Ⅰ 游戲數據分析的藝術
最近時間看了一本關於數據分析方面的書籍《游戲數據分析的藝術》，想寫一些自己的學習感受。
主要包含三部分：
第一部分是這本書的基本概要；
第二部分是常見的方法論以及數據指標；
第三部分是數據在我們實際中操作中的應用。
先談談為什麼要做數據分析。
我們在做產品的時候會遇到很多問題，尤其是從0到1做項目的時候更是如此，
產品能否打動用戶？
如何有效地獲取用戶、評估效果？
如何激活用戶、評估產品質量？
用戶是否能夠長期留存，並很好地享受和體驗產品？
如何提升收益，並挖掘前者在的高價值用戶？？？
游戲的平台從PC到PS4及Xbox,逐步延伸到了智能手機和平板，隨著用戶與游戲產品之間的溝通的越來越緊密，游戲行業需要不斷改進產品，提升用戶體驗，更加有效的滿足用戶對游戲的需要。數據分析隨著這種變化，在不斷發揮更大的作用。
這些問題不僅僅在游戲產品上有，在互聯網產品里也有。如何解決發現問題，解決問題，數據分析就起到了很大的作用。
首先第一部分
一、本書的基本概要
書里談到一個觀點：從數據的角度解釋運營，可以理解為運籌和經營。
我挺認同這個觀點，「運籌」單從字眼上來解釋它就 是 運用和籌劃 。制定策略，進行謀劃。經營偏組織，執行，管理等。運籌是在數據的前提下，如果沒有數據，就是盲人摸象。沒有維度可以參考。在運營的時候是很麻煩的。通過數據分析運營，將工作做到「運籌於帷幄之中，決勝於千里之外」。
我將這本書的大綱進行拆分，拆了三塊，
第一部分：系統講解數據分析方法論以及指標
了解游戲數據分析、認識游戲數據指標、游戲數據報表製作、基於統計學的基礎分析方法
第二部分：具體模塊分析
用戶分析、留存分析、收入分析、渠道分析、內容分析
第三部分：R語言
其中前兩塊還好理解，第三塊涉及到R語言，比較困難一些。
二、常見的方法論與指標
游戲運營數據分解為三種：
基礎統計豎困，解決用戶從哪裡來、活躍度、收入等情況，是對於宏觀質
量和運營情況的描述。這是最基礎的統計分析維度，也是最耗費時間和精力的。
行為方式，針對目標用戶群，對其行為方式進行分析，提高留存和收益。
用戶價值。用戶價值這塊的重點是高價值用戶群，這些用戶又稱土豪，大R，又稱「大RMB用戶。
第一個方法余晌念論-PRARA模型
P-promotion：用戶推廣，
R-register：注冊用戶，用戶數量表現，新登錄用戶轉化成本。
A-active：活躍用戶，用戶質量表現，留存率。
P-pay：付費用戶，用戶價值挖掘，收益轉化能力。
PRAPA模型誕生於端游時代，圍繞在投入和回報層面。
隨著移動互聯網的發展，AARRR模型越來越受歡迎，它的金字塔結構是包含了五個部分
獲取用戶、提高活躍度、提高留存率、獲取收入、到病毒式傳播。
AARRR模型指出了移動游戲運營兩個核心點：
1.以用戶為中心，以完整的用戶生命周期為線索。不僅僅適用於游戲，也適用互聯網產品。這個生命周期可以將用戶行為形成一個閉環。
2.另外一點就是，把控產品整體的成本/收入關系，用戶生命周期價值（LTV）遠大於用戶獲取成本（CAC）就意味著產品運營的成功。
具體講一講AARRR模型
1、用戶獲取：
這是運營的第一部。需要關注用戶的數量，此外，用戶的質量也尤為重要。
AARRR模型指出了一條精細化運營的定律，就是LTV（用戶生命周期價值）>>CAC。也就是說，在投入成
本獲取用戶後需要著重關注和提升用戶在整個生命周期中所創造的實際收入價值，從而保證獲得最大的ROI。
2、用戶活躍：
新增用戶經過沉澱轉化為活躍用戶。
3、用戶留存
無論是對推廣效果分析，還是對產品質量的把控，留存率都扮演著非常重要的角色
需要利用留存率，又分為日、周、月留存率。
4、收入
獲取收入是運營最核心的內容。來源主要有3種：付費應謹宏用、應用內付費及廣告。
5、自傳播
需要產品自身足夠好，有很好的口碑。
1.用戶獲取
日新登用戶數（DNU）
2.用戶活躍
日活躍用戶數（DAU）
周活躍用戶數 (WAU)
月活躍用戶數 （MAU）
日參與次數
日均使用時長
3.用戶留存
留存率分為：次日留存率、三日留存率、七日留存率
流失率分為：日流失率、周流失率、月流失率
4.游戲收入
付費率（PR）
活躍付費用戶數（APA）
平均每用戶收入（ARPU）
平均每付費用戶收入（ARPPU）
生命周期價值（LTV）
5.自傳播
衡量標准：K因子=每個用戶發出的邀請數量*收到邀請的人轉化為新用戶的轉化率。通過1來衡量自傳播的效果。當K＞1時，用戶群就會像滾雪球一樣增大。
三、數據的實際應用
由於時間關系就列了兩個應用，一個是我們的每周的數據周報，可以看到都是一些核心的分析點，有一些是結合了AARRR模型的維度，有一些的結合了用戶具體行為的維度；
第二個是運營過程中結合業務需求設置的數據分析維度。
數據是一個很靈活的東西，數據分析的兩個常見流程是整理數據業務邏輯,基於目標驅動設置相應指標，然後提出埋點需求。離不開對業務的了解，也離不開技術小哥哥們的支持。所以兩者是緊密相關的。在後面的工作中希望能多跟大家合作，挖掘更多數據分析方面的價值。