> 产业要闻

付费用户分析之随时间变化的营收模式

来源:游戏陀螺

  文/Vasiliy Sabirov 翻译:GRG游戏研究组/Dean

  在上一篇文章中,我们讨论了付费用户的构成细分,RFM分析,以及“鲸鱼”用户和“海豚”用户。

  在这篇文章中我们将围绕另一话题继续对付费环节进行细分。不知道有没有人考虑过营收?哪些用户会给我们带来更多的利润——老玩家还是新玩家?老玩家和新玩家中的收入比例如何,它又是如何随着时间的变迁而变化?这就是我们在今天这篇文章中要谈到的。

  受众的结构

  首先,我们把所有的受众(包括付费的和没付费的)从注册开始就进行分类。如何选择分类条件则由我们自己决定,这完全取决于我们项目所处的时期以及商业目的。

  我们建议将其分为5-7个部分。

  举例:

  ?1.从注册起登陆少于14天;

  ?2.登陆14-30天;

  ?3.登陆1-2个月;

  ?4.登陆2-6个月;

  ?5.登陆6个月-1年;

  ?6.从注册起登陆大于1年。

  通过选择自定义部分,我们可以构建一个分析受众随时间变化而变化的报告。

  这份报告显示:

  ? 如果新玩家占主导地位——那么说明我们的留存有问题。项目不能长期留住用户。这意味着我们需要考虑增加留存或者为新玩家制订新的付费方式。

  ? 如果老玩家占主导地位——这依然有问题。是新注册用户有什么问题么?是不是该考虑买量了?请记住,用户越多带来的宣传效果越好。仅靠老玩家是不会走太远的——迟早还是会垮掉。

  下一步需要考量的除了受众的结构,还有机制的结构,以及这个结构又是如何随着时间而变化的。通常在这里会出现一些有趣的事情。

  付费用户的结构

  让我们先只对付费用户执行相同的操作,以如下的“用户&总体结构”报告为例。

  

  这个例子展示了付费用户规模的稳定性以及潜在存在的风险,以及一部分由其他因素带来的削减。我们可以看到新用户的百分比(自注册起登陆小于30日)正在增加,老玩家(自注册起登陆介于6-12个月之间)减少了。如果不考虑付费用户的结构,我们不会注意到这些。

  对一个应用程序来说健康的标志是老玩家缓慢增长,越来越多的新注册用户逐渐转变成老玩家,并呆在游戏中。

  营收模式

  最终,通过类似的方法对营收的可能性进行分析:从玩家注册到付费,做出详细区分。

  在付费报告中,新玩家和老玩家带来的营收结构区别将会生动地展现出来。事实是,通常(基于项目中的长期留存)新玩家的平均单次付费会比较小,而老玩家的会比较大。

  

  正如上图看到的,收入有下降的趋势(请记住,在这种情况下付费用户的规模是比较稳定的)。造成这一下降趋势的原因是来自老玩家的收入有所降低。从绿色部分中可以看到,这相对还是比较稳定的,然后开始慢慢减少。

  我们认为在项目中的问题主要集中在3个月前以及更早注册的付费用户中。有必要优化项目确保长期留存,这样,用户自然流量的增长将会弥补自然流失量。

  数据建模

  结合上述报告,我们需要创建一个数学模型来预测营收。

  我们需要做的是:

  1.预估每个选定部分的规模;

  2.通过各个部分来计算从N到N+1阶段的转化率(在一个月内活跃用户的占比有多大,在下个月仍然活跃的占比又是多大?);

  1.

  3.计算每用户平均收入(ARPU)。

  在一个模型中结合所有的计算,我们将可以知道在一个月、两个月、三个月、半年中我们用户的营收结构是什么样的。

  此外,这些模型还可以通过各种各样的试验帮助我们买量和进行货币化。

  示例中的以下问题可以得到答案:

  1.如果切断支付渠道只留下病毒营销的部分?这将如何影响我们一年内的收入?

  2.如果将留存提升了2%(以30日留存为例),它将如何影响受众的结构和带来的收入?

  3.通过改变游戏的平衡,从而将80级以上用户所占的比例提高10%(进入游戏6个月以上的玩家),我们的收入比例会发生怎样的变化?

  以及诸如此类的各种问题。

  通过本文,我们想给大家传达一个简单的想法:研究用户自注册后一段时间所带来的结构差异是必要的。这可以帮助我们做出更为明智、有效的决策,无论是市场营销、货币化还是游戏设计。

mgame.sohu.com true 游戏陀螺 https://mgame.sohu.com/20151130/n428886667.shtml report 2368 文/VasiliySabirov翻译:GRG游戏研究组/Dean在上一篇文章中,我们讨论了付费用户的构成细分,RFM分析,以及“鲸鱼”用户和“海豚”用户。在这篇
(责任编辑:刘鹏)

相关新闻

相关推荐

    我要发布

    客服热线:86-10-58511234

    客服邮箱:kf@vip.sohu.com