小白学数据分析----->ARPDAU的价值
2013-09-04 09:40
288 查看
最近盛大刚刚发布了财报,有人给我打电话问什么是ARPDAU?ARPDAU能够起到什么作用?本文就这个问题给大家解析一下ARPDAU。在讲ARPDAU之前,有两个概念大家应该很清楚,一个是ARPU,另一个是ARPPU,如果有不清楚的同学请查看《移动游戏数据分析白皮书》。
首先我们明确ARPDAU的定义:日活跃用户的平均收益,Avg. Revenue Per DAU;计算方式为,ARPDAU=每日总收入/每日活跃用户数。
为什么要有ARPDAU?
在移动端市场由于移动游戏的用户忠诚度不够高,流动性强,手游产品生命周期短,推广费增长迅速、推广周期短的因素所以我们不能再以ARPU或者ARPPU这种按周或者月为维度的衡量方式来进行计算。ARPDAU其实是在更加短的时间间隔内对游戏的收益能力与用户量之间寻找一个桥梁。
从下面的公式中可看到其作用:
Revenue=DAU*ARPDAU
上述公式是对每天收入的一种计算模式,如果按照用户生命周期来做衡量则变成:
E_Revenue=DAU*ARPDAU*E_LT
注:E为期望,LT为生命周期
综上我们可以得到,在用户规模和平均收益固定的前提下,可以根据生命周期长度的变化来确定收入规模,这点其实是我们平时最常去考虑的。
其实上述公式在海外已经多次被讨论过,用户规模、用户生命周期、产品质量和渠道推广这几点都是对这个公式的直接反馈。就ARPDAU来看,我们可以理解为下面的一句话:每当游戏产生一个有效的活跃用户,则单日为游戏贡献收入为ARPDAU,如果有效活跃用户的生命周期为LT,则单个用户全生命周期内贡献的收入为LT*ARPDAU。
由此可见,ARPDAU已成为衡量游戏收益能力的一个新指标。ARPDAU直接反馈在推广阶段,是一个有效活跃用户预期收益能力的表现。为什么这样说,因为一个有效活跃用户每活跃一天产生的收入就是ARPDAU,如果留存效果比较好,生命周期比较长,那么单个活跃用户在生命周期内贡献的收入就是ARPDAU与LT的乘积。这一点如果和CPA结合起来,就可以去衡量近来的一个有效CPA与ARPDAU*LT之间的大小。
DAU
无论是重计费游戏还是轻计费游戏,都想把用户规模做到一定的量级。从这个公式中能够看到,在ARPDAU较低的情况下,生命周期长度和用户规模都成为保障收入的支撑;其次有效用户群不仅代表推广阶段较好的用户质量,同时也是产品质量的重要体现。
就DAU而言,我们需要进一步了解DAU的结构和质量。因为DAU是最直接影响未来的用户生命周期和提升付费概率的因素(比如DAU中,优质用户不断的积累)。
LT
用户生命周期,一方面是对近来推广的用户质量体现,同时也是产品黏度和质量的重要衡量指标。如果要在三个参数打上标签,我觉得下面的标签算是一个例子:
ARPDAU
Jon Walsh说,“从游戏类型来看,有的游戏属于高转化率游戏,这类游戏付费转化率高,但是ARPPU低;有的游戏属于高付费游戏,这类游戏付费转化率低,但是ARPPU高。“不过如果你去从ARPDAU的角度去看待的时候,你会发现不必考虑付费用户的付费结构和规模,从而快速通过生命周期和规模衡量收益能力。
首先我们明确ARPDAU的定义:日活跃用户的平均收益,Avg. Revenue Per DAU;计算方式为,ARPDAU=每日总收入/每日活跃用户数。
为什么要有ARPDAU?
在移动端市场由于移动游戏的用户忠诚度不够高,流动性强,手游产品生命周期短,推广费增长迅速、推广周期短的因素所以我们不能再以ARPU或者ARPPU这种按周或者月为维度的衡量方式来进行计算。ARPDAU其实是在更加短的时间间隔内对游戏的收益能力与用户量之间寻找一个桥梁。
从下面的公式中可看到其作用:
Revenue=DAU*ARPDAU
上述公式是对每天收入的一种计算模式,如果按照用户生命周期来做衡量则变成:
E_Revenue=DAU*ARPDAU*E_LT
注:E为期望,LT为生命周期
综上我们可以得到,在用户规模和平均收益固定的前提下,可以根据生命周期长度的变化来确定收入规模,这点其实是我们平时最常去考虑的。
其实上述公式在海外已经多次被讨论过,用户规模、用户生命周期、产品质量和渠道推广这几点都是对这个公式的直接反馈。就ARPDAU来看,我们可以理解为下面的一句话:每当游戏产生一个有效的活跃用户,则单日为游戏贡献收入为ARPDAU,如果有效活跃用户的生命周期为LT,则单个用户全生命周期内贡献的收入为LT*ARPDAU。
由此可见,ARPDAU已成为衡量游戏收益能力的一个新指标。ARPDAU直接反馈在推广阶段,是一个有效活跃用户预期收益能力的表现。为什么这样说,因为一个有效活跃用户每活跃一天产生的收入就是ARPDAU,如果留存效果比较好,生命周期比较长,那么单个活跃用户在生命周期内贡献的收入就是ARPDAU与LT的乘积。这一点如果和CPA结合起来,就可以去衡量近来的一个有效CPA与ARPDAU*LT之间的大小。
DAU
无论是重计费游戏还是轻计费游戏,都想把用户规模做到一定的量级。从这个公式中能够看到,在ARPDAU较低的情况下,生命周期长度和用户规模都成为保障收入的支撑;其次有效用户群不仅代表推广阶段较好的用户质量,同时也是产品质量的重要体现。
就DAU而言,我们需要进一步了解DAU的结构和质量。因为DAU是最直接影响未来的用户生命周期和提升付费概率的因素(比如DAU中,优质用户不断的积累)。
LT
用户生命周期,一方面是对近来推广的用户质量体现,同时也是产品黏度和质量的重要衡量指标。如果要在三个参数打上标签,我觉得下面的标签算是一个例子:
ARPDAU
Jon Walsh说,“从游戏类型来看,有的游戏属于高转化率游戏,这类游戏付费转化率高,但是ARPPU低;有的游戏属于高付费游戏,这类游戏付费转化率低,但是ARPPU高。“不过如果你去从ARPDAU的角度去看待的时候,你会发现不必考虑付费用户的付费结构和规模,从而快速通过生命周期和规模衡量收益能力。
相关文章推荐
- 小白学数据分析----->付费渗透率_I 你的渗透率有价值吗?
- 小白学数据分析----->3D移动网络游戏需要关注的问题
- 小白学数据分析----->从购买记录分析道具支付环节
- 小白学数据分析----->Excel复合图之复合雷达图
- 小白学数据分析----->付费渗透率再研究
- 小白学数据分析----->首次购买记录分析方法
- 小白学数据分析------>描述性统计术语汇总
- 小白学数据分析----->留存率使用的窘境_I
- 小白学数据分析----->SPSS探索分析实践操作[不同生命周期玩家的充值探索分析]
- 小白学数据分析----->流失分析设计
- 小白学数据分析----->聚类分析理论之K-means理论篇
- 小白学数据分析-----> 13个要重点关注的数据指标[社交游戏,翻译自国外blog] part_1
- 小白学数据分析----->数据指标 累计用户数的使用
- 小白学数据分析----->留存率分析_I[次日留存率突然下降了50%?]
- 小白学数据分析----->聚类分析理论之TwoSteps理论篇+实践篇
- 小白学数据分析----->留存率是什么?
- 小白学数据分析-----> 利用SPSS对DAU/MAU进行比率分析
- 小白学数据分析------>相关分析之距离分析在道具购买量的应用探索
- 小白学数据分析----->关联分析学习…
- 小白学数据分析-----> 你的游戏数据分析做好了吗?