和认识,早先我做了不少关于大R,中间R,低端R用户的分析,想来还是觉得草草了事,近来有网友提出来,理论探讨的多了些,实践上手的东西少了点,毕竟还是叫做小白学数据分析啊,今天就把以前说过的付费用户的模型具体的实践一下. 感悟和理论 得到的灵感首先要感谢Nicholas Lovell 的这篇文章,是我得到了一些处理和分析这个模型的办法.连接如下: http://www.gamesbrief.com/2011/11/wh

小白学数据分析------>日活跃人数分析

从今天开始,特开辟一个小专栏,题目暂定为小白学数据分析,鄙人不才,在数据分析的道路上走的崎岖坎坷,同时数据分析本身是一个多面和复杂的工作,要懂得理论(统计.概率.数据挖掘.算法.模型)更要懂得业务,懂得行业理论,还要有灵活多变的思维,想想还是很复杂和麻烦的,所讲内容不但是理论,不仅是数据,尽量把这些东西综合起来,立体的来看,鄙人水平有限,很多的内容是尝试和改进,参考了很多的材料,在木有高人指点和牛人帮助的情况下,我只能借助浩瀚的网络知识和自己的悟性,今天决心拿出来给各位主要是帮助大家和我一起进步

小白学数据分析----->如何设计和分析数据指标

今天说到的这个题目,看起来有点大,不过作为游戏数据分析师,早晚都要设计和分析数据指标.在<移动游戏运营数据分析指标白皮书>(http://www.xuefenxi.com/forum.php?mod=viewthread&tid=2&extra=page%3D1)中,提炼了一些针对游戏数据分析的指标,这只是分析工作的第一步,还要有效的组织起来,并按照需求进行细分,即按需进行二次设计和分析.白皮书的指标旨在规范大家对于一些最基本最常用概念的认识和学习,有所领悟,有所发挥. 而今天

小白学数据分析------&gt;把握分析标准与敏感度

写在正文之前,想说几句话,今天是2012年3月16日,是我开博客以来的第9个月,9个月让我成长的非常迅速,这期间我收获了很多东西,认识了很多人,开了群,见了网站,持续的写博,从来没想到我的博客会有这么大的作用,从来没有SEO,从来没推广,从来没有任何宣传,我想到和我做的就是把我自己的成长纪录下来,把网游数据分析的点滴分享出来,当然我希望有人看,但是我毕竟不是高手,只是一个小白,小白只能是学习心得的纪录和整理,帮助自己理顺思路,很希望自己的文章有人看,因为那样就会有高手帮助我指点问题.今天 博客9

小白学数据分析-------&gt;充值记录分析

   充值记录分析的方法有很多种,维度很多,今天就说说一个比较初级的分析方法,希望对于各位有一定的帮助和指导. 首先来看一下充值记录的格式,一般而言我们取到的数据都是交易格式(什么事交易格式这里不说了,大家应该都了解) 账户 充值额 充值大区 充值时间 1 100 A 2012-4-9 1 25 A 2012-4-7 2 50 A 2012-4-9 3 4 4 100 200 50 A A B 2012-4-5 2012-4-2 2012-4-1                     以上为我

小白学数据分析-----&gt; 留存率是什么?(番外篇)

最近一个时期和很多的人进行了交流,收获了不少,也思考了不少,如今我们都能得到数据,如今我们也都能按照所谓的定义和框架分析问题,只是我觉得有时候不必要一定要一直站在框架内去分析一些问题,进步和前进的力量来自于质疑,并进行革新和再创造. 留存率这个数据指标不记得从何时起变得那么重要,重要到研发上把它作为游戏好坏的一个标准,运营商(平台)作为了一个准入的钥匙,是否值得继续下去.有时候觉得粗暴,甚至无知了有点.因为肤浅的百分比背后隐藏着更多的金子,也可能是垃圾. 以上算是一点吐槽,更多潜在的问题这里不想

小白学数据分析-----&gt; 13个要重点关注的数据指标[社交游戏,翻译自国外blog] part_1

1.流失[Churn] 每个月离开游戏的用户量,有时候也选择用每周来衡量.举个例子,比如一款游戏在月初有100人在游戏,其中70个人在那个月结束后仍旧留在游戏中,那么我们就说流失率为30%,因为那个月中30个人从最初的100人中离开了游戏. 流失率也被用来分析一个玩家离开游戏的可能性.比如,一个游戏100个用户,其中30%的用户离开[30%流失率].那么就意味着离开的可能性为30%,同样换个角度,也意味着,留下来的可能性为70%.所以如果我们要计算那个月结束后有多少玩家仍旧留在游戏中,那么我们就

小白学数据分析-----&gt;渠道、运营、数据_I

学分析论坛|专注于游戏数据分析 针对本文的相关的讨论,请移步http://www.xuefenxi.com/forum.php?mod=viewthread&tid=112&extra= 上周六做了一个演讲,关于渠道.数据.运营的内容,今天开始,针对演讲的一些内容,有针对性的阐述一下.不过既然我是一个数据分析师,自然还是从数据分析角度来看待这个问题,在后期的文章中,我会加入一些案例,帮助理解. 渠道是最有效的获取潜在用户的方式 渠道存在海量的用户资源,并服务于开发者.渠道本身聚合了大量的用

小白学数据分析-----&gt; ARPU之殇

昨天看了香橼对360的质疑的相关报道,并且也看到了多个企业的大佬站出来拿着数据在互联网各种解释,今天新浪上也多了一篇文章<页游自曝ARPU值背后 不重要因计算方式不同>http://biz.265g.com/1209/183961.html,看罢后,感慨万千,鄙人也做了不算长时间的游戏数据分析,对于这个ARPU认识也算有一些,这里我谈谈香橼对360的质疑的事. 关于ARPU的很多分析我之前已经写过了,这里不再细说. 首先一点,这篇文章中提到了ARPU,并且给出了英文的解释:(Average R