收入超百万应用：8成以上前3月均获千人消费3次以上

　　为了更好的了解用户的行为，了解付费用户的需求和分布，我们需要特别的分析方法和报告。今天我们将要谈谈RFM分析，就是一种了解付费用户结构的基本方法。RFM的意思是：

　　R-Recency(近期)-最后一次购买是多久以前;

　　F-Frequency(频率)-购买频率是多少

　　M-Monetary(消费)-长期以来的购买总量

　　现在我们给每个付费用户的对应参数打上3个标记。规则如下，以三点量表作为用户评估的理论依据(相对而言：很好，一般，不好)，但是在实践中我们往往会面对五点量表甚至十点量表用于RFM分析。为了看起来简单直观一些，让我们先看看三点量表系统的例子：

　　R=1，距用户最后一次支付已经过了很长一段时间;

　　R=2，距用户上次支付的时间相对较短;

　　R=3，用户最近才进行过支付

　　F=1，用户很少支付;

　　F=2，用户支付比较规律;

　　F=3，用户经常支付;

　　M=1，所有玩家的支付总和很少;

　　M=2，对项目来说玩家的支付水平适中;

　　M=3，玩家支付额巨大

　　当然，问题出现了：如何理解这种情况下的 Hen久以前/最近，经常/很少 以及 多/少。可以从两方面回答这个问题：

　　1.专家评估。没人比我们更了解自己的项目。因此，我们可以自己定义 “很久以前”和“最近” 以及 “多”和“少”。比方说，“很久以前”是指一个月以前，“很少”是指每月一次或更少，“少”是指在整个充值历史中小于100卢布。

　　2.分位数和四分位数。让我们回到数理统计。根据其中一个参数整理我们的用户(比如，期间支付的总数)，比如，所有付费用户中将排名前5%的用户定义为“多”。恭喜，我们已经获得了5%分位数的用户示例。我们还可以采用四分位数(四分位数=25%分位数的水平)，评估第一个四分位数为“多”，最后的为“少”，以及它们之间的平均付款数。尽管如此，如果觉得即使使用分位数和四分位数仍不能进行主观的评估，可以回头再看看“专家评估”。

　　不管怎样，花一点时间在Excel(或其他地方)，我们可以给每个用户的“近期”“频率”以及“消费总量”打上记号。

　　现在，到最有趣的部分了。

　　我们可以看看这些记号是如何分布在付费用户及其他用户。这可以帮助我们区分付费用户和制定更高效的营销策略，从而提高营收。

　　一个简单的例子

　　近期有付费，但是很少(或者只有一次付费)---新的付费用户。这该怎么做呢?当然是表达我们的感激之情。我们的目标是刺激他们继续购买。很多调查研究指出，重复购买以及规律性的付费可以给APP带来上百万美元的营收。

　　近期有付费而且经常付费---忠实用户。他们不需要额外的刺激，但我们可以找到一种方法去感谢他们的忠诚(意想不到的奖励，惊喜，或者简单的一句“感谢”---这些都很有用)。

　　经常付费，但是已经是在很久以前了---忠实用户即将流失。话说，这些钱正在从我们指缝中溜走。我们的目的是提醒他们。有时候一个信息推送也许就够了;或者我们可以跟这些用户进行沟通，了解为什么他们离开了。

　　很少付费并且已经是在很久以前了---流失的用户。这些并不是忠实用户。我们可以建议他们有所行动---对我们来说也许并不是有利可图---但这可以帮我们挽回用户并刺激他们继续消费。从另一方面来看，我们至少可以尝试寻找用户流失的原因，通过反馈来调整我们的产品。

　　想象一下下面的案例。

　　1.项目X想提高其收入;

　　2.通过RFM分析，表明：

　　忠实用户的流失现象比较严重;

　　绝大多数用户都只有一次付费

　　3.他们介绍到，一些项目可以识别用户在“仅有一次购买”停留时间过长的状态或者忠实用户停止付费的状态。在这种时候，我们可以试着给用户一个“难以拒绝的条件”(特别活动、打折扣等，在用户登录之后通过信息推送弹出窗口通知);

　　4.重复购买的比例上升，更多的忠实用户留存下来。

　　5.利润。

　　这两个例子讨论到的关于操作的参数只有两个：近期因素，频率因素。

　　将货币参数添加到报告中可以让我们看到每个用户的付款数量。　　

　　除此之外，我们还可以进行基于用户数量的分析或营收的分析。　　

　　另外，我们还可以查看 营收-近期 的效果(用户付了多少钱，是多久以前支付的)，以及 营收-频率 的效果(用户付了多少钱，他们支付的频率是怎样的)。

　　最简单的方法是给分析框架中的付费用户分配一个参数，从而区分用户和支付时间(长期-最近)，频率(经常-有时-很少)，总额(多-普通-少)。

　　特别要指出的是，分析F2P游戏中付费玩家的规模一般会将他们比作海洋深处的生物：

　　鲸鱼---付费很多的用户;

　　海豚---付费一般的用户;

　　小鱼---付费很少的用户。

　　我们在这里讨论的不仅仅只是一个付款金额，而是用户在支付历史中总体金额的累积。大的分化，平均金额和小金额的相关分析应再次基于专家评估。

　　通过分析每一部分的用户数量和每一部分带来的营收总数，我们可以知道哪些措施可以帮我们获得更大的利润。是降低价格、提高价格、还是关注大R用户的留存?　　

　　借助一些数据分析工具，我们可以根据支付总量将用户分类，从“大鲸鱼”到“小鱼”分为5个级别。特别要指出的是，通过举例表明，带来大部分收入的主要是“鲸鱼”和“大海豚”用户，因此，我们应该将营销的重点放在他们身上。

　　这只是分析付费用户的其中一种方法，更全面地分析付费用户可以帮助我们定制更成功的项目盈利计划。除此之外，我们依然面临着很多问题，比如：

　　用户的付费转化率有多快?是在第一次，第二次，还是第十次?

　　用户都买了些什么?是什么原因让他们愿意掏钱呢?

　　从玩家的第一次付费赚了多少钱?重复购买的金额又有多少?

　　新手玩家带来了多少利润?老玩家带来了多少利润?

　　我们将在接下来的文章中，讨论更多关于分析付费用户的问题。

　　付费用户就是为我们的产品带来收入的人。了解付费用户行为的细微差别是很重要的：比如他们都买了什么，付费频率是怎样，花了多少钱等等。了解用户在上述行为中的感受是很重要的，用户投资了我们的产品是否让他们感到满意。实际上，在F2P网络游戏中玩家的每次付费都是投资：在一开始的时候玩家的付费，会在最后得到一个投资回报率(ROI)，可以用货币化的方式衡量玩家体验的情绪。因此我们应该了解用户，即使他们是少数的投资者。

　　为了更好的了解用户的行为，了解付费用户的需求和分布，我们需要特别的分析方法和报告。

　　哪些用户会给我们带来更多的利润——老玩家还是新玩家?老玩家和新玩家中的收入比例如何，它又是如何随着时间的变迁而变化?

　　受众的结构

　　首先，我们把所有的受众(包括付费的和没付费的)从注册开始就进行分类。如何选择分类条件则由我们自己决定，这完全取决于我们项目所处的时期以及商业目的。

　　我们建议将其分为5-7个部分。

　　举例：

　　· 1.从注册起登陆少于14天;

　　· 2.登陆14-30天;

　　· 3.登陆1-2个月;

　　· 4.登陆2-6个月;

　　· 5.登陆6个月-1年;

　　· 6.从注册起登陆大于1年。

　　通过选择自定义部分，我们可以构建一个分析受众随时间变化而变化的报告。

　　这份报告显示：

　　· 如果新玩家占主导地位——那么说明我们的留存有问题。项目不能长期留住用户。这意味着我们需要考虑增加留存或者为新玩家制订新的付费方式。

　　· 如果老玩家占主导地位——这依然有问题。是新注册用户有什么问题么?是不是该考虑买量了?请记住，用户越多带来的宣传效果越好。仅靠老玩家是不会走太远的——迟早还是会垮掉。

　　下一步需要考量的除了受众的结构，还有机制的结构，以及这个结构又是如何随着时间而变化的。通常在这里会出现一些有趣的事情。

　　付费用户的结构

　　让我们先只对付费用户执行相同的操作，以如下的“用户&总体结构”报告为例。　　

　　这个例子展示了付费用户规模的稳定性以及潜在存在的风险，以及一部分由其他因素带来的削减。我们可以看到新用户的百分比(自注册起登陆小于30日)正在增加，老玩家(自注册起登陆介于6-12个月之间)减少了。如果不考虑付费用户的结构，我们不会注意到这些。

　　对一个应用程序来说健康的标志是老玩家缓慢增长，越来越多的新注册用户逐渐转变成老玩家，并呆在游戏中。

　　营收模式

　　最终，通过类似的方法对营收的可能性进行分析：从玩家注册到付费，做出详细区分。

　　在付费报告中，新玩家和老玩家带来的营收结构区别将会生动地展现出来。事实是，通常(基于项目中的长期留存)新玩家的平均单次付费会比较小，而老玩家的会比较大。　　

　　正如上图看到的，收入有下降的趋势(请记住，在这种情况下付费用户的规模是比较稳定的)。造成这一下降趋势的原因是来自老玩家的收入有所降低。从绿色部分中可以看到，这相对还是比较稳定的，然后开始慢慢减少。

　　我们认为在项目中的问题主要集中在3个月前以及更早注册的付费用户中。有必要优化项目确保长期留存，这样，用户自然流量的增长将会弥补自然流失量。

　　数据建模

　　结合上述报告，我们需要创建一个数学模型来预测营收。

　　我们需要做的是：

　　1.预估每个选定部分的规模;

　　2.通过各个部分来计算从N到N+1阶段的转化率(在一个月内活跃用户的占比有多大，在下个月仍然活跃的占比又是多大?);

　　3.计算每用户平均收入(ARPU)。

　　在一个模型中结合所有的计算，我们将可以知道在一个月、两个月、三个月、半年中我们用户的营收结构是什么样的。

　　此外，这些模型还可以通过各种各样的试验帮助我们买量和进行货币化。

　　示例中的以下问题可以得到答案：

　　1.如果切断支付渠道只留下病毒营销的部分?这将如何影响我们一年内的收入?

　　2.如果将留存提升了2%(以30日留存为例)，它将如何影响受众的结构和带来的收入?

　　3.通过改变游戏的平衡，从而将80级以上用户所占的比例提高10%(进入游戏6个月以上的玩家)，我们的收入比例会发生怎样的变化?以及诸如此类的各种问题。

　　在什么时候用户会进行首次付费?什么时候会第二次?第三次?

　　了解用户的付费行为可以使我们的产品更好的盈利。我们先来看看传统的产品分析算法：

　　1.确定用户的行为模式;

　　2.找到最初就符合这些模式的用户;

　　3.通过模式判断出用户的进一步行动，提前给出相应对策。这样做对用户来说像是一个符合逻辑的模式延续——在正确的时间有针对性的为用户提供服务。

　　了解用户接下来可能的付费，并在正确的时间预先提供所需的活动(或有针对性的提供)，可以帮助我们获得成功。

　　比如，让我们来看一个“付费周期”的报告。选择首次付费的时间(同样可以选择第二次、第三次或者一直在支付的，与次序无关)，设置用户注册的日期，看一看他们首次付费的时间分布。　　

　　上图可以看到，大部分的首次付费是发生在游戏第一天，即在当日注册的时间。这意味着我们可以在游戏开始的时候就做一些运营活动，就从第一天开始。

　　然而，我们可以给玩家提供一些可购买的项目，比如即使对游戏理解不到位也可以立即跳过教程——应该让用户感到付费物有所值，否则他们很有可能会流失。这就是为什么我们需要回答以下问题。

　　在哪一关的时候用户进行首次付费?在第二关?还是第三关?

　　继续回到“付费周期”的报告中，这次我们选择的维度不是时间，而是关卡。　　

　　上图看到，在第四关和第五关的时候出现了一个峰值。

　　我们发现了一个规律——大多数付费用户在进行首次付费的时间是在注册游戏当天到达4-5关的时候。

　　将来，我们可以在项目中(在游戏或者培训阶段)借助这种规律有针对性的提供服务。这将帮我们在第一天的时候就提高付费用户的转化率。

　　有多少用户只进行一次付费?有多少用户一直付费?在首次付费和再次付费之间，资金是如何分布的?

　　建议：与”付费用户”(付费用户的数量)和”支付比例”(付费用户在活跃玩家中的占比)一样重要的是“新付费用户”指标，需要我们重点关注，这可以帮助我们在付款期间对首次付费的用户进行分析。没有首次付费，就不会有接下来的再次付费。谈到重复付费的重要性，Tapjoy通过对应用进行评估赚取了上百万美元，并总结了一些规律。

　　第一：84%的应用，从一开始注册到前90天里，至少1000名用户完成3次消费以上，总计高达100万美元。　　

　　第二：如果至少有35%的用户完成了首次、第二次、第三次付费，那么该应用的营收很有可能达到百万美元。

　　首次支付通常会是小额的。可以先看下报告中的“付费用户行为”　　

　　进行首次付费的用户，仅仅是想尝试通过对产品付费能给他们带来多少好处，并不一定会继续投入大量资金。此外，第一次付款也有可能是将账户和银行卡绑定在一起，如果之前没有绑定两者的话。要知道，收入主要还是来源于重复付费当中。

　　所以如果游戏想要大赚，产品必须符合以下条件：

　　1.用户应该是主动进行首次付费，可以给他们提供一些引导，比如购买模式、优惠活动等。

　　2.不要要求用户在首次付费时就进行大额付费。第一次支付通常是小额的。

　　3.用户应该感觉到他们的投资有回报，那么他们就会对第一次购买感到满意，并愿意购买更多。

　　4.我们的产品应该尽可能的满足用户的支付愿望。每个用户，无论他是小鱼玩家还是鲸鱼玩家，都应该享受我们的产品。

　　5.长期的留存是保持良好营收的关键。如果用户是免费玩家，他与产品接触的时间越长，付费的可能性就越大。同样，如果用户是付费玩家，他与产品接触的时间越长，付费也就越多。

　　请牢牢基础，分析付费用户的行为，了解我们的营收是从哪里来，将帮助我们获得更大的利益。

(更多游戏资讯请访问叶子猪游戏资讯中心：http://news.yzz.cn/)