小白学数据分析----->ARPDAU的价值

最近盛大刚刚发布了财报,有人给我打电话问什么是ARPDAU?ARPDAU能够起到什么作用?本文就这个问题给大家解析一下ARPDAU。在讲ARPDAU之前,有两个概念大家应该很清楚,一个是ARPU,另一个是ARPPU,如果有不清楚的同学请查看《移动游戏数据分析白皮书》

首先我们明确ARPDAU的定义:日活跃用户的平均收益,Avg. Revenue Per DAU;计算方式为,ARPDAU=每日总收入/每日活跃用户数。

为什么要有ARPDAU?

在移动端市场由于移动游戏的用户忠诚度不够高,流动性强,手游产品生命周期短,推广费增长迅速、推广周期短的因素所以我们不能再以ARPU或者ARPPU这种按周或者月为维度的衡量方式来进行计算。ARPDAU其实是在更加短的时间间隔内对游戏的收益能力与用户量之间寻找一个桥梁。

 

从下面的公式中可看到其作用:

Revenue=DAU*ARPDAU

上述公式是对每天收入的一种计算模式,如果按照用户生命周期来做衡量则变成:

E_Revenue=DAU*ARPDAU*E_LT

注:E为期望,LT为生命周期

综上我们可以得到,在用户规模和平均收益固定的前提下,可以根据生命周期长度的变化来确定收入规模,这点其实是我们平时最常去考虑的。

其实上述公式在海外已经多次被讨论过,用户规模、用户生命周期、产品质量和渠道推广这几点都是对这个公式的直接反馈。就ARPDAU来看,我们可以理解为下面的一句话:每当游戏产生一个有效的活跃用户,则单日为游戏贡献收入为ARPDAU,如果有效活跃用户的生命周期为LT,则单个用户全生命周期内贡献的收入为LT*ARPDAU。

由此可见,ARPDAU已成为衡量游戏收益能力的一个新指标。ARPDAU直接反馈在推广阶段,是一个有效活跃用户预期收益能力的表现。为什么这样说,因为一个有效活跃用户每活跃一天产生的收入就是ARPDAU,如果留存效果比较好,生命周期比较长,那么单个活跃用户在生命周期内贡献的收入就是ARPDAU与LT的乘积。这一点如果和CPA结合起来,就可以去衡量近来的一个有效CPA与ARPDAU*LT之间的大小。

DAU

无论是重计费游戏还是轻计费游戏,都想把用户规模做到一定的量级。从这个公式中能够看到,在ARPDAU较低的情况下,生命周期长度和用户规模都成为保障收入的支撑;其次有效用户群不仅代表推广阶段较好的用户质量,同时也是产品质量的重要体现。

就DAU而言,我们需要进一步了解DAU的结构和质量。因为DAU是最直接影响未来的用户生命周期和提升付费概率的因素(比如DAU中,优质用户不断的积累)。

 

LT

用户生命周期,一方面是对近来推广的用户质量体现,同时也是产品黏度和质量的重要衡量指标。如果要在三个参数打上标签,我觉得下面的标签算是一个例子:

 ARPDAU

Jon Walsh说,“从游戏类型来看,有的游戏属于高转化率游戏,这类游戏付费转化率高,但是ARPPU低;有的游戏属于高付费游戏,这类游戏付费转化率低,但是ARPPU高。“不过如果你去从ARPDAU的角度去看待的时候,你会发现不必考虑付费用户的付费结构和规模,从而快速通过生命周期和规模衡量收益能力。

时间: 2024-10-14 19:43:51

小白学数据分析----->ARPDAU的价值的相关文章

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----->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----->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

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

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