运营数据的计算方式-整合

 

 

名称	作用
LTV	生命周期价值，即平均一个用户在首次登录游戏到最后一次登录游戏内，为该游戏创造的收入总计  LT * ARPU
DNU（Daily-New-Users）	每日游戏中的新增用户数量
AU（Active-Users）	活跃用户，在统计周期内登录过游戏的用户数，统计周期包括DAU(日活跃用户)、WAU(周活跃用户)、MAU(月活跃用户)
PU ( Paying-User）	付费用户
APA（Active-Payment-Account）	活跃付费用户数
PUR（Pay-User-Rate）	付费比率，计算公式：APA/AU
ARPU（Average-Revenue-Per-User）	平均每用户收入，计算公式：总收入/AU
ARPPU （Average-Revenue-Per-Paying-User）	平均每付费用户收入，计算公式：总收入/APA
用户留存率（Retention）	用户在某段时间内开始使用游戏，经过一段时间后，仍然继续使用游戏的被认作是留存用户，这部分用户占当日新增用户的比例即是用户留存率，统计周期包括日留存(1Day Retention)、周留存(7Day Retention)、月留存(30Day Retention)

1.LTV

   LTV，全称是Life Time Value，指用户生命周期的总价值。

  通俗的说，是获客至流失所得的收益总和，它的作用在于辅助决策，如：计算回报周期、验证盈利模式等。在实际运营中，我们所着力于提升的点击、访问、关注等指标，最终都指向于LTV。

  根据ROI，能够衡量用户质量。结合渠道来源，则能够衡量渠道质量。

在投放中上图的前2种情况较为简单，当遇见后2种情况，即LTV、CAC同低同高时，我们则应控制这两类渠道的占比，同低用于提升用户规模，同高则用于提升付费。

在LTV曲线剧烈抖动时，须迅速归因并调整运营策略。异常值可以使用变化率、距离、密度等指标设定阈值进行监控。理解了LTV的作用，在计算时会面临一个严峻的问题：没有数据怎么办？

根据定义，LTV指的用户生命周期的总价值。但用户的生命周期到底有多长呢？不同产品阶段、特征的用户表现均为不相同的。但无论是产品上线前，亦或上线后，我们都不可能等待用户流失后再计算LTV和ROI。决策往往是前置的，在数据较少甚至没有数据时，我们则需要根据已有的条件进行预估。

2.ltv的预估方法

   1.公司推导

     

    根据LTV的定义，LTV=用户生命周期的总价值=周期内用户的总计付费金额除以用户总数。用户总数无需进行预估，那么问题则变成了：如何计算总计付费金额。

总计付费金额，可以使用每日活跃的用户数乘以当日活跃用户平均付费金额得出。将其代入公式，可得：

而每日活跃用户数除以用户总数，又等于每日留存率。至此，第1个公式就推导完成了。

而当ARPU等于常数，根据定义再次推导则可得LTV=LT×ARPU。

3.LTV的公式估算方法

   3.1 留存率的计算

        单个的留存率=留存人数/新增人数

        如果只考虑分数求均值，均值会显得过大，加权平均值会显得更加能反应综合水平。

        

上图是直接根据每日留存率所计算的数值，我们可以看到当7月6日因新增人数突然下跌，但留存率却恰好在比较高的水准，所以一下子将留存率的均值拉高了许多。

但经过加权计算后，异常日期的数据便不会造成太多的影响了。

4.ARPU的计算

  ARPPU（Average Revenue Per Paying User)：平均每付费用户收入=对应周期内的总收入 / 用户数 

  

5.LTV的计算

6.LTV的曲线拟合估算方法

 

7.DAU的计算

1.计算预估日期留存率

根据预估LTV时所得留存率的拟合函数，将后续日期代入即可得第8日-第15日的预估留存率。

2.计算日新增人数的加权平均值

   

根据新增人数在合计人数中的权重，将日新增人数乘以其权重，从而计算其加权平均值。

3.计算每日DAU并汇总

7月1日至7月8日的留存率使用真实数据，在第8日后的留存，均为根据留存率拟合的函数计算。7月8日至07月15日的新增人数根据第2步的方法得出，并根据第1步中真实的留存率计算留存人数。最后一步则是按照列，对每日新增或留存的用户数进行汇总，就能够预估每日的DAU了。

 

计算投入产出

ROI=LTV/CP*   LTV作代表收入，广告投入CP*（CPM、CPC、CPD、CPA等）代表成本。