小白学数据分析-----> 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 Revenue Per User),注意是每个用户的平均收益。那么如果按照这个定义,我们在计算ARPU的公式应该是:

总充值(消费)除以活跃用户数。-----这种方式在电信,点卡收费(时间收费)是惯用的,因为所有用户都在花钱,花时间的钱。计算方式1

但是我们国内沿用ARPU这个称谓,却在计算上进行了更改变成了:

总充值(消费)除以活跃充值(消费)用户数。----免费游戏(道具收费),不是所有用户花钱,只有充值的那部分花钱。 计算方式2

那么为什么香橼对360产生质疑,因为国外行业规定了ARPU和ARPPU的定义,ARPU代表所有活跃用户的平均贡献,即使用计算方式1的计算标准。而这里又出来一个ARPPU,他的英文解释是

Average Revenue Per Paid User ,平均每付费用户的收益。也就是说ARPPU代表了才是真正付费用户的贡献值,换句话说,我们张冠李戴了,我们认定的国内ARPU=ARPPU了,而香橼拿着他们标准下的ARPU(所有活跃用户的平均贡献---总充值(消费)除以活跃用户数)来衡量国内360的ARPU(平均每付费用户的收益------总充值(消费)除以活跃充值(消费)用户数)。根据这个计算公式,大家想必都知道了,差异是很大的,形象的例子,比如平均付费用户收益为400元,那么平均活跃用户的收益只为40元,上下10倍的差距,香橼肯定会质疑的。

柳传志针对这个问题,说了一句话,好企业经得起质疑,我相信我们这些优秀的民企拿出来数据,敢于说明问题,就验证了我们不怕外部的质疑。但是换一个角度我们发现了别的问题。

鄙人是做数据分析的,就ARPU和ARPPU这个问题,我纠结了好久,原因在于指标与国际上不统一的,因此我们在这些敏感的数据问题上一直就是出现各种问题,为什么以前没有?因为以前的以魔兽世界为代表的游戏是时间收费游戏,用户只要是活跃的就产生消费,而现在是免费游戏时代,用户充值购买了道具才是付费用户,这个和之前的发生了根本的变化,可以说这个指标的问题是伴随网游收费模式变革中遗留的,但是到现在也没有解决问题,才会出来这个问题,本来是个小问题,却被放大了。

就现在来看,虽然国内大小企业做网游的这么多,运营这么多,却没有一个很好的行业规范,你拿你的ARPU,我拿我的ARPU,我算我的流失,你算你的流失,一天天高喊各种游戏的CEO、COO们,你们的计算是统一的吗,是规范的吗?因此我们就没办法去衡量和把握这个市场的真实变化情况,各自为战,当外来的机构开始质疑时,才想起来抱团,难道没想过自己的问题吗?网游这么多年了,我们的发展确实很快,但是我们与国际接轨不是单单占领市场,捞点钱就完事了,我们的数据规范,我们的产品定位都要走向国际,为什么美国人记得最终幻想,却记不住你中国的网游经典之作?

刚才的话扯远了,王峰说ARPU(注:应该是ARPPU)是一剂毒药,我觉得有道理,毒药的原因一是我们很多人不了解ARPPU是怎么回事(定义),ARPPU也不代表了什么重要的信息,还是辩证的理解吧,对于ARPPU的理解有两个文章,一篇是我写的http://www.cnblogs.com/yuyang-DataAnalysis/archive/2012/02/15/2352884.html,另外一篇是另一个网友的说法(不错)连接http://xueqiu.com/6948507755/22206693 。

废话一堆,但真心希望有责任的公司和组织出来制定相应的规范和准则。

时间: 2024-09-28 23:41:31

小白学数据分析-----> ARPU之殇的相关文章

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----->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----->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   

小白学数据分析------>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------>描述性统计术语汇总

以下所说的统计学术语大家可以参考小蚊子blog的内容 (http://blog.sina.com.cn/s/blog_49f78a4b0102dwz9.html) 术语是帮助我们打开思路,通过多个角度对数据进行深度解读,数据分析师不能仅仅靠着对数据的一种感觉和敏感来进行数据分析,这样的主观性太强,在合理必要的情况下,使用前人已经总结和使用的方法往往对我们更有帮助,但也要记住不要陷入这个指标误区中,核心还在于人(但不是让你凭感觉作分析),在于人对待问题的思考方式,解决办法. 今天来说说描述性统计分

小白学数据分析----->什么是活跃_I(DAU)

最近和几个人聊天,大家对于活跃都有着自己的看法,此外因为一些标准的问题,不熟悉分析术语的很多人把活跃,留存等很多信息都搞混了.后来发现这是一个很现实的问题.在一些我 看来不是问题的问题都变成了问题了,因此在此特地说说活跃的事,帮助更多从事游戏数据分析的小白们成长. 究竟什么是活跃?在日常与外界合作过程中,我们经常日活跃.周活跃.月活跃等等信息,貌似听起来比较简单,但是真正如果自己实施操作统计数据时却发现自己又不懂这些定义,因此作为一些分析师.甚至开发人员就会发现很难去操作.以下我将描述三个活跃的

小白学数据分析----->怎么看待数据处理

本来这算不上一篇文章,但是我仍旧写了,除了解决一个小问题还要说点其他的关于数据分析的想法,首先先解决一个小问题. 第一部分 问题描述:处理游戏帐号信息时发现有重复的帐号,比如帐号A有N个重复项,希望留下1个重复帐号,但是要把剩下N-1个删除重复帐号删除.具体的原数据(黄色)模拟如下: 而我们希望得到的最终处理数据格式如右侧一列(绿色)所示.针对这个处理,其实有很多方法,可以参看小蚊子的<谁说菜鸟不会数据分析>,比如使用条件筛选就能搞定,今天不谈这个方法,说说另一种思路. 首先我们对于原数据进行

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; 新登付费玩家研究模型

一款游戏产品进入成熟期后,重点基本都在拉动收入,原因在于用户量和游戏社会已经形成,老用户不会轻易流失,新用户不断涌入游戏,形成一个相对稳定的游戏社会,这个阶段的收入拉动也是比较显著,但是这样的稳定时期可能随着产品二度.三度开发,不断出现. 要想拉动收入就存在一个问题,就是对于付费用户的关注和分析,这点上我想方法很多了,比如RMF模型,二次消费等付费研究,今天将从另一个角度借助留存.渗透率.漏斗模型等思想重新进行付费的研究. 前段时间看到一个游戏万人商业价值的模型,从宏观上,这个模型能够避开ARP