原创 |【小白学运营第二十一期】数据篇:基于产品解读ARPPU

2014-06-19 16:45

为了让更多人方便快捷地了解《小白学运营》这一版块的内容,手游那点事精心筹划并出版了《小白学运营》一书!

购买请戳链接:http://item.jd.com/11753280.html

文/VV5本文由手游那点事VV5原创,转载请注明出处!

ARPPU(每付费用户平均收益)行业有些人会将其与ARPU(每活跃用户平均收益)混为一谈,本期文章将根据产品深入解读ARPPU;在写文之前,你要知道ARPPU是什么?

ARPPU, Average Revenue per Paying User, 即平均每付费用户收入;它反映的是每个付费用户的平均付费额度。

对于付费用户而言,付费额度分布是不平均的,这一块可以遵循二八原则,而目前值得一提的是大部分运营同学在ARPPU的解读上都是粗犷式,简单通过公式(ARPPU=周期付费总额/周期付费人数)、(ARPPU=周期付费总额/(周期用户总数*转化率))得到一个平均答案;但是众所周知,手游付费用户分为小R(小鱼)、中R(海豚)、大R(鲸鱼),但单纯以平均值去衡量产品,参考价值很局限。

数据需要精细化运营,从宏观上说,集中数据取样的方法又有截尾均数(去掉5%的最低数据与最高数据,求均值与原来ARPPU差距衡量数据精确性)、中位数(数据从小到大排列,取位置中间值,求中间值与原来ARPPU差距衡量数据精确性)、以上两种方法在高中数学中经常提到;从微观上说,就需要我们建立用户数据模型,即大中小R的取样与区分调研;这样可以更加准确的分析不同人群的消费能力。

除此之外,我们仍应该注意ARPPU的解读背景,要知道对于产品数据而言,不能孤立,只能分解;这是基于用户规模去做的利润衡量及付费粘性,切不可在脱离用户基数的情况下做出盲目分析(手游那点事1群:165095584;关注手游那点事,关注小白学运营)。

小明:我们家ARPPU数值超过200了,现在利润越来越高;我们游戏用户的付费质量提高了。

小华:你们游戏有多少付费用户?

小明:上个月10个付费用户,1000充值金额;这个月4个付费用户数,800充值金额;ARPPU对比上个月提升了100;真是赚大了!

小华:…………..

这个故事不悲伤,却很欺人;要知道一个ARPPU代表的内容很多,如何避免这些误区,精确科学的审视产品数据,就变得重要起来;数据是产品优化的支撑,一步错,步步错;我们先来看一组数据:

图片1上图为某游戏2月份运营数据

图片2上图为某游戏3月份运营数据

插播一条广告:代友询问深圳地区有没有公司招主策,某位资深主策划找工作,QQ:334991286!从2月份以及3月份的运营数据 ,我们先做一个初步分析:

我们先看游戏粘度:

2月:(DAU/MAU)*100%=23.2%

3月:(DAU/MAU)*100%=21.8%

比值差距不大,我们在看粘度天数:

2月:23.2%*30天=6.96天

3月:21.8%*30天=6.54天

综合看来,2月份与3月份粘度高于20%,处于一般正常范围,且这两个月粘性差距不大,那么接下来我们再看付费率:

2月:PUR(付费比率)=(月付费用户数/月登陆用户数)*100%=3.6%

3月:PUR(付费比率)=(月付费用户数/月登陆用户数)*100%=4.1%

从上面两组数据对比我们又能发现尽管用户粘度差距不大,但是3月对比2月份付费渗透率仍有上升,那么结合这两者,我们再回到3月份的另一组数据:

图片371上图为某游戏3月份用户等级在线分布

图片471上图为某游戏3月份用户等级充值分布

从上图我们可以很清晰的看到,该游戏的付费重心在产品1/3阶段,因后续玩法单一等因素,用户等级以及付费重心比较靠前;那么结合上面已有的数据基础,我们再做关于ARPPU的分析:

这里我们可以很清晰的看到:

2月ARPPU=付费金额/付费人数=293.3

3月ARPPU=付费金额/付费人数=316.0

因考虑详细用户付费模型涉及到公司机密,本文暂作粗犷式分析,从这里,我们可以看出3月对比2月用户平均付费额度更高,在此基础上,公司仍可以通过采集样本,以316为分界线;将低于316的付费用户再做引导,将高于316的用户再做维护。

如何进一步分析ARPPU?我们再回到文章开头的公式:

ARPPU=周期付费总额/周期付费人数

ARPPU=周期付费总额/(周期用户总数*转化率)

对于付费人数,大部分运营同学会以付费账号数为条件,即APA

公式已经列出,我们再看影响ARPPU的条件:

分子:付费总额

分母:付费人数(APA)、用户总数、转化率

影响条件已经列出,接下来我们再看ARPPU上升/下降的触发条件(手游那点事1群:165095584;关注手游那点事,关注小白学运营):

一、如果ARPPU保持上升(原始举例:ARPPU=100/10=10)

则有(1):付费人数下降,用户付费上升或不变(例:ARPPU=100/5=20)

则有(2):付费总额上升,付费人数下降或不变(例:ARPPU=200/10=20)

则有(3):两者同时下降,但是付费人数下降幅度大于付费总额下降幅度(例:ARPPU=90/5=18)

则有(4):两者同时上升,但是付费人数上升幅度小于付费总额幅度(例:ARPPU=300/20=15)

以上四种情况,都会造成ARPPU值上升,其中每种情况所代表的原因各不相同:

(1)付费人数下降,而用户付费金额上升或不变,可以清晰的看到游戏中大R较多,可以支撑流失的小R损失,在这里流失的小R可作为一套流失用户模型,为什么流失?基于活动对小R的伤害还是基于IB消耗对小R的影响,亦或是游戏周期不足以满足小R用户的付费意愿,这些情况都需要我们做出样本采集;因为某天大R流失,该数据将会直线跌落。

(2)+(4)第二者情况和第四者情况较像,都是收入提升,付费人数下降或涨幅低于总收入;情况(2)与(1)相似,存在小R流失的情况;而情况(4)则意味着付费用户的层次以及进阶,例如活动刺激或者是IB拉动,可能此举在流失一部分小R的同时,迅速导入了一批新的付费用户,或者完成了小R向中R的蜕变;在这里,上图1.1-1.2可以明确看出,周期新增用户的快速导入填补了付费流失的空缺。

(3)两者同时下降,只是下降幅度不同,在这里我们可以参考PUR(付费率)以及MAU(结合公式2取条件数),若PUR下降,MAU同时下降,则游戏本身在人气以及IB方面都存在较大问题;PUR下降受游戏周期影响、活动影响以及IB驱动力影响;而MAU下降则需考虑游戏节奏、特色玩法、产品变动、市场冲击等问题;此时的ARPPU提升,意味着游戏生命周期提前消耗,因为这种算法是一损俱损的局面。

说完ARPPU上升的几种情况,我们再往下看:

二、如果ARPPU保持下降(原始举例:ARPPU=100/10=10)

则有(1):付费人数上升,用户付费下降或不变(例:ARPPU=100/20=5)

则有(2):付费总额下降,付费人数上升或不变(例:ARPPU=80/10=8)

则有(3):两者同时下降,但是付费人数下降幅度小于付费总额下降幅度(例:ARPPU=54/9=6)

则有(4):两者同时上升,但是付费人数上升幅度大于付费总额幅度(例:ARPPU=200/40=5)

上述四种情况,尽管ARPPU结果相同,但是情况和代表意义又各不相同,我们往下分析:

(1)+(3):从ARPPU的两种算法,我们可以得知PUR稳定或增长,MAU稳定或增长;说明近段时间的产品变化(活动?改版?)影响了低端付费群体或潜在付费群体,但是整体ARPPU下降,反推我们可以得知,可能出现小R进入,大R流失的情况;这里可以看出游戏仍在成长阶段,吸量效果以及转化率较强,在这里我们需要注意的是如何避免大R流失,若大R游戏节奏过快,或者游戏出现用户断层交互的局面亦或是游戏后期玩法单一等因素,我们都可以根据这些流失情况做出大R用户流失模型,通过分析调研找到优化的途径。

(2)+(4):收入下降,付费用户上升/稳定;但是收入涨幅不变或较低;这里我们可以看出小额付费用户较多,其敏感条件主要在于付费用户本身,如何通过活动刺激加大小R用户的付费能力或者是小R向中R的过渡途径,需要的是我们控制好这部分小R的用户比例;帮助他们转化,这里同样可以建立专门的用户模型,做出针对性的用户转化方案。

上述几种条件简述完毕,这些思路小白学数据也有提到,尽管APRRU很简单的上升或下降,若综合其他数据来说,其表现信息也是各不相同;就用户的购买力而言,ARPPU本身便受产品付费的深度影响,具有一定局限性;不是ARPPU高,就代表产品好,同样不代表ARPPU低,就代表你的产品差;这只是数据中的一环参数,我们只需要根据上述情况整理出较为理想的解决方案即可:

一般而言,收入和付费用户同时上涨,这里具有两面性;一面是产品生命周期提前消耗,另一种则是产品数据良性上升;前者的数据情况我们已经提到,后者的数据同样基于前者;也就是PUR与MAU的监控,若在收入与付费用户同时上涨的情况下,PUR上涨没有损失MAU的数据;那么游戏的整体付费数据较为可观;当然,付费只能拆分,不能独立;这里需要我们综合产品粘性去衡量,即DAU/MAU的变化关系;若用户粘性降低,游戏生命周期也会随之变短;进而影响到APA、PUR、ARPPU的数值变化。

最后我们再基于公式去看,如何良性提升ARPPU?

从图1.1-1.2-1.3-1.4;我们可以看出,第一种在于引入大量付费用户;我们可以明显看到,2月、3月新增付费用户分别占周期总用户数的81.7%和75.4%;然后我们再根据2月付费率(3.6%)3月付费率(4.1%)可以看出;利用活动或者其他运营手段完成前期付费用户的提前;在这里很明确能看到的是该游戏用户付费节奏非常靠前。

接下来则是基于用户情感去宣传,其中用户情感又包含用户认知,对游戏道具的认知,对游戏系统的认知:

小明是个高富帅,在游戏中喜欢炫耀,喜欢被人崇拜仰慕;某天游戏中出现独一无二的时装,爱炫耀的小明赶紧掏钱购买。

小华是个务实派,在COC游戏中深知城建、兵种养成对PVE、PVP的重要性,于是他购买了大量钻石强化自己的领地。

前者基于用户对道具的认知,后者基于用户对系统的认知;这两者认知都属于用户情感的范畴,如何挖掘用户痛点,引爆用户情感;需要我们根据不同用户建立不同的用户模型。

插播一条广告:代友询问深圳地区有没有公司招主策,某位资深主策划找工作,QQ:334991286;请自行联系!最后我们再根据以上数据总结一些影响ARPPU的基本元素;:

1.IB系统:IB的付费驱动力,用户对该元素的需求;以及新品,旧品的功能展示、数值改变。

2.付费人数:流失付费用户数量、特征;新增付费用户数量、属性。

3.产品系统:资源的产出与消耗比值,是否需要配平;游戏改版功能性玩法是否影响IB性价比;限时道具停售或某旧品道具下架。

4.付费率:用户基数导入,PR营销、用户长短期目标建立及情感维护;系统付费节奏与核心玩法是否契合,是否满足新增用户的付费需要。

5.用户模型:小R、中R、大R的区分对待;充值与消耗是否符合不同付费模型的充值预期,是否满足不同阶层用户的付费体验。

6.运营活动:线上/线下活动的门槛以及奖励驱动是否满足用户参与活动的需要;是否刺激用户痛点,对于活动奖励与游戏资源是否冲突;是否引爆用户情感。

7.付费通道:付费途径是否快捷可行,有无BUG问题出现;一二级转换率与流量消耗资源占用是否伤害用户付费体验。

8.游戏生命周期:游戏生命周期阶段性展示,前中后期对不同用户的付费粘点展示;付费用户与非R用户的区分对待以及娱乐平衡是否满足用户需要。

以上是关于ARPPU的种种思路;数据很少,思路很多;如何全满考虑,进行从用户到产品的精细化运营;是每个运营人需要思考的话题;【小白学运营第21期】千万级产品分析案例感谢某位朋友提供,在此尊重样本提供人要求,不做点明,如果您有好产品希望曝光,如果您有数据希望彼此交流,欢迎联系VV5!!!

【小白学运营】一起说不同,如果您有不同见解,如果您有其他想法;可以直接在本文下方评论,VV5将根据您的想法,积极与您联系;您还可以加群:165095584;和群里的各位同学一对一交流,共同进步!!!

本文由手游那点事VV5原创,转载请注明出处!

[buy]点击查看《小白学运营》完整专题[/buy]

不管您是不是初学者,《小白学运营》绝对是您必备的案头读物!

购买请点击:

http://item.jd.com/11753280.html

Ben

Ben

线上线下专访、稿件发布合作请联系QQ或微信:328624956

相关资讯