小白學數(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，同時數(shù)據(jù)分析本身是一個多面和復雜的工作，要懂得理論（統(tǒng)計、概率、數(shù)據(jù)挖掘、算法、模型）更要懂得業(yè)務，懂得行業(yè)理論，還要有靈活多變的思維，想想還是很復雜和麻煩的，所講內容不但是理論，不僅是數(shù)據(jù)，盡量把這些東西綜合起來，立體的來看，鄙人水平有限，很多的內容是嘗試和改進，參考了很多的材料，在木有高人指點和牛人幫助的情況下，我只能借助浩瀚的網絡知識和自己的悟性，今天決心拿出來給各位主要是幫助大家和我一起進步。
　　第一天就從一份數(shù)據(jù)的分析開始，這里面涉及了很多的內容，大家需要慢慢理解。
案例：
　　某位網友提供了一份游戲的日活躍賬號數(shù)的數(shù)據(jù)信息，游戲是從2011年9月份開始了測試，到2012年2月，但是產品究竟表現(xiàn)如何，從PLC（產品生命周期----《營銷管理》）來看，產品目前處于一個什么時期，下一步怎么來做營銷和運營工作，這是一個需要關注的問題。今天就從日活躍這個數(shù)據(jù)指標的解析上簡單看看PLC的解讀。
　　設計分析的數(shù)據(jù)指標有很多方面，總體來說就兩塊，收入+人氣，我們就從對人氣的分析上下手，考慮文章篇幅關系，今天單列每日活躍的分析過程，其他指標的把握和分析基本和此相同，大家可以自己嘗試完成。

術語解釋：
每日活躍用戶（DAU）：每日登錄過游戲的玩家數(shù)量（重復登錄者不累加）
IB：Item-Billing，游戲中通過游戲幣交易流通的道具
APA：活躍付費賬號數(shù)
PLC：產品生命周期-----《營銷管理》
ARPU：平均每名玩家盈利能力
新登用戶：每日注冊成為游戲玩家的數(shù)量
每日有效活躍玩家：達到某一個指標（一般是在線時長）的日活躍玩家數(shù)量
每日有效新登用戶：達到注冊并成功登錄進行過游戲的玩家數(shù)量
為什么要看每日活躍用戶？
　　拋開游戲上線初期的推廣營銷因素影響后，版本隨后會進入真正意義上的成長和發(fā)展階段，這個階段也是對于游戲品質和開始階段投放影響的評估（當然這種靠推廣的影響會存在一定的時效性，在對于DAU分析時，要拋開這個階段）。每日活躍用戶的變化說明以下的原因：
　　人氣波動：建立每日活躍人數(shù)的彈性數(shù)值區(qū)間（閾值），當然這點的預警要按照每個月的具體情況來看，比如每個月的節(jié)日，假期，學生開學等其他因素的影響情況，建立一套因素影響指數(shù)，并作用于人氣波動的預警。
　　趨勢走向：綜合一個階段的日活躍變化情況，對于重大拐點和趨勢進行分析，并預測下一個周期的變化形式。
　　產品質量：從日活躍的趨勢變化和人氣波動等其他因素綜合看產品版本更新，活動設置等對于產品的PLC的影響，以及產品質量是否符合玩家的預期（質量的定義很廣泛，這里比如IB設計，系統(tǒng)設計，交互體驗等等）。
　　影響因素：正如剛才所言，我們綜合一個周期的日活躍數(shù)據(jù) 和其他數(shù)據(jù)制定影響因素指數(shù)，便于宏觀把控數(shù)據(jù)的變化，比如進入預警范圍的數(shù)據(jù)究竟因為這些影響因素的影響有多大。做到心中有數(shù)。
　　當然，以上是簡單的列舉了一下日活躍用戶參與的數(shù)據(jù)分析的幾個方面和作用，對于數(shù)據(jù)分析千萬不能局限在一個指標而進行所謂的分析，要全面的結合其他指標進行衡量和分析。比如新登用戶，收入數(shù)據(jù)（充值，ARPU，APA等等）。

怎么來分析DAU？
　　如之前文章所說，我們主要運用曲線圖和箱線圖來分析DAU數(shù)據(jù)，如下圖，使用IBM SPSS 19進行箱線圖的分析（其詳細過程以后在敘述）。
　　再次箱線圖中涉及幾個術語指標，先給各位再解釋一下：
　　方差：度量隨機變量和其數(shù)學期望（即均值）之間的偏離程度，測度數(shù)據(jù)變異（離散）程度的最重要的指標，方差是各個數(shù)據(jù)與其算術平均數(shù)的離差平方和的平均數(shù)，通常以σ2表示。方差的計量單位和量綱不便于從經濟意義上進行解釋，所以實際統(tǒng)計工作中多用方差的算術平方根——標準差來測度統(tǒng)計數(shù)據(jù)的差異程度。
　　方差和標準差也是根據(jù)全部數(shù)據(jù)計算的，它反映了每個數(shù)據(jù)與其均值相比平均相差的數(shù)值，因此它能準確地反映出數(shù)據(jù)的離散程度。比如，平均日活躍為A，通過方差判定整個這個月的DAU波動情況，以及距離A的離散程度。
　　期望：廣義的來說，是指人們對每樣東西的提前勾畫出的一種標準，達到了這個標準就是達到了期望值。從概率論和統(tǒng)計學中，離散型隨機變量的一切可能的取值xi與對應的概率Pi(=xi)之積的和稱為該離散型隨機變量的數(shù)學期望（設級數(shù)絕對收斂），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，形成一個數(shù)列，居于數(shù)列中間位置的那個數(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)的作用與算術平均數(shù)相近，也是作為所研究數(shù)據(jù)的代表值。在一個等差數(shù)列或一個正態(tài)分布數(shù)列中，中位數(shù)就等于算術平均數(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平均數(shù)更好，因為中位數(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，當然也應該用中位數(shù)。在統(tǒng)計數(shù)據(jù)的處理和分析時，可結合使用中位數(shù)。
　　四分位數(shù)：將數(shù)據(jù)劃分為4個部分，每一個部分大約包含有1/4即25％的數(shù)據(jù)項。這種劃分的臨界點即為四分位數(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：四分位差又稱內距、也稱四分間距(inter-quartile range)，是指將各個變量值按大小順序排列，然后將此數(shù)列分成四等份，所得第三個四分位上的值與第一個四分位上的值的差。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，說明中間的數(shù)據(jù)越集中；數(shù)值越大，說明中間的數(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明了中位數(shù)對一組數(shù)據(jù)的代表程度。主要用于測度順序數(shù)據(jù)的離散程度。當然，對于數(shù)值型數(shù)據(jù)也可以計算四分位差，但不適合于分類數(shù)據(jù)。
　　其以上的幾個信息的示意圖如下所示

下面我們從這個箱線圖來分析一下DAU的近期變化情況

　　除了2012-Jan以外，都沒有離群點或者極限值，相對而言，每個月游戲人數(shù)整體比較穩(wěn)定，沒有發(fā)生巨大的變化。而在2012-Jan出現(xiàn)了兩個離群值，調查發(fā)現(xiàn)，是1月4日和1月5日出現(xiàn)的問題。經過CCU曲線分析，發(fā)現(xiàn)關鍵節(jié)點數(shù)據(jù)變化很小，但是24小時總體出現(xiàn)微下降，說明玩家4日和5日的活躍數(shù)據(jù)被稀釋了，此外，通過對競品的分析發(fā)現(xiàn)4日和5日有線上領取活動，再者，節(jié)后兩天學生基本需要返校和白領休假歸來，造成數(shù)據(jù)暫時下滑。
　　此外，我們拿到分析數(shù)據(jù)和上圖來看，12年二月份和11年9月份的中位數(shù)較高，說明這段時間內的平均日活躍相對于本月來說較高，這可以看出這段時間內，游戲內的用戶上線較為頻繁（當然此處要結合PCU，在線時長來看更加準確）。
　　9月份為開始測試的月份，而2月份為假期階段，因此玩家上線的意愿相對來說會比較高一些。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烈，11月份已經非常低了，主要原因在于這一時期玩家進入考試周期，四六級，中期考試等等，屬于淡季階段。
　　11年10月份國慶節(jié)期間，玩家上線意愿還算不錯，但是沒有達到理想的效果，中位數(shù)低于平均水平，因此國慶假期的活動或者推廣效果不是非常理想，間接也導致了下個月下滑的非常迅速，因此下次節(jié)日活動需要進行重新評估和調整。數(shù)據(jù)如下：

　　對于12年一月份的表現(xiàn)算是情理中，今年由于1月份過年，然而過年7天玩家的游戲時間其實是縮水的，沒有太多精力投入游戲，但是從箱線圖來看，表現(xiàn)還算正常。高于平均水平，活動效果應該比較不錯，一月份雖然出現(xiàn)了兩個離群值，但是一月份的標準差是最小的，也就是說一月份整體的活躍趨勢穩(wěn)定，沒有大的波動。

　　總體來看，如果要考察PLC，需要結合收益數(shù)據(jù)，以及其他的諸如ACU，PCU，新登等數(shù)據(jù)來綜合看待PLC，但是從DAU來看（狹義來說），人氣在幾個月來保持相對的穩(wěn)定，但是整體上經歷了小幅的下滑，換個角度說，這款產品存在一些問題，人氣持續(xù)穩(wěn)中有降，可以說玩家度過初級的新手期后，中間的成長、競爭、追求階段出現(xiàn)了問題，訴求不能滿足，導致人氣下滑。更加詳細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)的對比之上和其他輔助的數(shù)據(jù)綜合分析上，當分析者單純觀察一段數(shù)據(jù)時，不能通過中位數(shù)高低輕易下定論認為用戶上線頻繁與否。需要考慮很多的客觀因素。