小白学数据分析----->基于数据驱动的最佳渠道评估策略

对于游戏数据分析来说,我们要从很多方面下手,具体从数据分析角度来说,作为游戏CP需要作三块工作,第一是游戏推广,第二是游戏质量,第三是游戏运营,就这三点来看,推广是未来游戏是否有稳定人气,获得稳定收入的关键一环。

关于手机游戏的渠道分析,是很重要的分析方向,对于这一点,其实无论是端游,页游还是如今火热的手游都是一样的,也确实是作为游戏CP很头疼的事情。原因很多,就手机游戏来看,比如苹果商店的封闭性,不能进行多渠道的转化追踪;而多渠道时(比如国内现在的多个安卓渠道),追踪转化分析又太过麻烦,基本上每家的游戏少说也有20+的渠道。这点导致了,我们在做安卓市场时,面临适配,系统,分辨率等等问题。所以大家都选择在ios上先发和投入,如果OK,在进行下一步的研发运营。因为会觉得,少了适配等一些列的硬伤,倒是做起来比较容易。

然而这点其实又规避了另一个问题,那就是,国内现在无论在官方的ios商店,还是第三方的市场商店,解决了适配,但是依旧要面临对渠道的追踪。因为尽管游戏下载的最终入口是在官方[未破解情况下],抑或是第三方的破解渠道,作为CP必须面对的就是渠道转化,用户质量,谁都不想自己做一笔糊涂账。实则我们的研发之路避开了机型适配等问题,但是却面临渠道转化的障碍,进而就是如何进行优化投放。

既然大家现在很关心渠道推广优化,那么以上的问题就必须有个解决的办法。这个解决办法就是如下的最佳渠道评估策略。

所谓最佳渠道评估策略有三部分构成:

数量:

渠道获取用户能力

作为渠道而言,对于游戏的首要价值,就是大量的用户资源,这点成为了目前粗放推广最为关注的部分,因此成就了今天很多的大渠道,也因此使得很多小的CP没有竞争实力,推广上架无比艰难。

数量分析揭示了渠道的用户获取能力,再更加实际的来说,可以探测用户对渠道的粘性和忠诚度,这点对于渠道推广是有帮助的,因为如果一个渠道本身用户的成长体系不完善,不存在具有粘性的核心用户群,那么给予CP的用户资源也是有限的。

在这数量这一最粗放的力度上,我们将注重关注以下的指标:

 

以上几个指标,似乎是大家很常用的,但是仅仅到这个层级是远远不够的,因为我们并没有准确的去监控和识别用户的行为信息,仅仅是数量级的分析。实际上,对于某些大渠道来说,我们可以关注,玩家在活动或者更新周期,返回渠道的概率分析,这点也是值得的。

一般而言,我们可以通过安装后的注册转化率来了解渠道用户是否目标用户,当然这只是分析目标用户的第一个重要标准,同时这个转化率连带的会引发很多的实际的问题进行分析。

 

以上是第一个层级的分析策略,当然基于以上这些因素的分析,这里不再展开,可以根据自己的实际需要,有目的的进行实施就可以了。

质量:

玩家参与游戏情况

目前的移动互联网环境下,很多的游戏产品对于渠道推广投放,有很多是停留在数量这个层级上,稍微好一些的会关注渠道收入贡献情况,这点也是在渠道能够带来收入的前提下来进行的,不过我们似乎忽略了一些问题,那就是,在收入之前,连渠道用户的质量都不了解,就不能谈收入。因为这种情况下,会一直存在CAC〉LTV,即单用户的贡献远远小于用户获取成本。

因此,质量的分析,快速的优化,决定未来投放渠道的收入增长潜力。

 

以上四个指标作为质量控制的重要要素存在,帮助我们在渠道投放初期就要去了解渠道的投放质量,这点实际上相比较玉前一个层级,重点解决投放质量的问题。

平均日活跃用于了解该渠道的长期日活跃走势和平均水平,而一日玩家比例了解新增玩家中,只有在新增当天进行过游戏的玩家的比例,由于这点对于后续的留存率影响很大,所以必须要去了解留存率的水分有多少,真实的用户留存是什么水平。有关于这点在后续的文章中会继续与大家探讨。

刚才谈到了留存率,作为质量控制的一个节点,次日留存率水平在衡量渠道质量这方面还是有作用的,这是衡量渠道质量必须要考核的指标之一。

最后是首周付费比例,这点是辅助的分析渠道接下来营收能力的一个重要因素,因为渠道的用户资源最终还是要转为收入,不能完成这一步,不能完全判断一个渠道质量的价值。首周付费比例,决定了渠道推广后,用户的付费质量情况,这点可以和非推广时期的用户首周付费比例作一个对比分析。

收入

渠道收入能力情况

一如刚才所说的,渠道的用户资源,最终还是要转化为实在的收入,这是体现渠道价值的最佳方式,在这点上,我们重点覆盖以下的指标:

 

这几个指标的使用应该来说大家很熟悉,刚才也谈到了游戏产品的终极形态一定是要营收的,这是我们做游戏的目的,在这点的关注上,其实我们不必聚焦于详细的细分数据,只需要知道渠道究竟有多大的收入价值就可以了。当然在长期持续的过程中,我们要不断的监控和衡量渠道收益能力,做好用户获取成本和单用户收益之间的杠杆。

而以上所说的,实在宏观全局上,了解渠道与渠道之间的差异。实际上在渠道整体的策略上存在一个完整的闭环过程。

 

我们刚才的策略是构建了一个完整的基于渠道分析的数据体系,也就是做渠道分析该去看那些指标,以及如何作出分析。后续的其实还有详细的渠道分析,真正从具体的业务逻辑上实际分析把控,说的简单点,了解一些渠道本身的特点。

—————————————————————————————————————————————————————————————————————

后记

数据来源:TalkingData

下图中,这个渠道的用户大量是休闲用户,而这些用户中,也存在具体的兴趣特点,这些都是需要作为CP需要去了解和熟悉的。尽管我们现在看到市场中,都在谈论轻付费,休闲游戏是比较好的研发方向,实则未必说一些重度游戏不存在市场,如果自己产品本身发定位准确,再加上渠道的特点和游戏特点契合度很大,那么一旦精准定位了用户群,其活跃,付费都是很棒的。

 

在游戏数据分析领域,其实我们要关注的方面无非就是三点,推广、质量、运营。今天所谈到的只是在推广这点上,一个细分的渠道分析策略,尽管只是一个点,但是足以影响了我们整个渠道策略的闭环形成。可以想象和了解的是,在过去没有数据作为基础支持的情况下,有着太多的教训,原因其实你没有用数据化的思维来做渠道运营。

最后,简单提一下另外的质量和运营,所谓质量,可以简单的理解是游戏的品质,这个品质涉及的面很广,从基本的游戏流畅性,到系统设计,可玩性,游戏性,付费深度等等很多的方面,另外一点就是运营,所谓运营,就是当产品投放到市场后,如何更好的经营用户,经营收益,这是运营要去考虑的。因为推广完成了精准用户群的导入,质量保证了内容的绝对精彩,而运营则要集二者之大成,确保游戏的生命力持久,收入稳定,用户群活跃。

啰嗦几句废话,尽管目前的渠道情况,作为CP来说是很清晰,不过大家不能失去了希望和动力,因为总有好的资源可以使用和挖掘,在这种如北京天气般有些朦胧的气氛下,数据一定程度上可以帮助我们擦亮眼睛,找到方向。anyway,未来的渠道格局和生态,作为CP一定是要通过数据来说话的。

时间: 2024-09-20 10:30:32

小白学数据分析----->基于数据驱动的最佳渠道评估策略的相关文章

小白学数据分析----->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----->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------>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------>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----->聚类分析理论之TwoSteps理论篇+实践篇

昨天分享了以前学习的聚类分析算法K-Means的部分知识,其实这个主要是了解一下这个算法的原理和适用条件就行了,作为应用而不是作为深入研究,能够很好的将业务和算法模型紧密结合的又有几人呢?所以一些基本知识还是很必要的,这里就是简单把看过的一些知识点列举一下,梳理一下,快速了解和使用. 今天把TwoSteps的知识也梳理一下,顺便做个小的演示,使用SPSS 19,后续在使用SPSS Modeler或者叫做Clementine再演示一次使用方法.首先上图. TwoSteps支持数值型和分类型数据,这

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; 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