數(shù)據分析，是產品運營極具戰(zhàn)略意義的一環(huán);從宏觀到微觀分析，通過表層數(shù)據挖掘產品問題，是每個運營人的必修課。

　　首先，我們來看比較常見的分析方法：

　　5W2H分析法：What(用戶要什么?)Why(為什么要?)Where(從哪兒得到?)When(我們什么時候做?)Who(對誰做?)Howmuch(給多少?)How(怎么做?)

　　PS：(what)用戶要極品裝備!(why)因為他們要增強戰(zhàn)力(where)裝備從BOSS身上得到;(when)我們國慶節(jié)做這個活動!(who)針對所有玩家!(howmuch)BOSS爆率設定為XX(how)活動以怪物攻城形式進行。

　　上述是一種需求的轉換形式，就產品而言，又要以數(shù)據為支持，不能因某個元素而動整體;從大局出發(fā)，根據整體數(shù)據趨勢進行細化分析，那么就目前而言的分析手法，又有對比分析、交叉分析，相關分析，回歸分析，聚類分析等等。

　　如果某款游戲下載量高，注冊量低;是否因為服務器登陸問題或注冊流程繁瑣，是否近期網絡出現(xiàn)故障........

　　如果某款游戲數(shù)據一直良好，某段時間數(shù)據突然跌落;是否因為市場宣傳力度減弱，是否因為用戶生命周期上限，是否因為其他競品沖擊........

　　真正的數(shù)據分析不在于數(shù)據本身，而在于分析能力的概述;數(shù)據是參照物，是標桿，只有分析才是行為，是改變;那么如何分析，綜合上面兩個舉例，已經可以很清晰的看到立體式分析。

　　立體式分析，也就是維度分析;產品數(shù)據的發(fā)掘不應該僅僅拘泥于產品;大環(huán)境下的娛樂產物必須綜合產品、市場、用戶進行不同切入點分析;要知道，數(shù)據分析是基于商業(yè)目的，而商業(yè)離不開用戶和市場;說白了就是結合不同維度進行有目的的數(shù)據收集、整理、加過和分析，他的存在價值就是通過數(shù)據提取有價值的信息去優(yōu)化產品從而拉更多人，賺更多錢。

　　那么如何分析，大致思路又是如何?

　　[為什么分析?]

　　首先，你得知道為什么分析?付費同比、環(huán)比波動較大?

　　[分析目標是誰?]

　　數(shù)據波動，目標是誰?付費總額波動，付費用戶數(shù)據如何?

　　[想達到什么效果?]

　　通過分析付費用戶，找到問題，解決問題從而提升收入?

　　[需要什么?]

　　想做出分析，需要什么?付費總額，付費人數(shù)?付費次數(shù)?付費人數(shù)各等級占比?

　　[如何采集?]

　　直接數(shù)據庫調取?或者交給程序猿導出?

　　[如何整理?]

　　數(shù)據出來，如何整理付費等級、付費次數(shù)報表?

　　[如何分析?]

　　整理完畢，如何對數(shù)據進行綜合分析，相關分析?用戶資源是否飽和?市場其他明星產品充值活動更具吸引力?產品付費系統(tǒng)是否出現(xiàn)問題，是否失去新鮮感?

　　[如何展現(xiàn)?]

　　找準問題，老付費用戶流失了很多，低端付費轉化低;很多是多少?轉化低是什么概念?如何用圖表表現(xiàn)?

　　[如何輸出?]

　　找準問題，如何輸出;如何將這份知識報表轉換為產品商業(yè)價值體系;如何說服程序?如何說服策劃?如何具體執(zhí)行?如何將知識轉換為生產力?

　　上述是比較系統(tǒng)的分析思路，細化而言;對于數(shù)據分析，又需要我們根據不同人群建立不同的用戶模型;例如流失模型、流失特征;充值模型等等。

　　接下來我們再綜合AARRR模型分解一些較為常見的數(shù)據：

　　Acquisition(獲取)、Activation(活躍)、Retention(留存)、Revenue(收益)、Refer(傳播)

　　上圖為AARRR模型中的基本數(shù)據，我們再對以往數(shù)據進行總結：

　　日新增用戶數(shù)：DNU;每日注冊并登陸游戲用戶數(shù)，主要衡量渠道貢獻新用戶份額以及質量。

　　一次會話用戶：DOSU;新登用戶中只有一次會話的用戶，主要衡量渠道推廣質量如何，產品初始轉化情況，用戶導入障礙點檢查。

　　日活躍用戶：DAU;每日登陸過游戲的用戶數(shù)，主要衡量核心用戶規(guī)模，用戶整體趨勢隨產品周期階段變化，細分可概括新用戶轉化、老用戶活躍與流失情況。

　　周/月活躍用戶：WAU、MAU;截止統(tǒng)計日，周/月登陸游戲用戶數(shù)，主要衡量周期用戶規(guī)模，產品粘性，以及產品生命周期性的數(shù)據趨勢表現(xiàn)。

　　用戶活躍度：DAU/MAU;主要衡量用戶粘度，通過公式計算用戶游戲參與度，人氣發(fā)展趨勢，以及用戶活躍天數(shù)統(tǒng)計。

　　留存：次日、三日、七日、雙周、月留存;表現(xiàn)不同時期，用戶對游戲的適應性，評估渠道用戶質量;衡量用戶對游戲黏性。

　　付費率：PUR，統(tǒng)計時間內，付費用戶占活躍用戶比例;主要衡量產品付費引導是否合理，付費點是否吸引人;付費活動是否引導用戶付費傾向，付費轉化是否達到預期。

　　活躍付費用戶數(shù)：APA;統(tǒng)計時間內，成功付費用戶數(shù)，主要衡量產品付費用戶規(guī)模，付費用戶構成，付費體系穩(wěn)定性如何。

　　每活躍用戶平均收益：ARPU;統(tǒng)計時間內，活躍用戶對游戲產生的人均收入，主要衡量不同渠道的用戶質量，游戲收益，以及活躍用戶與人均貢獻關系。

　　每付費用戶平均收益：ARPPU;統(tǒng)計時間內，付費用戶對游戲產生的平均收入，主要衡量游戲付費用戶的付費水平，整體付費趨勢，以及不同付費用戶有何特征。

　　平均生命周期：TV;統(tǒng)計周期內，用戶平均游戲會話時長，主要衡量產品粘性，用戶活躍度情況。

　　生命周期價值：LTV;用戶在生命周期內，為游戲貢獻價值;主要衡量用戶群與渠道的利潤貢獻，用戶在游戲中的價值表現(xiàn)。

　　用戶獲取成本：CAC;用戶獲取成本，主要衡量獲取有效用戶的成本，便于渠道選擇，市場投放。

　　投入產出比：ROI;投入與產出關系對比，主要衡量產品推廣盈利/虧損狀態(tài)，篩選推廣渠道，分析每個渠道的流量變現(xiàn)能力，實時分析，衡量渠道付費流量獲取的邊際效應，拿捏投入力度，結合其他數(shù)據(新增、流失、留存、付費等)調整游戲，進行流量轉化與梳理。

　　最后便是一種較為常見的數(shù)據分析手法：杜邦分析法

　　以上是關于數(shù)據的一些概括，對于數(shù)據分析，需要我們以理性的眼光對待;因為各家對相關數(shù)據定義不同，算法不同;在對數(shù)據進行分析時需要我們看清分析誤區(qū)，綜合其他數(shù)據進行分析，根據自己的數(shù)據分析思路制定相應的分析方案，切不可盲目分析，粗暴分析。

　　最后值得注意的是精細化的運營數(shù)據分析工作，思維不能亂，思維亂了，全盤皆亂;這時候的數(shù)據分析也無法提供正確的考量價值，如果覺得數(shù)據分析毫無頭緒，雜亂無章;冷靜下來，理順思路，有大概的數(shù)據構思之后再做行動;只有這樣才能培養(yǎng)自己嚴謹?shù)倪壿嫹治瞿芰Α?/p>