作者：Vasiliy Sabirov
在上篇文章中我們討論了付費使用者的劃分以及RFM分析方法。
而這次我們將基於完全不同的原則繼續描述使用者劃分。你是否考慮過你的收益結構？誰能創造更多收益—-是新使用者還是舊使用者？新使用者和舊使用者各自的收入比例是多少？這種情況會隨著時間發展發生什麼變化？這便是我們將在本文中討論的內容。
整體的使用者結構
首先，我們將根據使用者的註冊時間將其劃分到不同時間段中。如何選擇不同部分完全取決於你，即基於你的業務性質以及參與專案的時間段。
不管怎樣我們建議最好延伸到5至7個部分。
例如：
第一個部分—-從註冊那天起到現在不足14天
第二個部分—-從註冊那天起到現在有14至30天；
第三個部分—-從註冊那天起到現在有1至2個月；
第四個部分—-從註冊那天起到現在有2至6個月；
第五個部分—-從註冊那天起到現在有6個月至1年；
第六個部分—-從註冊那天起到現在已經超過1年。
通過選擇特定部分，你便能夠基於時間分析創造一份有關使用者結構的報告。
這份報告顯示了什麼：
如果新使用者明顯佔據主導地位—-你便遭遇了使用者留存問題。你的專案不能長久地留住使用者。這也意味著你需要著眼於提高使用者留存或考慮如何從新使用者身上賺取利益。
如果舊使用者明顯佔據主導地位—-這也不是什麼好事。新註冊使用者是否出現什麼問題？也許是時候購買一些流量？你需要牢記的是你將會迎來更多使用者。舊使用者是不可能一直支撐著你前進—-遲早你的應用會開始下滑。
也許下一步你將審查你的使用者結構和動態—-該結構是如何隨著時間的發展發生變化。通常在這個階段會出現一些最有趣的事。
付費使用者的結構
最後，基於同樣方式分析收益：通過付費使用者的註冊時間進行劃分。
在關於收益結構的報告中，我們能夠更清楚地看到舊玩家和新玩家的利益差。實際上（遊戲邦注：在基於長期使用者留存的專案中），新玩家的平均消費單價較低，而舊玩家的平均消費單價較高。
就像在我們的例子中，收益呈現下滑趨勢（需要清楚的是在這個例子中付費使用者的數量是穩定的）。而出現這種情況主要是因為舊玩家所創造的收益減少。
所以關於該專案我們的診斷是，這個專案在註冊了3個月以上的付費使用者方面存在問題。所以必須優化專案的長期使用者留存從而避免最後一部分使用者的流失。
數學模擬
基於上面的報告，你將能夠創造一個數學模型讓自己可以提前幾個月預測到收益。
需要什麼：
估算每個選擇部分的規模；
面向所有部分估算從部分N轉向部分N+1的可能性（即使用者在一個月內以及在接下來一個月內保持活躍的可能性？）；
評估每個部分中每使用者平均收益（ARPU）。
通過結合我們模型中的所有數值，你便能夠創造有關你的使用者結構和收益在一個月，兩個月，三個月以及六個月內如何發生改變的模型。
此外，這一模型將讓你能夠基於流量和盈利評估各種實驗。
它將能夠回答這樣的問題：
如果我斷開付費流渠道而只留下病毒性傳播方式的話會怎樣？這是否會影響我在12個月內的收益？
如果我優化了2%的使用者留存（如30天的使用者留存），這將如何影響使用者和收益的結構？我將改變遊戲平衡並因此提升10%的80級使用者的平均消費單價。這時候我的收益比會發生怎樣的改變？
通過本文我們想要傳達一個簡單的理念：根據使用者註冊時間去了解你的使用者和收益結構是非常重要的。這能幫助你做出更有效的決策—-不管是關於市場營銷，盈利還是遊戲設計。
via：遊戲邦