一款遊戲產品進入成熟期後，重點基本都在拉動收入，原因在於使用者量和遊戲社會已經形成，老使用者不會輕易流失，新使用者不斷湧入遊戲，形成乙個相對穩定的遊戲社會，這個階段的收入拉動也是比較顯著，但是這樣的穩定時期可能隨著產品二度、三度開發，不斷出現。
要想拉動收入就存在乙個問題，就是對於付費使用者的關注和分析，這點上我想方法很多了，比如rmf模型，二次消費等付費研究，今天將從另乙個角度借助留存、滲透率、漏斗模型等思想重新進行付費的研究。
前段時間看到乙個遊戲萬人商業價值的模型，從巨集觀上，這個模型能夠避開arppu陷阱大致了解遊戲收益這塊的變化情況。不過這個模型的基礎思想是採用資料累計，獲得趨勢判斷，一定程度了解遊戲的收益。
之前在我的一篇文章已經提到了類似的分析方法，在付費方面，我也曾經做過分析，現在先大概說說這個模型。
遊戲每天都有新登使用者，這些使用者在隨後的時間內隨著自身不斷成長逐漸顯現出來付費意識，激發付費潛能。為此我們要去監控新登使用者在隨後什麼時間開始轉化付費以及週期是怎樣的。所以，我們定義乙個新的觀測指標：累計arpu，計算如下。
1.以月新登使用者為物件，觀察隨後付費轉化情況。觀察時間點為新登匯入月第一天至當前時間點。
2.以新登匯入第一天的新登付費開始進行累計，至當前時間點為止。
3.每日累計充值/監測月的新登總數（累計arpu）
4.將第三步的比值放大數量級（千級或者萬級都可以）
為此基於以上幾點，我們可以得到如下的曲線圖：
上圖觀測了4月到9月的每個月新登使用者隨後至觀測截止日期的付費轉化情況，橫軸表示觀測天數，這裡是201天，縱軸累計arpu，此處需要將累計arpu放大1000倍或10000倍進行分析。
放大後的曲線繪製如圖上所示，可以看到的8月份匯入的玩家資源在第二個月的付費能力偏弱，增長幅度偏低。然而6月份匯入玩家，在第三個月付費出現了增長，這樣的異常有助於我們細分玩家群體，找到問題所在。
此外上圖，從巨集觀上了解每個月匯入玩家的付費能力以及收益走向，這點對於遊戲渠道投放意義很大，細分下去，找到某個渠道匯入使用者隨後的生存和收入貢獻狀態變化，分析後選擇更加合理的渠道投放資源。
但是，這個模型到這個層面其實還沒有結束，這只是從曲線趨勢大概了解了新登使用者的變化情況，適當的我們應該對於玩家進行多維分析和鑽取。
模型的衍生分析
上述模型很容易忽略乙個問題就是，如果4月份新登使用者在當月就完成了付費比和收入的大部分貢獻，那麼接下來幾個月的持續觀測和分析就顯得單薄和無力了。這點我可以舉乙個例子，比如4月新登到觀測時間貢獻了10w收入，而4月份當月新登轉化付費貢獻了8w，那麼也就是說在隨後的5月到截止觀測之日的，收入貢獻只有2w，這樣其實就是掩蓋了一些問題的存在。所以，我們此處要去詳細的觀察在此模型背後的衍生資料，對其進行分析。
如剛才提到的問題，我們要把新登在隨後每個月的變化都要詳細的分析，此處我們要提取一些資料：
觀測期間新登轉化的apa：
例如4月份新登使用者中在4月份轉化為apa的數量，5月份轉化為apa數量……
觀測期間新登轉化的revenue：
例如4月份新登使用者在4月份轉化的revenue，5月份轉化的revenue……
以以上的資料為核心，我們其實可以展開乙個衍生分析結構，如下圖所示：
該圖為每個月新登使用者在觀測期間每個月轉化為apa的比例。
比如4月份新登使用者在截止的觀測期間一共有1000人付費了，4月份轉化付費的有600人，那麼首月的apa貢獻比為600/1000=60%，次月（5月）有200人付費了，那麼貢獻比為200/1000=20%。以每個月增加的apa作為計算轉化付費的貢獻比，這樣我們就能看到新登玩家的付費轉化的具體形態了。
在上圖中，總結了4-9月新登玩家的首月、次月以及隨後各個月的付費轉化情況，上圖來看，新登使用者在首月轉化付費的轉化情況比較理想，但是次月以及隨後的付費轉化就比較低了，也就是這批新登使用者的後期付費轉化開始出現困難（有一種情況應該是玩家隨著成長付費會逐漸形成需求）。因此需要具體分析其背後的原因，上圖大致告訴我們新登使用者付費週期大概是1個月時間，之後新登的轉化付費就比較困難。
以上只是拿了一款遊戲做分析，實際情況很多，不止這一種，勿對號入座。
同時，在這個圖的背後我們要統計一些資料資訊：
某月的新登在隨後每個月貢獻的收入佔當月收入的百分比
比如4月份新登使用者轉化成apa的部分在隨後觀測月中，對每個月的付費貢獻情況，重點監控比例。
此處拿收入佔比舉例，可以看到，新登付費使用者在第三個月的收入貢獻走低，第二個月的收入增長比較多，這點分析要建立在玩家在遊戲中的實際成長曲線和時間情況才能的出來。
觀測時期總計轉化的apa佔所觀測新登總量的百分比
如下圖，6個月新登使用者在各自觀測時間內的轉化的apa的付費滲透率，比如4月份新登截止到觀測時間點共計有1000人付費，而4月份新登為100000，那麼付費轉化率為1%。通過這個轉化就能夠了解每群玩家的大致狀態。
新登apa貢獻比
新登當月轉化為apa佔據當月總apa的比例
再者，剛才我們說過新登首月轉化的apa情況，我們發現新登玩家在首月的付費轉化情況很好，因此我們可以進行另乙個資料分析，就是看看當月轉化付費的新登玩家佔據當月總的apa的情況，這樣便於我們分析apa的質量。
從上圖來看，我們可以看到新登apa的數量在每個月總apa的比例有所下滑，如果此時我們發現總apa是一直增長，而新登貢獻apa在整體所佔比例下滑，說明，apa的後續存留和付費持續性還是比較好的。
新登apa的付費貢獻比
新登當月付費佔據當月總收入的比例
由此分析，我們也可以看看新登付費玩家首月收入貢獻佔據當月的總收入貢獻比例。
結語此圖看到，新登當月付費群體貢獻的收入在新登當月的總的收入貢獻比例中是開始向下走的，也就是說，老的付費使用者群體逐步開始形成，但是此時要關注總的收入變化，以及新登收入貢獻的變化，這樣分析這個比例才有意義。
以上就是我分析的衍生分析，其實這個問題上研究點很多，我們經常要去評判渠道平台使用者質量，單純匯入型和付費即可的模式不足以很好的衡量質量，還需要更加深入的**和分析，這裡的幾點分析只是乙個例舉，僅作為參考使用。後續關於付費的研究也會慢慢整理，有時間分享給各位。
小白學資料分析 付費使用者生命週期研究
付費使用者其實存在乙個付費週期轉化的問題，直接指標可能就是付費滲透率的問題，然而在此背後其實還有更深入的問題。我們經常遇到的是推廣渠道獲得的新使用者，且這批使用者進入遊戲的狀態。其實在付費使用者問題研究方面，本質上是類似的。對於廣告網路，渠道帶來的新使用者而言，我們判斷了新使用者在隨後的留存情況，今...
小白學資料分析 付費使用者生命週期研究
付費使用者其實存在乙個付費週期轉化的問題，直接指標可能就是付費滲透率的問題，然而在此背後其實還有更深入的問題。我們經常遇到的是推廣渠道獲得的新使用者，且這批使用者進入遊戲的狀態。其實在付費使用者問題研究方面，本質上是類似的。對於廣告網路，渠道帶來的新使用者而言，我們判斷了新使用者在隨後的留存情況，今...
小白學資料分析 DNU DAU
行業指標觀察分析 dnu dau 寫在分析之前 一直以來，我們對於資料都是在做加法，也希望這個過程中，不斷蒐羅和變換出來更多的資料指標，維度等等。而在實際的分析中，我們發現，一如我們給使用者提供產品一樣，太多的時候，我們思考的是如何增加功能，而產品的核心功能和訴求，卻越來越遠。最近有幸和一些團隊在做...