入门篇移动游戏数据分析框架收入相关指标详解

　　在做进一步讲解之前，依旧先对活跃用户进行定义
　　AU（ActiveUsers）活跃用户：统计周期内，登录过游戏的用户数；根据统计周期不同又划分为DAU（日活跃用户），WAU（周活跃用户），MAU（月活跃用户）；
　　备注：入门篇中所定义的用户均以账号进行衡量；账号：游戏账号库中的唯一标识，在单款游戏中全局唯一；
　　仍然从应收的公式进行推导RevenueAUPURARPPU；在活跃用户规模固定的前提下，PUR和ARPPU是衡量游戏盈利能力最基础的2个指标；
　　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（AverageRevenuePerUser）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：ARPURevenueAU
　　ARPPU（AverageRevenuePerPayingUser）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：ARPPURevenueAPA
　　PUR（PayUserRate）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：PURAPAAU；
　　APA（ActivePaymentAccount）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：APAAUPUR；
　　拓展应用：
　　从公式的推导可以看出，实际上ARPUARPPUPUR；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（LiftTimeValue）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：LTVN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，LTVNCPA（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LTVN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LTVN时只抽取时间跨度足够的样本；
　　如，统计周期选择410至419，LTV4仅通过410至416的数据进行计算，因为417至419三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LTVN1小于LTVN的情况，因此要观察LTVN时，统计周期至少选择N14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；
　　作者：GRG专栏作家刘异网龙公司产品分析经理，专注移动互联网数据分析
　　via：http：www。grg2013。comarchives3011
　　相关系列文章：
　　【入门篇】移动游戏数据分析框架概论
　　http：www。woshipm。comoperate84786。html
　　【入门篇】移动游戏数据分析框架市场推广相关指标详解
　　http：www。woshipm。comoperate84093。html