文/刘异
仍然从应收的公式进行推导
国内做游戏数据分析的时候 ARPPU 和 ARPU 经常被混在一起，这里为了严谨，单独把这2个指标拿出来对比一下；
ARPU（Average Revenue Per User） 平均每用户收入
定义：统计周期内，活跃用户对游戏产生的平均收入；
公式:
ARPPU (Average Revenue Per Paying User) 平均每付费用户收入
定义：统计周期内，付费用户对游戏产生的平均收入；
公式：ARPPU = Revenue / APA
PUR（Pay User Rate）付费比率
定义：统计周期内，付费账号数占活跃账号数的比例；一般以自然月或自然周为单位进行统计；
公式：PUR = APA / AU；
APA（Active Payment Account）活跃付费账号数
定义：统计周期内，成功付费的账号数(排重统计)；
公式：APA=AU*PUR；
拓展应用：
从公式的推导可以看出，实际上ARPU=ARPPU*PUR；目前国内游戏数据做数据分析时所说的“ARPU”实际上是ARPPU，即平均每付费用户收入；
之所以将ARPU再拆解为PUR和ARPPU，主要是因为ARPU是对产品盈利能力的综合评价，为了更好的我们做决策，将付费指标拆解为PUR（广度，更多的人付费）和ARPPU（深度，付更多的钱）两个维度；
基于上诉原则，在做充值相关分析的时候，还可以对PUR和ARPPU做进一步拆解，比如新老用户的PUR和ARPPU，对APA的付费强度（统计周期内充值金额）进行分段统计，观察APA的结构，如大R占比，贡献率、小额充值的比重等；
在移动游戏数据分析领域，特别是渠道商在判断产品质量的时候，大家还会经常听到一个指标LTV
LTV（Lift Time Value）生命周期价值
定义：平均一个账号在其生命周期内（第一次登录游戏到最后一次登录游戏），为该游戏创造的收入总计；
公式：LTV_N=统计周期内，一批新增用户在其首次登入后N天内产生的累计充值/NU（NewUsers）；
应用场景：手机游戏数据分析中的发行指标，用于衡量渠道导入用户的回本周期，LTV_N>CPA(登录)
从LTV的定义上可以看出，CP可以通过不同渠道导入用户的LTV_N与导入成本（CPL）进行比较，用于计算不同媒体投放的回本率（这个在市场推广篇已经提到）；另外，渠道商也可以通过这个指标和联运资源的成本对比，迅速判断一款产品是否值得投入联运资源；
由于LTV是基于新增用户进行计算的，因此受大R影响比较严重。
因此，在观察产品LTV数据的时候，通常情况下会选取一段时间的数据进行观察；在汇总计算时，如下图所示，计算LTV_N时只抽取时间跨度足够的样本；
如，统计周期选择4-10至4-19，LTV_4仅通过4-10至4-16的数据进行计算，因为4-17至4-19三天的新增账号还没有第4天的数据；
另外，由于受每日新增用户的质量影响较大，有可能出现LTV_N+1小于LTV_N的情况，因此要观察LTV_N时，统计周期至少选择N+14天以上，保证每个指标都有14天以上的样本进行计算；
本文提及的收入指标主要是用于描述产品宏观数据，关于结合游戏内的其他数据做分析（包括IB分析、消费分析、首充分析等）以帮助我们制定相应的运营活动和版本计划，这部分会在进阶篇的案例中详细说明。
本文为GRG游戏研究组原创投稿，如需转载，请注明出处，谢谢合作！
