小白学数据分析----->首次购买记录分析方法

简介: 最近几天比较忙,大家都在问如何建立比较完整和有效的数据分析平台,说实话这个问题我考虑了很久,有效并有深度得数据挖掘与分析平台对于游戏产品的质量改善,人气、收益的提升,玩家资源的保有 ,客群分析非常有必要。

最近几天比较忙,大家都在问如何建立比较完整和有效的数据分析平台,说实话这个问题我考虑了很久,有效并有深度得数据挖掘与分析平台对于游戏产品的质量改善,人气、收益的提升,玩家资源的保有 ,客群分析非常有必要。众多经分系统的好处不在此处解释,且看今天讨论的内容,首次购买记录分析。

在如今道具收费的免费游戏中,首次购买记录的分析发挥着巨大的作用,这与电商的购买不太一样,还是存在很大的区别。道具收费的游戏中,道具购买是我们收益的主体,如何对于道具购买的分析是非常重要的一环。

由于道具收费的免费游戏,玩家存在一个付费转化的阶段,当玩家进入游戏中首先经历新手期,随后会逐渐的体验游戏的核心玩法,这个阶段玩家会在体验的同时进行自身的游戏成长,如果比较良性的话,在熟悉了核心的玩法同时游戏竞争会逐渐展开,伴随着不断深入的交互。在玩家的不断竞争中会存在不公平,这种不公平会刺激玩家寻找辅助加强自身的属性,试图改变竞争中的劣势。这种辅助和加强就是最初级的IB点,而与此同时也是玩家的最早需求(注意这种需求是根据游戏玩家成长营造的环境促成的)。而恰恰这些最初级的IB往往就是玩家整个生命周期中付费转化的关键节点。

每个玩家的付费节点伴随着首次购买记录的产生,那么首次购买记录到底意味着什么?

如上图所示,在首次购买记录的分析方面,我们可以得到如上图的几个分析方向,每一个分析方向都会涉及很多的数据信息,这里就不再详细列出。下面我们简单来分析一下这几个方面的作用和实际意义。

付费转化等级:免费玩家在整个游戏生命周期中,如果存在付费转化,就必然会出现在某一等级的付费和充值,通过来分析玩家的首次付费等级,来进一步考察游戏设计中的IB点挖掘、付费转化与活跃玩家流失等级等信息的综合分析。

付费转化周期:不同于付费转化等级,付费转化是考察一段时间的新登用户从成为玩家到首次购买时间点的时间周期是多少(非首登玩家转化成付费玩家的时间)?在等级之外的另一种衡量玩家的付费转化情况,此外这也是衡量游戏活动,任务,IB是否具有粘性和吸引力的参标准之一。

首次购买倾向:众多的首次付费道具中,根据我们的需要进行道具的分类,依据系统适用,活动适用,任务适用进行分类,进而最终找到玩家真实的购买倾向,这种购买倾向不仅仅是道具类别,也通过此发现首次购买受到那些任务,活动,IB的影响,进而我们在以后的运营中有目的的开展相关的方面活动,任务,IB。

消费结构分析:消费结构分析相对而言会更加复杂一些,除了我们要结合活动,任务,IB以外,还要一举付费玩家从付费开始在最终流失阶段或者有流失倾向阶段的付费过程,并进行分析。付费玩家的付费存在一个生命周期的过程,这个过程的分析之一就是来反映付费玩家的消费结构,下面我们来具体看一下。

如上图所示,玩家进入游戏,当首次付费开始会经历一系列阶段的付费变化过程,在这个过程中受到IB,版本,活动,任务,系统,个人成长等很多因素的影响,因此消费会发生变化,最终也会影响玩家的付费意愿情况。

首次付费:一般而言在游戏中,玩家的首次购买集中于认知度很多高,或者可改变玩家目前所处状态的道具,当然这里也存在IB更新,版本,活动,任务等外界因素的干扰,但是总提而言玩家的首次付费目的性很强(注意是首次购买)。而首次购买很大程度上会影响后续的消费结构的变化,而长尾理论也正是从此处开始发挥作用,因为如果多数玩家的首次消费道具是相同的,那么我们可以认定该道具对于玩家而言是认可和喜爱的,而在游戏中后期的IB设计上,可以考虑做该品类道具的差异化需求定制,单是前提要做好队该道具的全面的分析。

间歇性付费:这个阶段是一个消费结构的提升期和付费意识增长期,换句话说,我们希望玩家能够从最初的单一消费道具转化成多品类,多道具的消费,强化付费意识,力求道具购买的期待与反馈一致,然而一旦出现了偏差,就会在此阶段就造成付费流失。

持续付费:如果按照理想情况而言,稳定的付费阶段应该是玩家不限于单一的消费道具,而是综合的多元消费结构,但是有一种消费结构是单一的,就是从最初付费转化阶段就已经形成的单一消费结构,而这样的消费结构一旦遭遇IB的上下架,就会打乱了这部分玩家的消费习惯,这样会造成稳定阶段的玩家向下一个阶段的过渡,也就是沉默付费。

沉默付费:刚才所言,一方面,单一的消费结构在面临IB上下架冲击时,促使了玩家的付费过渡,另外一点,对于有稳定的多元消费结构玩家而言,如果我们的新版,新IB,活动,任务等冲击过大,会导致稳定的这部分人也会产生波动,沉默的阶段玩家的流失情况已经开始出现,针对这群人我们要有特征提取,同时要多参考外界的影响因素。

回流付费:回流付费与沉默付费阶段的玩家我们可以拿它们的消费结构和稳定期上升期的消费结构进行对比分析,这样容易发现这些存在流失风险的玩家究竟是因为消费结构的问题还是其他问题,比如IB上下架,版本更新等因素造成流失。回流付费一方面有自然的更新等带来的作用,另一方面,其实是我们针对前期的问题进行分析,采取相应的挽留策略,这也是分析用户的流失的三大主题之一。

流失付费:这是最终形态,这里面如果这群用户已经不能挽回,那么我们就要仔细分析这群人为什么会流失,流失的原因是什么,而这些又是涉及付费流失的问题,这里不解释,后期会有这方面的分析。但从消费结构来说,这是影响玩家流失的因素之一。一个玩家如果在一个游戏的消费结构始终单一,那么长期下来必然会加剧流失速度。

P.S.数据分析要讲究一个体系和方法,不要总是孤立的看待一些数据点,这样看下去参考意义有限,把数据联动起来,横向和纵向的结合分析,数据是死的,人是活的,所以请各位在做数据分析时,一定要看到这个指标和目的背后蕴藏的更多的信息,有时候不要想象这个指标简单没有什么分析价值,非得用个NB的算法套个模型才叫分析,或者只是盯着这个指标不放手,就是简单分析分析,不深入的挖掘,这两种都是不行的。数据会骗人,如何不被骗,有一点就是在找这个数据背后更多的信息来分析,一件事你要证明它是对的,你只靠一个点是不够的,如果你有十个点证明它是对的,你认为你会相信那个证明过程。

相关文章
|
24天前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
28 1
|
24天前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
56 1
|
24天前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
49 1
|
24天前
|
数据挖掘 数据处理
ChatGPT在常用的数据分析方法中的应用(交叉分析)
ChatGPT在常用的数据分析方法中的应用(交叉分析)
34 1
|
22天前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
37 0
|
24天前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)
41 0
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
34 3
|
2月前
|
SQL 数据采集 数据可视化
数据分析的方法
数据分析的方法
74 3
|
3月前
|
前端开发 Java JSON
Struts 2携手AngularJS与React:探索企业级后端与现代前端框架的完美融合之道
【8月更文挑战第31天】随着Web应用复杂性的提升,前端技术日新月异。AngularJS和React作为主流前端框架,凭借强大的数据绑定和组件化能力,显著提升了开发动态及交互式Web应用的效率。同时,Struts 2 以其出色的性能和丰富的功能,成为众多Java开发者构建企业级应用的首选后端框架。本文探讨了如何将 Struts 2 与 AngularJS 和 React 整合,以充分发挥前后端各自优势,构建更强大、灵活的 Web 应用。
46 0
|
3月前
|
SQL 数据采集 算法
【电商数据分析利器】SQL实战项目大揭秘:手把手教你构建用户行为分析系统,从数据建模到精准营销的全方位指南!
【8月更文挑战第31天】随着电商行业的快速发展,用户行为分析的重要性日益凸显。本实战项目将指导你使用 SQL 构建电商平台用户行为分析系统,涵盖数据建模、采集、处理与分析等环节。文章详细介绍了数据库设计、测试数据插入及多种行为分析方法,如购买频次统计、商品销售排名、用户活跃时间段分析和留存率计算,帮助电商企业深入了解用户行为并优化业务策略。通过这些步骤,你将掌握利用 SQL 进行大数据分析的关键技术。
130 0