
資深分析師談中小團隊如何分析用戶質(zhì)量
隨著手游營銷成本的增長,中小團隊購買用戶的開支也水漲船高。不過,在競爭日益激烈的手游市場,用戶購買渠道也變得越來越多,如何辨別高質(zhì)量渠道,找出有問題的用戶來源成為很多中小團隊不得不面對的問題。最近,Devtodev主分析師Vasiliy Sabirov{數(shù)據(jù)分析師}根據(jù)他5年的游戲分析經(jīng)驗,在博客中推薦了一些衡量、分析和辨別的方法,希望可以幫助中小團隊進行更有效的用戶購買。以下是編譯的博文內(nèi)容:
通常,特別是在小公司里,人們處理數(shù)據(jù)的方式是同樣的。它們從并購中獲得了一筆資金,購買流量,統(tǒng)計到大量的用戶注冊大量開始出現(xiàn),所以該公司對此很高興并且轉(zhuǎn)向了其他任務。但突然之間,他們發(fā)現(xiàn)這么多的流量卻沒有帶來收入,最后發(fā)現(xiàn)投出去的市場營銷預算幾乎是被浪費了。失敗的原因,既有可能是游戲貨幣化出了問題,也有可能是這些流量帶來的用戶質(zhì)量并不高。畢竟,據(jù)多方預測,付費購買來的用戶當中的虛假(欺騙性的)流量占付費購買注冊用戶總數(shù)的20%-60%左右。
為了避免這種情況,你必須從一開始讓數(shù)據(jù)分析師來分析買來的量,這里我們將會告訴你該怎么做。
使用相關數(shù)據(jù)
這些數(shù)據(jù)包括安裝成本、安裝量、收入,它們對于衡量和了解用戶購買活動的效果是非常重要的。不過,這些數(shù)據(jù)根本沒辦法告訴你這些流量的質(zhì)量如何。為了評估你買來的量是否足夠好,你需要通過相關的用戶數(shù)據(jù)進行了解,比如ARPU、CPI、付費比例、留存率以及投入回報率(ROI)等等。
這些數(shù)據(jù)可以描述流量的質(zhì)量高低,還可以讓你對比不同流量渠道的可靠性。
使用隊列分析
記錄用戶注冊的日期或者各個流量渠道的首批用戶,然后根據(jù)時間來記錄和研究用戶的留存和貨幣化數(shù)據(jù),比如次日、三日、七日、30日等等。我們以渠道A為例,了解用戶注冊一周后的情況并計算每個隊列的數(shù)據(jù):
比如累積1日ARPU、2日ARPU、7日ARPU…30日ARPU等等。
同樣,計算累積收入并且把它與單個用戶獲取成本做對比,算出渠道A單個用戶的ROI,持續(xù)追蹤這個數(shù)據(jù),然后當ROI超過100%的時候,你投入的成本就算是賺回來了。
當對比多個渠道流量的時候,ROI是關鍵的參考數(shù)據(jù),另外,我們建議讓cda數(shù)據(jù)分析師同時追蹤每個隊列里的用戶留存率,比如次留、七日留存和月留存等。這些數(shù)據(jù)對于某個時間點對比流量來源是有用的,而實際上,如果這些用戶的活躍時間不同,那么用它們來對比各個流量渠道的效率是不對的,
設定目標活動
向留存率這樣數(shù)字最容易偽造,如果客戶專注于這一點的話,比如說次日留存,那么流量渠道只需要只簡單地在第二天登錄應用或者寫一個對應的工具進行人為刷留存。因此,增加額外的活動,這可以讓你了解自己的用戶是否有合理的動機。
這些活動可能代表了特殊的情況,但這不能是第一個關卡,也不是進入商店的入口,更不是點擊菜單中最明顯的元素。把這些活動對每個流量渠道按照以上數(shù)據(jù)進行對比,你就會發(fā)現(xiàn)哪個渠道帶來用戶留存率高、但卻沒有出現(xiàn)特定用戶行為,如果經(jīng)常出現(xiàn)最終狀況,那么最好是放棄這個流量渠道。
對數(shù)據(jù)進行細化分析
有時候這些虛假流量很可能來自單一IP,或者在同一個小時內(nèi)注冊,亦或者來自同樣的網(wǎng)站,如果數(shù)據(jù)分析師能夠詳細了解這些數(shù)據(jù),特別是綜合起來考慮,你就有很大的機會發(fā)現(xiàn)哪些渠道是作假的。
這不僅僅是對付虛假用戶,如果你通過這個數(shù)據(jù)發(fā)現(xiàn)來自特定國家或者特定網(wǎng)站帶來的用戶沒有任何作用,你還可以告訴自己的伙伴拒絕這樣的渠道流量。
做一個評估流量的流程
總體來說,流量分析并不是一蹴而就的事情,嘗試經(jīng)常這么做:評估獲得的流量并優(yōu)化分析算法,設定每天和每周的流量評估程序。讓你的專職人員不僅要每天重復這樣的過程,還要在未來的N天之內(nèi)都帶來有質(zhì)量的流量分析。
如果是一位數(shù)據(jù)分析師收集了一系列的數(shù)據(jù)作為分析,設定目標活動并根據(jù)幾個標準細化流量分析,你可以讓你的流量購買經(jīng)理每個早上用半小時的時間來做。在統(tǒng)計學方法的幫助下,你甚至可以把這個監(jiān)視系統(tǒng)應用到每個數(shù)據(jù)分析中,比如置信區(qū)間、三西格瑪管理規(guī)則等等,這個方式可以幫助你通過數(shù)據(jù)的不同找出不正常的流量來源。
與可靠的合作伙伴合作,但不要害怕實驗。
總的來說,流量獲取可以比作一系列投資組合的形成,兩者都是高報酬的,而且都有非常保守的衡量方式。一開始要和谷歌、Facebook或者已經(jīng)有合作關系的可信的伙伴進行合作,有時候會有人給你更低的CPI,如果你有了比較穩(wěn)定和可預測的流量來源,那么可以冒險嘗試一下,因為新的合作關系有可能讓你的流量購買更有效率。不過,要根據(jù)來源的不同而進行定義,最小化風險。
如果你經(jīng)常評估流量獲取的質(zhì)量,不斷地放棄表現(xiàn)不好的次級渠道,并且偶爾嘗試新合作伙伴,那么你會慢慢地學會如何確定下個月的高質(zhì)量用戶數(shù)字以及你將為此付出多少預算。
給各個渠道設限
無論如何,你都不要忘記給每個合作伙伴設定限制,首先,你要為用戶購買預算設置上限,其次,你要避免未經(jīng)測試的合作伙伴突然向你索要大量的預算。
當然,這些限制根據(jù)不同的合作伙伴也要區(qū)別對待,對于信得過的渠道設置一定的比例。
從分析中去掉大R
大R指的就是歐美常說的‘鯨魚用戶’,也就是在游戲中消費最多的玩家。有時候很可能一個渠道的流量所帶來的收入完全是由單個用戶所創(chuàng)造的,但其他的用戶付費轉(zhuǎn)化率非常低,如果是這樣的話,最好是確定問題,因為這種模式是不能持續(xù)的。
現(xiàn)在我們來解決這個案例:
這里有3個合作伙伴:A、B和C,我們給每個伙伴100美元的用戶購買費用,A給我們帶來的流量創(chuàng)造了15美元的收入,B則帶來了20美元,C帶來了25美元。那么,哪一個是更好的呢?我也想說是C,但真正的答案是,不知道。
在做一個決定之前,你需要弄清楚以下幾點:
1.每個渠道帶來的用戶量是多少?專注于絕對數(shù)據(jù),我們沒有辦法對比這些渠道的質(zhì)量,我們需要相對數(shù)據(jù),因此,了解用戶數(shù)量是必要的。
2.每個渠道的CPI是多少?如果不知道購買成本,我們就沒辦法計算ROI,而且ROI是對比各個渠道的關鍵數(shù)據(jù)之一。
3.每個渠道的用戶注冊分別過去了多久?或許C的合作是一個月前開始的,而其他伙伴則是一周前,所以如果不計算同時間內(nèi)的數(shù)據(jù),也是不準確的。
4.即便是所有的伙伴都是同時開始的活動,那么這個時間足以體現(xiàn)出差別嗎?比如說,如果只是過了兩三天,那么A和B仍然有可能趕上甚至超過C。
5.在你分析的用戶當中有大R用戶嗎?如果這25美元是一個用戶帶來的怎么辦?其他絕大多數(shù)用戶都從不付費怎么辦?
我希望這篇文章可以對手游開發(fā)商們帶來幫助,我們都需要買流量,所以了解如何避免過度開支是非常必要的。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(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 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(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)構數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、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)構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構數(shù)據(jù)價值的核心操盤手 表格結(jié)構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11