小白學(xué)數(shù)據(jù)分析--日活躍人數(shù)分析

在數(shù)據(jù)分析的道路上走的崎嶇坎坷，同時(shí)數(shù)據(jù)分析本身是一個(gè)多面和復(fù)雜的工作，要懂得理論（統(tǒng)計(jì)、概率、數(shù)據(jù)挖掘、算法、模型）更要懂得業(yè)務(wù)，懂得行業(yè)理論，還要有靈活多變的思維，想想還是很復(fù)雜和麻煩的，所講內(nèi)容不但是理論，不僅是數(shù)據(jù)，盡量把這些東西綜合起來(lái)，立體的來(lái)看，鄙人水平有限，很多的內(nèi)容是嘗試和改進(jìn)，參考了很多的材料，在木有高人指點(diǎn)和牛人幫助的情況下，我只能借助浩瀚的網(wǎng)絡(luò)知識(shí)和自己的悟性，今天決心拿出來(lái)給各位主要是幫助大家和我一起進(jìn)步。
　　第一天就從一份數(shù)據(jù)的分析開(kāi)始，這里面涉及了很多的內(nèi)容，大家需要慢慢理解。
案例：
　　某位網(wǎng)友提供了一份游戲的日活躍賬號(hào)數(shù)的數(shù)據(jù)信息，游戲是從2011年9月份開(kāi)始了測(cè)試，到2012年2月，但是產(chǎn)品究竟表現(xiàn)如何，從PLC（產(chǎn)品生命周期----《營(yíng)銷(xiāo)管理》）來(lái)看，產(chǎn)品目前處于一個(gè)什么時(shí)期，下一步怎么來(lái)做營(yíng)銷(xiāo)和運(yùn)營(yíng)工作，這是一個(gè)需要關(guān)注的問(wèn)題。今天就從日活躍這個(gè)數(shù)據(jù)指標(biāo)的解析上簡(jiǎn)單看看PLC的解讀。
　　設(shè)計(jì)分析的數(shù)據(jù)指標(biāo)有很多方面，總體來(lái)說(shuō)就兩塊，收入+人氣，我們就從對(duì)人氣的分析上下手，考慮文章篇幅關(guān)系，今天單列每日活躍的分析過(guò)程，其他指標(biāo)的把握和分析基本和此相同，大家可以自己嘗試完成。

術(shù)語(yǔ)解釋?zhuān)?/span>
每日活躍用戶（DAU）：每日登錄過(guò)游戲的玩家數(shù)量（重復(fù)登錄者不累加）
IB：Item-Billing，游戲中通過(guò)游戲幣交易流通的道具
APA：活躍付費(fèi)賬號(hào)數(shù)
PLC：產(chǎn)品生命周期-----《營(yíng)銷(xiāo)管理》
ARPU：平均每名玩家盈利能力
新登用戶：每日注冊(cè)成為游戲玩家的數(shù)量
每日有效活躍玩家：達(dá)到某一個(gè)指標(biāo)（一般是在線時(shí)長(zhǎng)）的日活躍玩家數(shù)量
每日有效新登用戶：達(dá)到注冊(cè)并成功登錄進(jìn)行過(guò)游戲的玩家數(shù)量
為什么要看每日活躍用戶？
　　拋開(kāi)游戲上線初期的推廣營(yíng)銷(xiāo)因素影響后，版本隨后會(huì)進(jìn)入真正意義上的成長(zhǎng)和發(fā)展階段，這個(gè)階段也是對(duì)于游戲品質(zhì)和開(kāi)始階段投放影響的評(píng)估（當(dāng)然這種靠推廣的影響會(huì)存在一定的時(shí)效性，在對(duì)于DAU分析時(shí)，要拋開(kāi)這個(gè)階段）。每日活躍用戶的變化說(shuō)明以下的原因：
　　人氣波動(dòng)：建立每日活躍人數(shù)的彈性數(shù)值區(qū)間（閾值），當(dāng)然這點(diǎn)的預(yù)警要按照每個(gè)月的具體情況來(lái)看，比如每個(gè)月的節(jié)日，假期，學(xué)生開(kāi)學(xué)等其他因素的影響情況，建立一套因素影響指數(shù)，并作用于人氣波動(dòng)的預(yù)警。
　　趨勢(shì)走向：綜合一個(gè)階段的日活躍變化情況，對(duì)于重大拐點(diǎn)和趨勢(shì)進(jìn)行分析，并預(yù)測(cè)下一個(gè)周期的變化形式。
　　產(chǎn)品質(zhì)量：從日活躍的趨勢(shì)變化和人氣波動(dòng)等其他因素綜合看產(chǎn)品版本更新，活動(dòng)設(shè)置等對(duì)于產(chǎn)品的PLC的影響，以及產(chǎn)品質(zhì)量是否符合玩家的預(yù)期（質(zhì)量的定義很廣泛，這里比如IB設(shè)計(jì)，系統(tǒng)設(shè)計(jì)，交互體驗(yàn)等等）。
　　影響因素：正如剛才所言，我們綜合一個(gè)周期的日活躍數(shù)據(jù) 和其他數(shù)據(jù)制定影響因素指數(shù)，便于宏觀把控?cái)?shù)據(jù)的變化，比如進(jìn)入預(yù)警范圍的數(shù)據(jù)究竟因?yàn)檫@些影響因素的影響有多大。做到心中有數(shù)。
　　當(dāng)然，以上是簡(jiǎn)單的列舉了一下日活躍用戶參與的數(shù)據(jù)分析的幾個(gè)方面和作用，對(duì)于數(shù)據(jù)分析千萬(wàn)不能局限在一個(gè)指標(biāo)而進(jìn)行所謂的分析，要全面的結(jié)合其他指標(biāo)進(jìn)行衡量和分析。比如新登用戶，收入數(shù)據(jù)（充值，ARPU，APA等等）。

怎么來(lái)分析DAU？
　　如之前文章所說(shuō)，我們主要運(yùn)用曲線圖和箱線圖來(lái)分析DAU數(shù)據(jù)，如下圖，使用IBM SPSS 19進(jìn)行箱線圖的分析（其詳細(xì)過(guò)程以后在敘述）。
　　再次箱線圖中涉及幾個(gè)術(shù)語(yǔ)指標(biāo)，先給各位再解釋一下：
　　方差：度量隨機(jī)變量和其數(shù)學(xué)期望（即均值）之間的偏離程度，測(cè)度數(shù)據(jù)變異（離散）程度的最重要的指標(biāo)，方差是各個(gè)數(shù)據(jù)與其算術(shù)平均數(shù)的離差平方和的平均數(shù)，通常以σ2表示。方差的計(jì)量單位和量綱不便于從經(jīng)濟(jì)意義上進(jìn)行解釋?zhuān)詫?shí)際統(tǒng)計(jì)工作中多用方差的算術(shù)平方根——標(biāo)準(zhǔn)差來(lái)測(cè)度統(tǒng)計(jì)數(shù)據(jù)的差異程度。
　　方差和標(biāo)準(zhǔn)差也是根據(jù)全部數(shù)據(jù)計(jì)算的，它反映了每個(gè)數(shù)據(jù)與其均值相比平均相差的數(shù)值，因此它能準(zhǔn)確地反映出數(shù)據(jù)的離散程度。比如，平均日活躍為A，通過(guò)方差判定整個(gè)這個(gè)月的DAU波動(dòng)情況，以及距離A的離散程度。
　　期望：廣義的來(lái)說(shuō)，是指人們對(duì)每樣?xùn)|西的提前勾畫(huà)出的一種標(biāo)準(zhǔn)，達(dá)到了這個(gè)標(biāo)準(zhǔn)就是達(dá)到了期望值。從概率論和統(tǒng)計(jì)學(xué)中，離散型隨機(jī)變量的一切可能的取值xi與對(duì)應(yīng)的概率Pi(=xi)之積的和稱(chēng)為該離散型隨機(jī)變量的數(shù)學(xué)期望（設(shè)級(jí)數(shù)絕對(duì)收斂），記為E（x）），我們多數(shù)情況下只討論離散型期望。
　　中位數(shù)：中位數(shù)是指將數(shù)據(jù)按大小順序排列起來(lái)，形成一個(gè)數(shù)列，居于數(shù)列中間位置的那個(gè)數(shù)據(jù)。中位數(shù)用Me表示。
　　從中位數(shù)的定義可知，所研究的數(shù)據(jù)中有一半小于中位數(shù)，一半大于中位數(shù)。中位數(shù)的作用與算術(shù)平均數(shù)相近，也是作為所研究數(shù)據(jù)的代表值。在一個(gè)等差數(shù)列或一個(gè)正態(tài)分布數(shù)列中，中位數(shù)就等于算術(shù)平均數(shù)。
　　在數(shù)列中出現(xiàn)了極端變量值的情況下，用中位數(shù)作為代表值要比用算術(shù)平均數(shù)更好，因?yàn)橹形粩?shù)不受極端變量值的影響；如果研究目的就是為了反映中間水平，當(dāng)然也應(yīng)該用中位數(shù)。在統(tǒng)計(jì)數(shù)據(jù)的處理和分析時(shí)，可結(jié)合使用中位數(shù)。
　　四分位數(shù)：將數(shù)據(jù)劃分為4個(gè)部分，每一個(gè)部分大約包含有1/4即25％的數(shù)據(jù)項(xiàng)。這種劃分的臨界點(diǎn)即為四分位數(shù)。它們定義如下：
　　Q1=第1四分位數(shù)，即第25百分位數(shù)；
　　Q2=第2四分位數(shù)，即第50百分位數(shù)；
　　Q3=第3四分位數(shù)，即第75百分位數(shù)。
　　四分位差：四分位差又稱(chēng)內(nèi)距、也稱(chēng)四分間距(inter-quartile range)，是指將各個(gè)變量值按大小順序排列，然后將此數(shù)列分成四等份，所得第三個(gè)四分位上的值與第一個(gè)四分位上的值的差。四分位差用公式表示：
　　Q = Q3 ? Q1
　　其中：Q1的位置=(n+1)/4
　　Q3的位置=3(n+1)/4
　　四分位差反映了中間50%數(shù)據(jù)的離散程度。其數(shù)值越小，說(shuō)明中間的數(shù)據(jù)越集中；數(shù)值越大，說(shuō)明中間的數(shù)據(jù)越分散。與極差(最大值與最小值之差)相比，四分位差不受極值的影響。此外，由于中位數(shù)處于數(shù)據(jù)的中間位置，因此四分位差的大小在一定程度上也說(shuō)明了中位數(shù)對(duì)一組數(shù)據(jù)的代表程度。主要用于測(cè)度順序數(shù)據(jù)的離散程度。當(dāng)然，對(duì)于數(shù)值型數(shù)據(jù)也可以計(jì)算四分位差，但不適合于分類(lèi)數(shù)據(jù)。
　　其以上的幾個(gè)信息的示意圖如下所示

下面我們從這個(gè)箱線圖來(lái)分析一下DAU的近期變化情況

　　除了2012-Jan以外，都沒(méi)有離群點(diǎn)或者極限值，相對(duì)而言，每個(gè)月游戲人數(shù)整體比較穩(wěn)定，沒(méi)有發(fā)生巨大的變化。而在2012-Jan出現(xiàn)了兩個(gè)離群值，調(diào)查發(fā)現(xiàn)，是1月4日和1月5日出現(xiàn)的問(wèn)題。經(jīng)過(guò)CCU曲線分析，發(fā)現(xiàn)關(guān)鍵節(jié)點(diǎn)數(shù)據(jù)變化很小，但是24小時(shí)總體出現(xiàn)微下降，說(shuō)明玩家4日和5日的活躍數(shù)據(jù)被稀釋了，此外，通過(guò)對(duì)競(jìng)品的分析發(fā)現(xiàn)4日和5日有線上領(lǐng)取活動(dòng)，再者，節(jié)后兩天學(xué)生基本需要返校和白領(lǐng)休假歸來(lái)，造成數(shù)據(jù)暫時(shí)下滑。
　　此外，我們拿到分析數(shù)據(jù)和上圖來(lái)看，12年二月份和11年9月份的中位數(shù)較高，說(shuō)明這段時(shí)間內(nèi)的平均日活躍相對(duì)于本月來(lái)說(shuō)較高，這可以看出這段時(shí)間內(nèi)，游戲內(nèi)的用戶上線較為頻繁（當(dāng)然此處要結(jié)合PCU，在線時(shí)長(zhǎng)來(lái)看更加準(zhǔn)確）。
　　9月份為開(kāi)始測(cè)試的月份，而2月份為假期階段，因此玩家上線的意愿相對(duì)來(lái)說(shuō)會(huì)比較高一些。這也是在意料之中的情況。

　　然而11年的11月份和12月份，中位數(shù)偏低，玩家上線意愿不夠強(qiáng)烈，11月份已經(jīng)非常低了，主要原因在于這一時(shí)期玩家進(jìn)入考試周期，四六級(jí)，中期考試等等，屬于淡季階段。
　　11年10月份國(guó)慶節(jié)期間，玩家上線意愿還算不錯(cuò)，但是沒(méi)有達(dá)到理想的效果，中位數(shù)低于平均水平，因此國(guó)慶假期的活動(dòng)或者推廣效果不是非常理想，間接也導(dǎo)致了下個(gè)月下滑的非常迅速，因此下次節(jié)日活動(dòng)需要進(jìn)行重新評(píng)估和調(diào)整。數(shù)據(jù)如下：

　　對(duì)于12年一月份的表現(xiàn)算是情理中，今年由于1月份過(guò)年，然而過(guò)年7天玩家的游戲時(shí)間其實(shí)是縮水的，沒(méi)有太多精力投入游戲，但是從箱線圖來(lái)看，表現(xiàn)還算正常。高于平均水平，活動(dòng)效果應(yīng)該比較不錯(cuò)，一月份雖然出現(xiàn)了兩個(gè)離群值，但是一月份的標(biāo)準(zhǔn)差是最小的，也就是說(shuō)一月份整體的活躍趨勢(shì)穩(wěn)定，沒(méi)有大的波動(dòng)。

　　總體來(lái)看，如果要考察PLC，需要結(jié)合收益數(shù)據(jù)，以及其他的諸如ACU，PCU，新登等數(shù)據(jù)來(lái)綜合看待PLC，但是從DAU來(lái)看（狹義來(lái)說(shuō)），人氣在幾個(gè)月來(lái)保持相對(duì)的穩(wěn)定，但是整體上經(jīng)歷了小幅的下滑，換個(gè)角度說(shuō)，這款產(chǎn)品存在一些問(wèn)題，人氣持續(xù)穩(wěn)中有降，可以說(shuō)玩家度過(guò)初級(jí)的新手期后，中間的成長(zhǎng)、競(jìng)爭(zhēng)、追求階段出現(xiàn)了問(wèn)題，訴求不能滿足，導(dǎo)致人氣下滑。更加詳細(xì)具體的原因需要更多的數(shù)據(jù)綜合分析。
　　注：以上分析皆建立在與數(shù)據(jù)的對(duì)比之上和其他輔助的數(shù)據(jù)綜合分析上，當(dāng)分析者單純觀察一段數(shù)據(jù)時(shí)，不能通過(guò)中位數(shù)高低輕易下定論認(rèn)為用戶上線頻繁與否。需要考慮很多的客觀因素。