
小白學(xué)數(shù)據(jù)分析--付費(fèi)滲透率再研究
今天所談到的東西其實是關(guān)于新增付費(fèi)用戶的研究模型的內(nèi)容,談到模型,有時候我們過于神話了,模型其實最后就是一套方法論,我自己覺得這倒是自己思維思考最后落地的一個載體,因為思維要實現(xiàn)、訓(xùn)練、評估,最后出現(xiàn)一個載體來落實我們思維的所思所考這個載體就是模型。在沒有經(jīng)過實現(xiàn)、訓(xùn)練、評估之前,算不上一個模型,只有經(jīng)歷以上的過程才是一個模型。
之前有說過付費(fèi)用戶金字塔模型,付費(fèi)滲透率_I的內(nèi)容分析,今天就的內(nèi)容算是對于付費(fèi)滲透率的再研究??梢钥隙ㄒ稽c(diǎn)的是我們之前對于付費(fèi)用戶金子塔的研究包含了所有付費(fèi)用戶的成分,我們之前的方法是從用戶貢獻(xiàn)度或者說是價值量來衡量,把用戶分成了鯨魚用戶、海豚用戶、小魚用戶。但是我們今天將從用戶的生命周期角度來剖析這個問題,進(jìn)而引出付費(fèi)滲透率的再研究。
付費(fèi)用戶的構(gòu)成
付費(fèi)用戶是一個很復(fù)雜的群體,第一層認(rèn)識使我們普遍認(rèn)識的,也是我們最多采用的數(shù)據(jù)分析是層次,但是從第二層開始的細(xì)分,對于我們的后續(xù)很多分析其實是很有益處的。我有一個猜想:
如果用戶金子塔是穩(wěn)定的,那么付費(fèi)滲透率的提升是否一定有意義?
提出這個假設(shè)的原因在于我們對不同付費(fèi)群的研究中發(fā)現(xiàn),群體用戶的特征在最初的階段就已經(jīng)形成了,換句話說我們推測一個用戶在一款游戲的付費(fèi)能力基本上就是圈定了,當(dāng)然針對這一點(diǎn)很多人會產(chǎn)生質(zhì)疑,因為通過游戲付費(fèi)“陷阱”、粘性、延伸消費(fèi),進(jìn)一步擴(kuò)大需求,刺激消費(fèi)。這一點(diǎn)確實是存在的,然而如果你仔細(xì)去分析數(shù)據(jù),很多玩家在整個的生命進(jìn)程中,消費(fèi)基本上是在自己的承受范圍之內(nèi)和壓力之內(nèi)。
我們不排除極限用戶,比如深度迷戀游戲以至于全面投入游戲中,但是這類的用戶所占比例很小。進(jìn)而從這個角度我們來分析,每個人的付費(fèi)能力是基本固定的(想要延伸和刺激消費(fèi),就得更新、運(yùn)營),那么我們不斷拉高的滲透率其實沒什么太大的作用,因為付費(fèi)的人終究付費(fèi),花費(fèi)多的人(有錢人)自然就愿意花費(fèi),如果你的游戲足夠值得他們?nèi)ハM(fèi),那些本來付費(fèi)就很少的人,玩到最后也會花費(fèi)很少,甚至就是流失,因為游戲太多,選擇太多,誘惑太多。這么看,滲透率意義是局限的。
那么在這種情況下,我們可以來做一件事,那就是在付費(fèi)用戶的初期,我們就能夠預(yù)測和判斷付費(fèi)用戶的付費(fèi)能力,而不是通過后期的實實在在的數(shù)據(jù)來驗證究竟哪些是真正的鯨魚,哪些是海豚,哪些又是小魚。這點(diǎn)也恰恰反映了數(shù)據(jù)分析的價值所在,用過去發(fā)現(xiàn)利用未來,而不是用未來驗證說明過去,因為如果那樣,你沒有進(jìn)步的可能。因為前進(jìn)與創(chuàng)新的動力來自于對未知的探索和訓(xùn)練,這未知是指導(dǎo)的、靈感的、偶然的。
付費(fèi)滲透率的結(jié)構(gòu)化
在上次的分析論述中,我其實就是想將付費(fèi)滲透率結(jié)構(gòu)化,所謂結(jié)構(gòu)化,就是分層建立付費(fèi)滲透率,因為我們在付費(fèi)用戶的研究上已經(jīng)建立了金子塔模型,那么過去我們使用一個付費(fèi)滲透率指標(biāo)去衡量的方式需要進(jìn)一步細(xì)化,當(dāng)然這不是說原來的方式不對,因為在一些高級別的分析報告和演講中,我們就需要這種一個指標(biāo)就OK了。
然而作為一個分析師,在具體面對業(yè)務(wù)時,我們不能夠就這樣的粗放使用一個付費(fèi)滲透率去分析問題,因為這樣會掩蓋掉很多的問題。因此我建議的結(jié)構(gòu)就是分層付費(fèi)滲透率:
W-PUR:鯨魚用戶的付費(fèi)滲透率
D-PUR:海豚用戶的付費(fèi)滲透率
F-PUR:小魚用戶的付費(fèi)滲透率
這里面可能就存在一個問題,估計大家都有這個疑問,我們該如何計算這個PUR呢?計算方法如下
鯨魚用戶/活躍用戶數(shù)量
這里需要解釋一下,這里的鯨魚用戶是基于歷史鯨魚用戶特征計算出來的本月的鯨魚用戶,本身是一種預(yù)測數(shù)據(jù),但肯定是付費(fèi)用戶,活躍用戶即MAU。
付費(fèi)滲透率的序列化
留存率我想大概大家都比較熟悉,比如次日、3日、7日、30日、這是從對一批或者一個渠道新登用戶的一種觀察分析手段,是一種時間序列化的方式,由此我想對于付費(fèi)滲透率我們也可以進(jìn)行時間序列化。
即推出首日、次日、7日、30日付費(fèi)滲透率的,但是明確一點(diǎn)的是這里的用戶是新登用戶。其定義形式如下:
N日付費(fèi)滲透率
限定時間內(nèi)的新登用戶,N日付費(fèi)的用戶/限定時間內(nèi)的新登用戶
假設(shè)10月8日有500人新登用戶,首日50人付費(fèi),那么首日的付費(fèi)率為50/500=10%;
假設(shè)10月8日有500人新登用戶,10月9日(即次日)有25人付費(fèi),則次日付費(fèi)率為25/500=5%;
這種方式的付費(fèi)比率從另外一個角度將我們之前統(tǒng)計的付費(fèi)滲透率進(jìn)行了細(xì)分和立體化,這種付費(fèi)滲透率細(xì)分把新用戶和活躍用戶的付費(fèi)問題明確了,因為有的新用戶是首日之日便開始付費(fèi),而有的新登用戶是在一定時期內(nèi)選擇付費(fèi),但是達(dá)不到活躍用戶的標(biāo)準(zhǔn)。這樣也能幫助我們更加細(xì)致的研究活躍用戶的自然付費(fèi)周期。
以上的是針對具體每日的付費(fèi)滲透率分析,當(dāng)然了就像留存率研究一樣,我們可以限定時間為周,即一周的新登用戶在下周內(nèi)的付費(fèi)滲透率研究,這都是可行的。具體還要看自己需要。
此處是借助于留存率的模式進(jìn)行的付費(fèi)滲透率研究,方法和之前的其實本質(zhì)上是一樣的,稍加改動,至于該方法是否符合您的產(chǎn)品需要和分析需要,這要根據(jù)自己實際情況,這里所述的內(nèi)容僅供參考,作為探索和討論之用。
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(xùn)練與驗證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)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(wù)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(chǔ)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(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(chǔ)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(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(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)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(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(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” 存儲的結(jié)構(gòu)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(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(jìn)行 HTTP 網(wǎng)絡(luò)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(gòu)數(shù)據(jù)價值的核心操盤手 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(diǎn)數(shù)據(jù)的科學(xué)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(diǎn)數(shù)據(jù)時的科學(xué)計數(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(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(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” 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(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)營銷成為企業(yè)突圍的核心方 ...
2025-09-11