小白学数据分析----->付费渗透率_I 你的渗透率有价值吗?

简介: 早先在公司参加了一次付费渗透率的培训,后来觉得蛮有意思的,拿出来和大家分享一下,顺便说说我的看法。 在游戏运营数据分析中有一个非常重要的指标就是一个游戏的付费渗透率,所谓付费渗透率就是在一个游戏中,付费玩家占整个活跃玩家的比例,用数学表达式就是付费玩家数/活跃玩家数。

早先在公司参加了一次付费渗透率的培训,后来觉得蛮有意思的,拿出来和大家分享一下,顺便说说我的看法。

在游戏运营数据分析中有一个非常重要的指标就是一个游戏的付费渗透率,所谓付费渗透率就是在一个游戏中,付费玩家占整个活跃玩家的比例,用数学表达式就是付费玩家数/活跃玩家数。

“宏观上来说,付费渗透率代表了在玩家群体的付费意愿、消费观念和目前的游戏消费能力。”某种程度上,这说明了游戏本身付费玩家转化能力,IB,经济系统是否为玩家所接受,是对OBT之后游戏收益能力的一个有效指标(当然也要结合APA,ARPU来看)。玩家的付费意愿代表了一部分玩家是否接纳这款游戏,抉择是不是要玩下去,购买的意愿与金钱之间玩家要做出一个决策。

“从微观上来说,付费渗透率代表了一个人喜爱一个商品到了非买不可的地步,这件事发生的概率”。但是,这种非买不可存在两种情况,一种是理性购买,此情况下要多加决策,另一种是冲动型购买,此时不加决策,但是可能存在购买的非持续性因素的加大。但总的来看最为直接的反馈就是玩家产生首次付费,必然是对游戏的某些道具产生了非常大的需求,而当玩家付费了就为付费渗透率贡献了一份力量,这份力量没有在付费多少上产生差异。“一如刚才所言,在付费渗透率这个问题上没有玩家之间的差异,付费1万元和付费一元的玩家在对于渗透率的贡献上是一样的。”然而尽管在百分比上贡献了一点,但是付费渗透率却不能作为反映游戏整体的收益利好的唯一标准。原因在于:

一、如果玩家只是冲动的单次消费,那么这样的付费贡献是有限的,因为有可能意味着玩家后期不再付费。或者付费周期较长,贡献度很小(指收益价值和游戏付费活跃价值);

二、整体具有稳定消费消费能力(持续消费玩家)的比例究竟占到整体付费渗透率的多少是衡量有价值渗透率的参考;

三、由此带来的流失有多少,因为付费转化意味着流失的伴随,在某些时期如果过度强化付费渗透率,导致会加速玩家游戏进程状态的转变,说白了圈钱的味道太浓;

四、过高的渗透率和新登留存关系,直接导致影响游戏的整体玩家感受,变成有钱人的世界,不公平的情绪和心理反映强烈;

五、IB定价、调整、设计间接作用于付费渗透率。

付费渗透率在产品的生命周期中不同阶段表现是不同的,其增长存在瓶颈,现实的运营情况下,存在一个值是无法超越的,这主要是游戏本身的承载能力,比如玩家规模,玩家付费能力。不过如刚才所述的,有一种情况付费渗透率是虚高,至此,渗透率不是越高越好,也就是存在很多单次付费用户,他们的群体大小占据了付费渗透率的很多空间,而从运营角度来看是被我们的活动规划和引导下发生的行为。

因此我们要更加精细分析付费渗透率的问题,探寻有价值的付费渗透率这个问题一方面要从宏观的APA和收益把握,此外还要从玩家的生命周期来看待这个问题。

APA&DAU

付费渗透率受到APA(付费玩家数)和活跃玩家数的制约,也就说往往只看渗透率的高低也不能足够说明游戏的目前的盈利好坏,日常的运营活动大多时候是在保APA增长,同时也要结合微博,论坛,官网等活动降低活跃玩家数的下滑,尽可能维持活跃玩家数也增长,因为APA来自于活跃玩家数,如果活跃玩家数呈现下滑,即使APA提高了,把付费渗透率拉上去了,这也只能说是暂时的情形,因为整体游戏玩家的规模开始萎缩,而付费群体之所以付费是在寻求与免费玩家的差异化和游戏消费感觉的体验。所以在有些时候往往过高的渗透率也不是什么很好的情况。

总结来说,单一付费渗透率的升降不能说明游戏玩家付费意愿高涨或者降低,要结合APA和活跃玩家综合的来看。

APA& Real APA

为什么存在一个APA和Real APA?原因很简单,就是因为我们在衡量付费渗透率时,一块钱用户和一万块的用户在渗透率的贡献是一样的,付费渗透率计算的只是人数的百分比,然而这其中存在真假的APA之说,如果apa中存在大量的单次付费,即冲动型付费用户,那么这样衡量起来的APA质量就会大打折扣,同时也会造成我们对于ARPU,IB设计,运营活动一些虚假的判断,比如:

一个月内只登录过游戏一次,且有一次付费的玩家;

一个月内只付费一次,且之后或之前不曾付费;

一个月内活跃度很高,但是之前和之后不再付费,且本月只付费一次。

如果在一款游戏中存在大量这样的账号,那么我们计算的付费渗透率的水分是很大的,因此,从此处来看,渗透率其实也应该存在一个金子塔模型。但是这个金子塔并不是非常稳定的,因为受到运营活动,IB调整等影响变化很大,说白了我们应该随着运营周期,把单一的渗透率进行分层解析。

 

如开篇所言,“从微观上来说,付费渗透率代表了一个人喜爱一个商品到了非买不可的地步,这件事发生的概率”,如果玩家只是存在这样的一个临时性需求,只是购买了这一次,而不再是一种持续付费的购买行为,那么我们就有必要去甄别这样的行为和玩家,进而改进,毕竟,就像你进了一个超市,你只想去买一瓶可乐,但是你看到口香糖,你也会情不自禁的去拿上一个,前提是钱够,且能够有足够的刺激(口香糖为什么会摆在收银台的位置上),否则还是没用。游戏中是不是也可以这么来做做?

怎么分层解析?

APA群体的分层解析还是要从这个金字塔模型开始,之所以存在有价值的APA和相对价值量偏低的APA主要差异是在付费频次,付费间隔,付费道具方面。这有点类似于RFM模型分析,不错,不过这和RFM还是有差异的,付费道具是明显的差异点。

玩家的付费道具是游戏进程中的某阶段的辅助,还是一种长期依赖,道具的持续时间,道具关联系统,道具出现的等级,玩家使用道具的自身改变,比如击杀、死亡、经验速率等等。通过这些信息的整合,利用决策树或者聚类分析,能够在金字塔结构的指导下,得到不同层次付费用户的付费习惯,低端用户向上层转化,高端用户要保持群体的稳定性。

这里只是简单的列举一下思路,后续会慢慢的细化如何进行分层的分析。

相关文章
|
5月前
|
人工智能 数据可视化 数据挖掘
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
【python】Python航空公司客户价值数据分析(代码+论文)【独一无二】
503 1
|
1月前
|
数据挖掘 PyTorch TensorFlow
|
3月前
|
数据挖掘 PyTorch TensorFlow
Python数据分析新纪元:TensorFlow与PyTorch双剑合璧,深度挖掘数据价值
【7月更文挑战第30天】随着大数据时代的发展,数据分析变得至关重要,深度学习作为其前沿技术,正推动数据分析进入新阶段。本文介绍如何结合使用TensorFlow和PyTorch两大深度学习框架,最大化数据价值。
81 8
|
3月前
|
消息中间件
数据架构问题之流批一体在数据分析型应用中的价值是什么
数据架构问题之流批一体在数据分析型应用中的价值是什么
|
数据采集 搜索推荐 算法
数据分析案例-航空公司客户价值分析(聚类)
数据分析案例-航空公司客户价值分析(聚类)
646 0
数据分析案例-航空公司客户价值分析(聚类)
|
数据采集 存储 人工智能
数据价值有效发挥的障碍:高级数据分析常见的五种挑战
我们经常听到高级分析的成功案例。人们对人工智能的期望很高——据预测人工智能和人工智能的年经济价值将在9.5万亿到15.4万亿美元之间——因此,只要有可能,许多人都想把目光聚焦在数据分析技术的发展上。
|
数据可视化 数据挖掘 大数据
要使数据分析真正有价值和有洞察力,就需要高质量的可视化工具
要使数据分析真正有价值和有洞察力,就需要高质量的可视化工具。市场上有很多产品,特点和价格各不相同,本文列出了一些广泛认可的工具。其实企业如何选择一个合适的可视化工具,并不是一件容易的事情,需要仔细的考虑。 Salesforce公司的一项调查显示:53%的员工要经常查看分析数据,却只是依靠手工操作。在大量的电子表格、图表和数据中滚动鼠标,就好比是大海捞针。数据可视化工具面向用户直观显示结果,帮助用户快速理解和分析数据。 高质量的可视化工具对于数据分析至关重要。数据可视化工具是一种应用软件,帮助用户以可视化、图形化的格式显示数据,呈现数据的完整轮廓。像饼状图、曲线图、热图、直方图、雷达/蜘蛛图只是
要使数据分析真正有价值和有洞察力,就需要高质量的可视化工具
|
数据挖掘
小白学数据分析----->付费用户生命周期研究
付费用户其实存在一个付费周期转化的问题,直接指标可能就是付费渗透率的问题,然而在此背后其实还有更深入的问题。我们经常遇到的是推广渠道获得的新用户,且这批用户进入游戏的状态。其实在付费用户问题研究方面,本质上是类似的。
1213 0
|
数据挖掘
小白学数据分析----->ARPDAU的价值
最近盛大刚刚发布了财报,有人给我打电话问什么是ARPDAU?ARPDAU能够起到什么作用?本文就这个问题给大家解析一下ARPDAU。在讲ARPDAU之前,有两个概念大家应该很清楚,一个是ARPU,另一个是ARPPU,如果有不清楚的同学请查看《移动游戏数据分析白皮书》。
1524 0