数据分析是手机游戏运营的主要岗位技能之一。在很多游戏运营岗位的JD招聘中，经常可以看到游戏数据分析的需求，通常要求运营商监管游戏数据，做数据分析报告。并根据数据报告的结论调整营销计划。那么，如何快速完成高质量的数据分析报告呢？那么，如何快速完成高质量的数据分析报告呢？

数字技术邀请一家大型游戏工厂的运营专家分享他做数据分析报告的想法。文章中图表中使用的数据来自数字技术的数据分析平台ThinkingAnalytics，数据已经模糊。

 

以下是共享文本：

最近，我一直在和一款卡牌手机游戏结束7天的付费测试。测试完成后，最重要的是导出数据报告。

数据报告可以帮助我们掌握测试中存在的问题，玩家是否同意游戏，然后进行有针对性的改进。同时，测试报告的质量也与后续的营销计划和推广方向密切相关。那么如何编制数据报告呢？在这里，我想和大家分享一下我编写数据报告的框架。

 

 

 

如果你想直观地了解数据的优缺点，第一步应该是看宏观数据。

1.1 新增状况

 

因为我们在第二天中午关闭了下载，我们可以知道关键的新增集中在前两天。第一天新增用户7、445，第二天新增2、504，测试期间共导入10、939客户。

1.2 保留状况

 

 

 

 

我们可以知道，与之前的测试相比，整体保留量有所提高。次留率从40%提高到45%，从而实现本次测试的估计。

但与A级产品45%、35%、75%的数据相比，3个问题更为严重，从3~4天的损失来看，两次测试都没有很好地解决这个问题，主要原因将在后续进行深入分析。

1.3 付钱状况

 

从日常数据中可以看出

• 总体收入付费率和ARPPU相对稳定，收入减少通常是由于导量终止和老用户流失造成的。
• 3月14日附加抽奖的作用促进了显著的收入，付费率和ARRPU都有明显提高。

后续将分析第一冲动和回购情况，看看支付率的提高是否可以进一步挖掘，VIP分布和LTV情况是否可以进一步提高，ARPPU是否可能没有进一步提高。

 

2.1 新数据分析

2.1.1 新增不同渠道的情况

 

我们可以知道，除了UC的数量相对较大外，其他渠道的新增量级也相对相似。后来，新增量大幅减少的根本原因是，在内部阶段，我们不想扩大规模，因此，下载相继关闭。

2.1.2 新增到游戏的转换状态

玩家从下载→组装→登陆→只有在这一系列步骤结束后，才能真正产生新的创角。

2.1.2 新增到游戏的转换状态

玩家从下载→组装→登陆→只有在这一系列步骤结束后，才能真正产生新的创角。

任何一步出现问题，都会影响转换率，进而损害新增。因此，通过TA平台上的漏斗模型，我们可以看到这一过程中的新损失。

 

总的来说，转换率还是很高的。当然，这也取决于每个平台的情况。毕竟，每种方式都有不同的账户系统和不同的包装，有些方式的转换率可能很低。

2.2 保留数据分析

即使看到3留问题严重，也可以深入看看3留问题出现在哪里。

根据TA背景，每个人都可以根据图表快速看到数据结果。

2.2.1 保留和改变不同的渠道

 

红线为整体保留平均值，可以知道，
1. 3天后，应用宝、小米和UC客户的保留率明显较低
。不同渠道的最大和最低点在3日保留，相距10%。
考虑到2日、3日留存的玩家已经对游戏有了一定的了解，造成如此大差异的可能原因是2:

不同渠道的素材图吸引不同的目标用户，而应用宝、小米、UC素材正好吸引的不是我们的目标用户。

应用宝、小米和UC的用户对我们的游戏分类并不感兴趣。我们应该比较其他类型的游戏是否也有低数据的问题。

但是，这两点都要和商务同学沟通，看能不能提高用户质量。总之，有必要客观思考保留多少不同渠道的质量。

很有可能一两个平台的数据异常会降低整体保留率，使我们做出错误的判断。

2.2.2 不同等级的外流转变

 

 首先，我们来看看不同等级的基本流量和流量概率。外流突点分别为4级、6级、10级、13级、21级及其23~30级。

了解外流突点是不够的，最重要的是知道玩家在外流突点时做了什么。

埋点任务、引导、更新、通关等数据，

根据外流埋点数据，可以看到不同等级的玩家在外流前做的最后一件事:

 

为此，我们可以快速找到玩家的外流点，然后联系实际的游戏体验，发现问题的核心原因是:指导、任务和团本。

在进一步分割问题之前，让我们先看看付费玩家保留的数据。

2.2.3 保留不同付款额度的变更

 

 

支付对玩家保留的伤害也比较大。从TA平台上，我获得了不同VIP级别的流失曲线，可以看出，即使是V1玩家，整体保留也远优于V0玩家。

所以，

这种方法确实有效，可以通过提高第一冲的诱惑力，让玩家尽快充值来提高游戏的流失成本，进而提高游戏的保留率。

与此同时，V0~V3玩家在23~30级这一点上的流失也有所上升。此时，已初步发现保留较低的节点：4级、13级、21级、28级、V0~V3玩家保留较低，是整体保留较低的主要原因。通过进一步看这些玩家在相应等级上的经验，可以更详细地找出问题的原因。

这里以21级为例说明一下：

/21级(第二天)：dungeon_1008、dungeon_1011、更新/

从之前玩家在外流之前所做的最后一件事可以知道，21级的大损失点是进入团本关卡（dungeon），关卡这一点，难度很可能会导致低付费玩家的流失。

那就比较一下不同付费关卡的通过率吧。

那就比较一下不同付费关卡的通过率吧。

 可以知道，玩家外流较高是关卡成功率的低点。但是对于V3以上的玩家来说，可能是因为装备水平高，所以没有感觉到卡点的存在，整体关卡成功率很高。

这样，玩家在融合前文外流之前所做的最后一件事就可以知道:

与外流点相比，成功率相对较低的关卡重复率较高。关卡难度是伤害玩家外流的核心原因之一。

2.3 付款数据分析

这次测试是第一次付款，我主要关心整体付款结构和第一冲动。

支付结构可以帮助我们掌握玩家的支付水平。在后期支付活动的设计中，我们可以根据不同层次的玩家设计不同的支付目标。第一冲动是给尽可能多的玩家造成破冰交易。一旦破冰，以后就要付钱了同时对玩家保留会更容易，也会更有帮助。

2.3.1 到处都是不同的VIP级别

 

付费玩家约为20%，比例仍然很高，V1占整体的12%左右，说明首冲对玩家的影响很大。

然而，V2逐渐占了显著的损失，这可能是因为小玩家不愿意反复支付。为了验证这个结论，我获得了不同档位的充值频率，这是进一步的原因。

2.3.2 充值频率比较

 

从表中可以看出，除648档反复充值频率较高外，其他档反复充值频率较低。除了首冲、月卡、首测付款额度的两倍退款外，中间客户的付款活动不足，导致充值动力不足。

公测结束时，应根据不同档位的玩家进行设计，拉升反复充值率。

2.3.3 玩家的第一冲动力

 

虽然反复充值率略低，但整体付费率丰厚。

在4级打开首冲后，大多数玩家首次付款。这是由于每个游戏教育中玩家养成的付费习惯，自然是我们自己的奖励。

在13级，15级还有一个明显的小突起，类似于第一次配对玩家付费水平的幸运礼物，推动玩家第一次付费。

同时，根据失去用户的想法，我也看到了玩家在付款前的最终行为。

 有了这个数据，我们可以更清楚地了解玩家付费的动机来自哪里。当然，这些数据来自于充值前，因此对于一次充值较多的客户来说，可能并不准确。但对于第一冲动，还是可以表现得很明显的。

比如我们V1玩家21%的付费行为来自1922任务，1922任务结束后，正好是第一次弹出首冲页面的机会。我们可以知道，这些玩家看到首冲奖励，毫不犹豫地充值。

V2更多的是道具推广，然后根据道具的整体销售情况，你也可以更清楚地知道哪些道具更容易产生冲动。

2.3.4 LTV比照

LTV是一个非常重要的数据，它决定了我们的购买成本和盈利时间。

只有了解玩家在生命期付出了多少，才能更合理地操纵成本，产生更多的利润。

 

LTV第一天7元，第三天13.9元，第七天18.1元；华为和官网客户LTV表现突出；第一天分别达到18.9元和15.3元；第七天，81.2元和40.1元；然而，尽管华为渠道的用户是独一无二的，但我们不应该忽视一些玩家对整体数据的影响。

然后我拉了玩家的充值排名，看看是不是个人玩家造成的区别。

 

但是发现的确，华为的两个玩家充值名列前茅。但进一步说明华为付费用户的质量确实不错，可以考虑以后推广的时候更注重这个渠道~

这就是数据报告的全部内容。

在撰写专业测试报告时，宏观数据和微观数据应结合起来。宏观数据可以帮助我们了解游戏的整体数据，发现游戏的不足。微观数据是将宏观数据层层分解，如流量可分解为外流玩家的流失曲线、外流触发点、ARPU和付费率可分解为付费玩家的付费阶级及其付费触发点，帮助我们找到问题的原因，从而优化游戏数据。