/关于数数课堂/

「数数课堂」是数数科技2020年推出的知识服务子品牌，业内首个围绕「游戏数据分析」打造的学习型社群，致力于让更多的游戏人掌握数据分析技能，并运用这些知识解决实际场景中遇到的难题。我们既有游戏数据分析大咖带来的视频直播，也有游戏干货知识的图文分享，开设以来已经获得了 2000多位学员的一致好评。5月25日，「数数课堂」上线了最新一期（第20期）「游戏数据分析」直播课，数数科技资深数据分析师祝运祯针对游戏精细化运营的基础——用户分层展开分享。

以下为本次直播课的主要内容 （文字有删减和调整）：

今天的内容主要分为四个板块：第一，精细化运营的基础；第二，什么是用户分层；第三，常见的用户分层方法；第四，用户分层的实战案例。

 

 

01  精细化运营基础

 

什么是精细化运营？精细化运营是指针对不同需求的用户匹配不同的服务和内容，来实现以最小的运营成本换取产品收益的最大化。简单来讲，就是“投其所好”。

 实现精细化运营应该具备哪些基础？

 

// 1  完备的数据埋点

 

做游戏数据分析的人都知道，数据来源于底层的埋点，底层数据埋点的完备性将直接决定接下来数据分析深入的层次，最终对结论的正确性产生影响。

 

// 2  强大的数据后台支撑

 

游戏行业具备数据量海量的特性，如果是一个重度游戏，大DAU、玩家在游戏当中的行为数据将会产生非常大的数据量，一天可能有几十亿甚至上百亿的数据量。当面对如此大的数据量时，要想实现数据的实时上报、实时查询等功能，都需要强大的数据后台来支撑。

 

// 3  建立统一的数据标准

 

在游戏行业中有多套用户识别体系，或者说是多套用户识别ID，包括IDFA & IDFV、安卓ID等设备层级的ID，以及业务上的角色ID、账号ID，甚至第三方平台ID等。那么在进行数据分析时，各方数据的统一就需要在ID层面实现数据口径统一，或者形成数据关联关系。由此才能实现数据分析结果的一致性，以及在多ID下实现多层级的数据下钻。

 

// 4  深入的分析能力

 

深入的分析能力展开来讲，可以从三个维度衡量。

 

• 流程精细化分工

 

在规模不够大的游戏公司，不会设置数据分析或者数据挖掘类的专业岗位，可能由其他业务部门人员兼任。要想实现深入的数据分析，在整个数据分析的流程上进行精细化分工十分必要。

 

• 广告精细化投放

 

目前游戏进入存量时代，进行广告投放的成本也越来越高，但高的广告成本不一定能够拉到高质量用户。这要求我们在投放时用尽量少的钱，拉取到更优质的客户。

 

• 服务精细化开展

 

通过买量手段把用户引进游戏之中以后，应该采用什么样的策略来提升留存或付费？这要求我们针对不同的用户匹配不同的策略。

 

我们接下来讲的重点——用户分层，实际上广泛地应用在广告精细化投放和整体运营服务精细化开展之中。

 

02  什么是用户分层

 

用户分层本质是一种以用户特征、用户行为等为中心对用户进行细分的精细化运营手段。用户分层只是一种手段，终极目标是实现运营策略的分配。

 

  

用户分层有哪些作用？

 

// 针对不同的用户合理分配有效资源

 

在游戏领域，能够按照玩家喜好推送不同内容。比如最新一款音游设置了“猜你喜欢”，安装游戏之后，游戏会根据玩家最开始玩的几首歌的类型，来推送一些相似的歌曲，以提升玩家玩下去的动力，进而提高留存。

 

再比如短视频行业，在KOL发布一个视频之后，也会对其进行分层推广。

 

• 第一层首先会优先把视频分配给自己的粉丝

• 第二层流量将会推送给KOL的同城用户

• 第三层推给与KOL粉丝具有相似标签的用户

• 第四层才是一些自然流量用户

在每一层推送时，平台都能根据这一层受众的实时反馈情况（点赞、转发、评论等）决定下一层推广的量，以及进一步确定是否进行自然流量的推送。

 

// 帮助快速定位问题，找到产品迭代方向

 

举例而言，如项目初期付费转化率为5%。运营看到5%之后，5%只是一个表层的信息和数字，这个数字到底高还是低，接下来是否要采取措施都未知。这时候可以使用用户分层，来看不同平台的付费率。

  

从图中可以看到，安卓平台的付费人数与付费转化率都高于iOS平台，这是否说明iOS平台的用户对产品不买单，甚至接下来要停掉iOS平台？

 

仅仅根据这个数据并不能快速得到这样的结论。我们仍不知道两个平台的活跃玩家、付费玩家等的构成。此时应该进行下一层用户分层，按照不同设备付费表进行分层。由此会发现不同平台付费表中，iOS平台的平板付费转化率高于安卓手机，得到了与前一层用户分层截然相反的结论。

 

这是我们平时所说的“辛普森悖论”，当从整体查看数据时，得到的数据是正确的。当我们要运用数据进行策略决断时，数据往往不一定是正确的。这就要求我们对整体数据进行多层级划分，进而找到最细粒度的数据，用更细粒度的数据帮助我们挖掘到底层的原因。

 

那么，用户分层是不是在任何场合下都能使用？用户分层是否存在使用条件？

 

用户分层不是万能的，使用时需要满足以下两个条件。

  

 

用户分层首先要求我们有足够的样本量。比如一款游戏内测只有几十个用户时，用户分层没有意义。其次要求我们有一定周期内的行为。比如玩家只有一天或者一周的游戏行为数据时，时间太短时会有一些偶然性行为，行为没办法真实地反映玩家规律、特性等，会造成用户分层的偏差。

 

03   常见的用户分层方法

常见的用户分层方法主要包含基于用户价值、基于金字塔模型、基于用户身份、基于用户需求等。

// 基于用户价值

 

谈到用户价值时，大家也许会想当然认为充钱高的人价值高。但在具体的不同类型游戏之中，有些游戏不一定有内购，因此划分用户价值的逻辑有所不同。虽然有些用户不一定花钱，但游戏时长很高，那对游戏而言也有很高价值。对用户价值分层时，可基于两个不同的角度。

 

1.依靠用户生命周期对用户进行分层

 

 

通常游戏用户可以从用户生命周期角度划分为五个周期。

 

• 导入期：完成注册，且未参与核心玩法。

• 成长期：参与核心玩法，在线时长与频率一般，且未付费。

• 成熟期：参与核心玩法，在线时长与频率较长，完成付费。

• 休眠期：曾经为成熟期，最近10天未活跃。

• 流失期：长时间未登陆游戏。

 

基于分层，接下来应如何制定运营策略呢？

 

在玩家生命周期的阶段策略制定过程中，主要有两个核心指标：是否有贯穿全周期的至高目标？基于这个目标所设计的运营手段是否相互关联？比如在导入期，为了让玩家快速导入，可以赠送任务、资源，大量奖励获取来快速感知游戏玩法。

 

2.依靠用户关键行为对用户进行分层

  

 

最常见的是RFM模型，这个模型最初广泛地应用于电商行业。在游戏、直播等领域的APP中，需要针对具体行业与场景进行变通。

 

比如游戏行业可将R（最近一次交易）变通为最近一次登录游戏时间，F（交易频次）变通为观看频次/登陆频次/充值频次等，M（交易金额）变通为观看总时长/在线总时长/充值总金额等。

 

RFM模型为我们提供了一些用户分层的思路，在这个思路之上，我们可以与一些实际业务结合，来实现我们的目标。在建立过程中，主要基于以下步骤：

  

 

• 获取三个维度数据：RFM+其他维度，如核心玩法的停留时长等

• 定义RFM的中值：进行划分时，常用的方法比如划分均值、中位数、二八法则、K-means聚类等

• 处理RFM值：在三个均值中，数据的力度、量级等不一定一致，因此需要我们对数据进行归一化或者标准化

• 根据RFM值分层：比如常见的把用户划分为八个象限，对每一类人采取差异化策略

• 差异化运营策略：对不同象限的人进行差异化策略设置

 

// 基于金字塔模型

 

首先我们可以看一个例子：大型页游的用户分层。

 

  

在页游中，边缘用户占比最大，随着游戏价值的提升，越高层的群体数量越来越少。基于用户金字塔模型分层时，主要遵循两个核心思想，一是基于北极星指标进行用户层级拆解，二是不断促进玩家向金字塔上层流动。

 

如何实现玩家向上层流动？

 

我们需要针对每一层用户，制定差异化的运营策略。

比如边缘用户，为什么会点点就走？是否是核心玩法传导不到位？还是前期新手引导或者玩法没有吸引到他？针对不同的原因，再去设置有效的新手引导、前置的激励刺激等，把他向核心玩法去引导。

 

针对核心玩法用户，则要将他们引向付费，关于付费的一些策略比如付费商品免费体验、商品打折、返现等，都是行之有效的方式。

 

针对付费用户，可设置一些限时礼包，在特定的时间段或者节点投放，以及设置可逆的荣誉系统，比如王者荣耀中，付费用户的等级会随着时间改变，以此激励用户不断充值，维持自己的身份。

 

针对超R用户，需要思考他希望得到的是什么。超R用户在游戏中已投入大量人力，钱力和精力，更追求在游戏中的归属感和特权象征，这时候可以设置线下活动，以及线上荣誉体系，满足用户的情感需求。

 

// 基于用户身份

  

在王者荣耀或者LOL等游戏中，用户身份划分了四个层级。

 

 

第一层也是最多的玩家是普通玩家，每天能够领取的奖励都是固定的基础版奖励，领取时游戏会建议玩家购买月卡或其他付费产品，以此产生更多基础奖励，来激励普通玩家付费。

 

第二层用户是VIP玩家，游戏会提供一些额外的资源，比如可以领额外的钻石，皮肤和某些体验卡。

 

再往上是主播玩家，比如斗鱼直播会有一些王者荣耀的主播，主播主要追求曝光量，在官方网站、文章等官方渠道获得展示自己的机会，进而吸引更多的粉丝。

 

最后一个层级是职业玩家，很多战队都会建立电竞体系，职业战队中的 玩家一般追求拥有绝版的皮肤，以及一对一的客服。比如LOL游戏中，职业玩家发现了开挂行为、游戏BUG等，可以直接和客服联系，进行后续惩罚、封号等。

 

基于用户身份分层时，我们要赋予用户更强烈的身份标识，进而带动部分玩家产生仰望、羡慕的情绪，由此对用户产生较强的推动力，引导用户发生更多行为。

 

// 基于用户需求

 

最后是基于用户需求分层，相对比较简单。

  

第一是基于用户自然属性分层，像性别、年龄、职业、收入等。不同性别的用户打开商店网页时，看到的主页都会不太一样。

 

第二是基于用户个性化需求分层，根据用户的行为数据提取一些个人消费偏好，进而制定一些具体的运营策略。比如休闲玩家给到的更多是装饰类推送，竞技类玩家更多给到铭文的奖励，这些需要根据用户的具体需求进行设置。

 

那么，在分层之后我们需要根据数据形成什么策略和结论？实际上这才是用户分层的重点。

 

• 在策略分配时有重点。也就是说，需要在众多分层中找到最明显的提升点重点挖掘，而不是说若干个分层都去制定策略。运营的精力是有限的，数据需要帮助运营找到并解决重点问题。

• 结果反馈，优化分层。最开始的初始分层可能不够完善，我们需要通过运营结果的反馈来继续完善分层。

• 结合A/B测试，同一层中的用户基本变量一致，因此这样的测试更加适合验证运营策略。

 

04  用户分层实战

 

我们根据一个实际案例“近期活跃留存大幅下降”来进行实战分析。

 

近期活跃留存大幅下降是游戏运营最不愿意看到的，这意味着用户流失了。在用户流失之后，应采取怎样的策略？

 

首先需要找到流失用户。找到流失用户之后，去定位他流失的原因是什么。先从等级的角度来定位，看一下流失的用户到底打到第几级流失了？

 

 

可以看到表中，大部分人在第一级就流失了。一级流失的用户可以基本推断为游戏风格、内容、美术风格等不符合他的需求，因此点开之后流失了。另外一个重要异常点是30级，用户打到30级就流失了，这是为什么呢？可以继续从付费这个层级去探索，看一下30级用户流失时是否产生付费行为。

  

在表中可看到，大部分用户都没有产生付费行为。这就意味着很多人打到30级没有充钱就走了。继续向下探索，可以看到从战力角度进行分层。

 

  

数据中我们能够发现，绝大部分人战力在15000-2000之间。游戏设置在30级开放了精英副本，这个副本的压制战力标准定在25000，从数据中可以看到大部分流失用户都达不到标准。

 

 

经过数据分析我们可以得出结论，玩家由于战力低于副本战力压制不能通关，于是卡在这流失了。那么战力无法达到25000，用户的资源没有进行战力提升都用在了何处？

 

从资源消耗来看，大部分玩家的资源消耗倾斜到了抽卡、解锁角色、解锁皮肤等，在外观阶段玩家的战力就消耗完了。整体来看，大部分玩家没有进行角色升级或装备升级等来提高战力，而是在外观上做出调整。到此我们通过用户分层查看到了用户流失的原因，下一步将针对原因，提出具体的优化方案。

 

// 制定通用的优化方案

 

第一是增强战力，提升入口引导。部分用户没有看到用户战力的引导，或者没有更好地理解游戏理念，进而没有进行战力提升。针对这样的用户可以加强游戏界面的引导。第二是考虑战斗力卡点后移，放低设置，让更多玩家先进入到副本中来，再设置一套提升游戏体验与付费的玩法。

 

// 定向推送优化

 

  

在图中，我们可以看到1号玩家是中R以上，30级且战力大于20000，针对这些用户我们要推送一些副本通关的攻略。2号玩家是0充小R，达到了30级，但战力小于20000，针对这些用户我们要推送可以提升战力的活动或福利，来促进他的战力提升，以提高他后续的活跃。

 

05  总结 

# 1. 要从实际业务出发，进行用户分层。也就是说，用户分层的方法有很多种，比如有些游戏是轻度的广告变现游戏，就没必要在付费层面进行用户分层。

# 2. 分层虽好，但是不要“贪杯”。分层虽然能实现效果，但不建议用很多方法对用户进行很多分层。这样反而容易失去重点，没办法让运营资源达到最好效果，使得运营疲于用户分层，无法聚焦在重点策略上。

下载完整版PPT：https://www.thinkingdata.cn/edu/resource/2061.html