如何分析付费用户,第一部分—RFM分析

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。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-Freque中华娱乐ncy(频率)-购买频率是多少

M-Monetary(消费)-长期以来的购买总量

白金会

 

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 很久以前/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。我们的目标开元棋牌是刺激他们继续购九乐棋牌买。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。从另中华娱乐一方面来看,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:

①忠实用户的流失现象比较严重;

②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。

 

通过分析每一部分欧博平台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。

 

作者:Vasiliy Sabirov 翻译:G开元棋牌RG游戏研究组/Dean 来源:Gamasutra

 

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处: 如何分析付费用户,第一部分—RFM分析