小白学数据分析----->首次购买记录分析方法

最近几天比较忙,大家都在问如何建立比较完整和有效的数据分析平台,说实话这个问题我考虑了很久,有效并有深度得数据挖掘与分析平台对于游戏产品的质量改善,人气、收益的提升,玩家资源的保有 ,客群分析非常有必要。众多经分系统的好处不在此处解释,且看今天讨论的内容,首次购买记录分析。

在如今道具收费的免费游戏中,首次购买记录的分析发挥着巨大的作用,这与电商的购买不太一样,还是存在很大的区别。道具收费的游戏中,道具购买是我们收益的主体,如何对于道具购买的分析是非常重要的一环。

由于道具收费的免费游戏,玩家存在一个付费转化的阶段,当玩家进入游戏中首先经历新手期,随后会逐渐的体验游戏的核心玩法,这个阶段玩家会在体验的同时进行自身的游戏成长,如果比较良性的话,在熟悉了核心的玩法同时游戏竞争会逐渐展开,伴随着不断深入的交互。在玩家的不断竞争中会存在不公平,这种不公平会刺激玩家寻找辅助加强自身的属性,试图改变竞争中的劣势。这种辅助和加强就是最初级的IB点,而与此同时也是玩家的最早需求(注意这种需求是根据游戏玩家成长营造的环境促成的)。而恰恰这些最初级的IB往往就是玩家整个生命周期中付费转化的关键节点。

每个玩家的付费节点伴随着首次购买记录的产生,那么首次购买记录到底意味着什么?

如上图所示,在首次购买记录的分析方面,我们可以得到如上图的几个分析方向,每一个分析方向都会涉及很多的数据信息,这里就不再详细列出。下面我们简单来分析一下这几个方面的作用和实际意义。

付费转化等级:免费玩家在整个游戏生命周期中,如果存在付费转化,就必然会出现在某一等级的付费和充值,通过来分析玩家的首次付费等级,来进一步考察游戏设计中的IB点挖掘、付费转化与活跃玩家流失等级等信息的综合分析。

付费转化周期:不同于付费转化等级,付费转化是考察一段时间的新登用户从成为玩家到首次购买时间点的时间周期是多少(非首登玩家转化成付费玩家的时间)?在等级之外的另一种衡量玩家的付费转化情况,此外这也是衡量游戏活动,任务,IB是否具有粘性和吸引力的参标准之一。

首次购买倾向:众多的首次付费道具中,根据我们的需要进行道具的分类,依据系统适用,活动适用,任务适用进行分类,进而最终找到玩家真实的购买倾向,这种购买倾向不仅仅是道具类别,也通过此发现首次购买受到那些任务,活动,IB的影响,进而我们在以后的运营中有目的的开展相关的方面活动,任务,IB。

消费结构分析:消费结构分析相对而言会更加复杂一些,除了我们要结合活动,任务,IB以外,还要一举付费玩家从付费开始在最终流失阶段或者有流失倾向阶段的付费过程,并进行分析。付费玩家的付费存在一个生命周期的过程,这个过程的分析之一就是来反映付费玩家的消费结构,下面我们来具体看一下。

如上图所示,玩家进入游戏,当首次付费开始会经历一系列阶段的付费变化过程,在这个过程中受到IB,版本,活动,任务,系统,个人成长等很多因素的影响,因此消费会发生变化,最终也会影响玩家的付费意愿情况。

首次付费:一般而言在游戏中,玩家的首次购买集中于认知度很多高,或者可改变玩家目前所处状态的道具,当然这里也存在IB更新,版本,活动,任务等外界因素的干扰,但是总提而言玩家的首次付费目的性很强(注意是首次购买)。而首次购买很大程度上会影响后续的消费结构的变化,而长尾理论也正是从此处开始发挥作用,因为如果多数玩家的首次消费道具是相同的,那么我们可以认定该道具对于玩家而言是认可和喜爱的,而在游戏中后期的IB设计上,可以考虑做该品类道具的差异化需求定制,单是前提要做好队该道具的全面的分析。

间歇性付费:这个阶段是一个消费结构的提升期和付费意识增长期,换句话说,我们希望玩家能够从最初的单一消费道具转化成多品类,多道具的消费,强化付费意识,力求道具购买的期待与反馈一致,然而一旦出现了偏差,就会在此阶段就造成付费流失。

持续付费:如果按照理想情况而言,稳定的付费阶段应该是玩家不限于单一的消费道具,而是综合的多元消费结构,但是有一种消费结构是单一的,就是从最初付费转化阶段就已经形成的单一消费结构,而这样的消费结构一旦遭遇IB的上下架,就会打乱了这部分玩家的消费习惯,这样会造成稳定阶段的玩家向下一个阶段的过渡,也就是沉默付费。

沉默付费:刚才所言,一方面,单一的消费结构在面临IB上下架冲击时,促使了玩家的付费过渡,另外一点,对于有稳定的多元消费结构玩家而言,如果我们的新版,新IB,活动,任务等冲击过大,会导致稳定的这部分人也会产生波动,沉默的阶段玩家的流失情况已经开始出现,针对这群人我们要有特征提取,同时要多参考外界的影响因素。

回流付费:回流付费与沉默付费阶段的玩家我们可以拿它们的消费结构和稳定期上升期的消费结构进行对比分析,这样容易发现这些存在流失风险的玩家究竟是因为消费结构的问题还是其他问题,比如IB上下架,版本更新等因素造成流失。回流付费一方面有自然的更新等带来的作用,另一方面,其实是我们针对前期的问题进行分析,采取相应的挽留策略,这也是分析用户的流失的三大主题之一。

流失付费:这是最终形态,这里面如果这群用户已经不能挽回,那么我们就要仔细分析这群人为什么会流失,流失的原因是什么,而这些又是涉及付费流失的问题,这里不解释,后期会有这方面的分析。但从消费结构来说,这是影响玩家流失的因素之一。一个玩家如果在一个游戏的消费结构始终单一,那么长期下来必然会加剧流失速度。

P.S.数据分析要讲究一个体系和方法,不要总是孤立的看待一些数据点,这样看下去参考意义有限,把数据联动起来,横向和纵向的结合分析,数据是死的,人是活的,所以请各位在做数据分析时,一定要看到这个指标和目的背后蕴藏的更多的信息,有时候不要想象这个指标简单没有什么分析价值,非得用个NB的算法套个模型才叫分析,或者只是盯着这个指标不放手,就是简单分析分析,不深入的挖掘,这两种都是不行的。数据会骗人,如何不被骗,有一点就是在找这个数据背后更多的信息来分析,一件事你要证明它是对的,你只靠一个点是不够的,如果你有十个点证明它是对的,你认为你会相信那个证明过程。

时间: 2024-09-20 09:00:58

小白学数据分析----->首次购买记录分析方法的相关文章

小白学数据分析----->从购买记录分析道具支付环节

昨天发现充值异常增高,于是准备做一次详尽的分析,但是当我开始提取数据时,发现了一件比较异常的事情,这是在查询玩家的购买记录时发现的(这是因为往往我们要分析充值时,也要辅助的去看一下当日的购买情况),截图如下: 可以看得到玩家对于该道具的购买需求很高,在一段时间内不断的购买,但是商城不支持批量购买,玩家每次交易只能买一件,然后再次点击再次购买.看到这里,我点蛋疼了. 针对这个问题,昨晚和BOSS聊了一些,就是在讨论商城购买支付环节的问题.总的理解起来是目前的商城购买UI已经是确定符合玩家的习惯的U

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------>相关分析之距离分析在道具购买量的应用探索

  前几天,写过一篇关于相关分析的的文章,很多人都看到了并有很多人在咨询关于这篇文章的一些内容,相关分析是一类很有用的分析方法,如之前所提到的,相关分析由三部分组成,前几日的文章是讲了其中第一部分,第二部分是偏相关分析,第三部分就是复相关分析,说白了其实就是相关分析变量的多少来确定这三部分的.今天这里不谈偏相关分析,以为网友给我截图,问我下面的成交量相关系数的是怎么算出来的,其实这个就是复相关的典型应用,多变量的相关分析.插一句,该图来自于腾讯大讲堂15-市场研究及数据分析理念及方法概要介绍.大

小白学数据分析-----> 有关于流失分析的探讨

早先我曾探讨一个关于流失分析的整套流程问题,也说了流失分析是如何的重要,大概这种解说是苍白无力的,因为拿不出数据来说明这个问题,因此大家就会感觉比较飘渺,今天就是流失分析再次进行探讨,这次从数据的角度来理解为什么要做好流失分析. 挽留一个老用户相比于拉动一个新用户,在游戏收入.产品周期维护方面都有好处的,只是我们现在解决用户入口的问题,但是没有重视用户流失的问题.这个问题就好像一个水池子,有进口,但是也有出口,我们不能只关注进口的进水速率,却忽略了出水口的出水速率.这点对应了我们对于指标的量化和

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;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-----&gt;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-------&gt;相关分析在充值与购买失衡分析的应用探索

昨天简单的说过充值记录的分析方法,今天介绍一下使用相关分析,说说充值与购买的数据相关分析.在很多类型的游戏中,我们经常会做累计充值活动,然而并不是所有的累计充值活动都做的很好,而且某些类型的游戏不适合频繁作累计充值活动,究其原因,其中之一就是会造成充值与购买的失衡,通俗的说就是会存在持币待购的情况,我们希望正常或者良性的循环是充值购买为1:1,这点对于平衡消费,稳定消费结构很重要,当然了实际运营中我们也会面临很多的突发因素,比如游戏内容调整,游戏数值调整,版本IB刺激等等.但是如果出现持币待购也

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