
“辛普森悖論”(Simpson’s paradox)指的是在人們嘗試探究?jī)煞N變量是否具有相關(guān)性的研究中,在某些前提下有時(shí)會(huì)產(chǎn)生的一種現(xiàn)象。也就是說,該理論認(rèn)為在分組比較中都占優(yōu)勢(shì)的一方,會(huì)在總評(píng)中反而是失勢(shì)的一方。辛普森悖論主要是由于一些所謂“復(fù)雜變量”的影響,其弊端是沒有對(duì)各個(gè)元素進(jìn)行細(xì)化分析。
比如說,如果一個(gè)移動(dòng)應(yīng)用的用戶組成是1萬人用Android設(shè)備、5000人使用iOS設(shè)備,那么整體的付費(fèi)轉(zhuǎn)化率應(yīng)該是5%,其中iOS設(shè)備的轉(zhuǎn)化率為4%,而Android設(shè)備則是5.5%。如果在同等貨幣化效率的前提下,(也就是說Android用戶和iOS用戶消費(fèi)一樣多),一個(gè)資源渠道有限的產(chǎn)品經(jīng)理就可能會(huì)根據(jù)這個(gè)數(shù)據(jù)做出很夸張的決定,或許會(huì)有限選擇Android平臺(tái)研發(fā),甚至?xí)∠鹖OS研發(fā)。
然而,當(dāng)把這個(gè)數(shù)據(jù)分開來看,就會(huì)出現(xiàn)不同的結(jié)果:
我們都知道iOS平板的付費(fèi)轉(zhuǎn)化率比Android平板高出很多,而且iOS智能機(jī)的轉(zhuǎn)化率也相對(duì)更好。了解了這些,產(chǎn)品經(jīng)理或許會(huì)對(duì)未來的產(chǎn)品決策進(jìn)行重新衡量。這種情況下,設(shè)備類型就是復(fù)雜變量:如果數(shù)據(jù)是根據(jù)設(shè)備類型得到,那么其他的數(shù)據(jù)就可能被完全忽略。在具體設(shè)備方面,iOS的付費(fèi)轉(zhuǎn)化率可以完全擊敗Android,但在整體上卻低于Android的主要原因是,兩個(gè)平臺(tái)的設(shè)備類型表現(xiàn)不同:平板的轉(zhuǎn)化率高于智能機(jī),總體上來講,iOS設(shè)備的轉(zhuǎn)化率低于Android總體設(shè)備的轉(zhuǎn)化率,盡管Android平板的轉(zhuǎn)化率更低。
iOS和Android整體付費(fèi)轉(zhuǎn)化率(上)和具體設(shè)備轉(zhuǎn)換率(下)比較的結(jié)果差異
造成這樣差別的原因如下:http://cda.pinggu.org/
用戶量:免費(fèi)產(chǎn)品需要很大的用戶量才能獲得足夠的總收入,因?yàn)樵撃J降霓D(zhuǎn)化率極低。而這些用戶通常來自全球各個(gè)地區(qū),使用各種不同類型的設(shè)備。針對(duì)不同的設(shè)備類型采用通用的平均值是沒有意義的。
LTV范圍:免費(fèi)產(chǎn)品需要很長(zhǎng)的貨幣化周期,把用戶消費(fèi)當(dāng)作玩家是否開心的依據(jù),就像參與度和消費(fèi)緊密相關(guān)一樣,因此可以作為分類的標(biāo)準(zhǔn)。
大多數(shù)的用戶是不會(huì)付費(fèi)的。免費(fèi)產(chǎn)品的綜合付費(fèi)轉(zhuǎn)化率比較低是因?yàn)榘迅顿M(fèi)玩家和非付費(fèi)玩家綜合到了一起,所以任何對(duì)免費(fèi)用戶的衡量都是非常低的。因?yàn)榇蠖鄶?shù)的用戶是不付費(fèi)的,所以ARPU以及ARPPU相差很多。
避免辛普森悖論的關(guān)鍵是要對(duì)反映兩種不同用戶之間的事實(shí)進(jìn)行參考。用戶劃分在數(shù)據(jù)分析中是非常重要的,尤其是在免費(fèi)產(chǎn)品當(dāng)中,平均用戶不僅不存在,而且是誤導(dǎo)研發(fā)的因素之一。在一個(gè)具體的產(chǎn)品中,普世型的數(shù)據(jù)是沒有多大參考意義的。
但用戶分類并不只是在考慮產(chǎn)品研發(fā)路線的時(shí)候重要,如果一個(gè)游戲功能優(yōu)先考慮最有價(jià)值和參與度最高當(dāng)用戶,因此這樣的結(jié)論不僅是錯(cuò)誤的,還會(huì)帶來很多錯(cuò)誤的用戶。因此在產(chǎn)品做決策的時(shí)候需要考慮以下幾點(diǎn):定位(國(guó)家和地區(qū));設(shè)備(平臺(tái)、設(shè)備類型);獲取渠道;用戶早期行為(比如貨幣化或者參與度數(shù)據(jù));進(jìn)入游戲時(shí)間(控制季節(jié)性因素)。對(duì)于一些獲取渠道來說,比如Facebook,其他數(shù)據(jù)也可以進(jìn)行參考,比如年齡、性別等等。
和簡(jiǎn)單的把iOS與Android的比較數(shù)據(jù)相比,參考了這些因素的數(shù)據(jù)分析更加可靠。根本上來說,數(shù)據(jù)分析是為了提高用戶使用的產(chǎn)品,如果分析采取的數(shù)據(jù)是錯(cuò)誤的,那么真正的用戶群是不會(huì)買賬的。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10