请选择 进入手机版 | 继续访问电脑版

为什么收入总是提不上?试试用数据优化付费设计

[复制链接]

为什么收入总是提不上?试试用数据优化付费设计

发表于 2020-1-10 09:44:38 只看大图 阅读模式 倒序浏览
2336 0 查看全部
093422pkk6i3k6yhhk3bi8.jpg
之前的文章,我从游戏设计运营活动两个方向来聊了下怎么提升游戏的付费,但是,光知道怎么做还不行,还要知道,做的是否有效。所以,今天我们就从数据角度来聊下,如何优化你的付费设计。

首先,开局一张图:

093335i5pgpprvvgkferr5.jpg

数据转化率分析

数据转化率,也就是漏斗模型,是通过用户行为轨迹,分析用户在行为路径中的转化。

那么对于付费道具购买这里,其行为路径可能就会是这样:

092626aetw9vl9hxx9inpg.png


漏斗模型帮助我们量化了各个环节的效率。当我们将玩家的行为路径数据拉出后,就知道到底有多少玩家看到了我们的活动页面,看到了付费道具,产生了购买行为,从而优化在这一过程中的转化率。

在这个过程中记录log需要注意的是,这里记录的都是客户端数据,没办法将每次点击都记录一条log,那样数据就太多了,但可以让程序每天统计一下,有多少个玩家每个步骤点击了多少次。(这样虽然没有每次都记录那么准确,但可以避免被程序打)

数据波动分析

一个常见的工作场景:你的老大看到充值数据掉了,直接喊了你说,某某某你查一下为什么今天充值跌了?

很多人收到这个需求就会有点头秃。因为影响充值的因素有很多,不知道该从何查起。这里,我可以分享一个简单的方法,那就是,用公式:

092626bpf7oq37d63n7zjh.png

一个指标变了,想知道为什么变,我们就要将这个指标进行拆解,层层抽丝剥茧,找到数据变化的真正原因。

针对收入来说,我们分析付费金额为什么增加或者减少的时候,就要从DAU,付费率,ARPPU这3个数据中找原因。

092627lvsnli0gd04ms09g.png


这样我们把指标拆分得很细,就能够更加定量的发现变化是受到哪些数据影响。找到波动较大的数据,再去分析收入变化的原因,就更加有理有据了。

当然,在实际应用中,不会真的把所有指标都拆分一次。而是先有一个推测,再根据推测去拆解相应的指标,验证推测是否正确。

参与深度分析

我们在做一个运营活动后,往往会分析运营活动做得好不好。那么,哪些指标可以反馈运营活动的参与情况呢?

我认为,有3点:参与活动的用户属性、用户参与率、用户参与深度。

参与用户属性,可以从用户付费能力、成长情况、所在服务器、其他类型来进行划分。

092627m2wcrjypii2njriy.png

用户参与率,可以从不同用户在活动的整体参与比例,和具体某个商品的比例两个角度来划分。

用户参与深度,可以从不同用户在不同道具的购买数量对比。

092627rnbsp3wasg4sgdpa.png

了解不同用户的参与特点,我们也能更清晰的知道,这次活动受哪些用户欢迎,哪些用户的参与不及预期,来为我们下一步的优化提供佐证。

这里在拆分用户属性的时候,除了付费、成长、活跃等这些基础属性,也会根据活动实际售卖的道具做出一定的推测,去拆分相关的用户属性。

举一个大家都知道的例子,把啤酒和尿布放在一起,会同时促进这2个商品的销量增加,那么我们有理由推测,购买了A道具的玩家,会影响B道具的购买欲望,所以在拆分用户属性的时候,也不要忘了此类数据。

用我工作中的一个活动分析举个例子:

092627amsm36xmxs6zer3w.png

上图的数据,这是某商品不同VIP的玩家参与情况,可以明显看到,随着VIP提升,购买率和购买次数都有显着提高,说明该商品更受到大R用户的欢迎。

092628l1s1mcsdjjc45f8h.png

再去拆分不同VIP的具体抽奖次数,就可以了解到不同玩家的参与深度。

092628vzrpnz32p1nn3fpr.png

最后与已经拥有了A道具的玩家抽奖次数做对比,可以看到拥有A道具后,小R抽奖次数明显降低,但大R影响不大。所以下次我们还是可以针对大R推出该类道具。

养成变化情况

当我们贩卖了一个道具,或者数值增加了某个道具的投放,即使通过数据分析发现这次贩卖或改动的效果很好,也不能掉以轻心。还要看一下改动后一段时间后,玩家的养成点培养情况,即“售后调查”。

需要调查的培养情况有哪些呢?我认为有2点:一是看玩家获得道具后是否产生了消耗,二是消耗后该养成点是否饱和。

092628ele0effixigo4o0p.png

看道具是否产生消耗,是因为有时候我们去做一些折扣比较高的活动,有些冲动型选手没有管自己是否有需求,直接就买了,看事后发现自己用不上,那么低折扣骗了一次,第二次就不好用了。

看消耗后是否饱和,也是为了看这个商品玩家的需求情况,如果一个商品越卖越差,很有可能是大多数人已经对此没有需求了。这个时候,我们还可以通过数据看到:

  • 不同类型的用户在拥有多少个以后,购买欲望开始减弱的?
  • 不同类型的用户在培养到什么程度后,购买欲望开始减弱的?
  • 不同类型的用户在消耗多少道具后,购买欲望开始减弱的?
  • 只有了解到玩家是否需求,才能保证商品持续具有吸引力。


那么,没需求了怎么办?找数值,开新坑呗……

数据分析需要注意哪些问题

我们在做数据分析时,很多人摆了一堆数据,却得不出有用的结论,使数据分析沦为纸上谈兵,那么,在实践中,数据分析会有哪些误区呢?

1) 先有结论,然后用数据证明结论。

比如我们做一个活动,活动付费率不到4%,很多人会先入为主,觉得4%真的太低了,这次活动效果一定不好,如果再深入一点,还会围着这点去说为什么数据不好。

但这从一开始就是一个误区。4%真的是一个很差的数据吗?为什么?这个4%的里头是不是含有什么水分?在这里就要拿出数据来说明。假如10级以下付费率是0%,10级以上付费率是10%呢?

那么对于这样一个10级以下还没有深入体验游戏的玩家群体来说,我们是不是可以把这部分用户直接排除在外呢?在去掉这部分数据后,我们再去计算真实的活跃玩家付费的参与率,那有没有可能跟一开始【4%太低】的结论相违背呢?

2) 缺少分析目的,罗列数据,想到什么说什么。

数据分析虽然有分析方法,但并不是照章办事即可。比如,我们要分析用户属性,那么需要把所有跟用户属性相关的数据都罗列吗?不需要的。

正确的顺序应该是,我要分析这次活动效果,根据活动设计目的,高等级玩家占了付费主力,那么在数据分析时,就要以等级高低为思路,沿着这个思路去分析高等级玩家是否购买得多,如果没有,为什么?然后抽丝剥茧找到原因。

分析的数据应该紧紧地围绕着分析思路走的,要针对分析目的和分析方向,去选择并列举与之有关的数据,而不是罗列全部数据即可。

3) 数据分析应该与业务紧密结合。

不管excel、sql用得多熟练,这些始终只是工具,最重要的是要熟悉业务,并能够把数据分析的结论与业务相结合,最终优化数据表现,让我们的数据分析产生价值。

怎么样才能产生价值?找到问题存在的原因是价值,优化当前数据表现而提出自己的改进方案也是价值,这些光有数据还不够,要跟玩家反馈、游戏实际情况三者结合在一起,才能得出更靠谱的结论。


作者:周若
来源:游资网
地址:https://www.gameres.com/860861.html
回复

使用道具 举报

游客~
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|极客同行 ( 蜀ICP备17009389号-1 )

© 2013-2016 Comsenz Inc. Powered by Discuz! X3.4