電子競技數據分析模型解析

中國傳媒大學南廣學院 周 靈

要進行電競游戲的數據分析，掌握模型和方法論是關鍵。方法論是解決若干業務問題而抽象的思路，是基礎的解題模式。目前業界常借鑒TalkingData提出的AARRR方法論，這種模型著眼于用戶的生命周期，選擇投入回報作為目標。本文就AARRR模型進行解讀和分析，討論電競游戲數據分析的方法問題。

一、AARRR模型概述

AARRR（Acquisition、Activation、Retention、Revenue、Refer）所包含的各個要素分別對應一款電競游戲的用戶生命周期的5個重要過程，即從獲取用戶（Acquisition）、提升活躍度（Activation）、提升留存率（Retention）、獲取收入（Revenue）直至最后形成自傳播（Refer）的整個流程。

AARRR模型串聯了用戶轉化、運營階段和指標體系的內容，形成一套完整的分析方法，從而在營銷和優化運營等方面發揮顯著作用。

這里采用AARRR模型，明確指出了移動電競游戲運營的兩個核心點：

（1）以用戶為中心，以完整的用戶生命周期為線索；

（2）把控產品整體的成本/收入關系，當用戶生命周期價值（LTV）遠大于用戶獲取成本（CAC），就意味著產品運營的成功。

（一）獲取用戶（Acquisition）

獲取用戶（Acquisition）這個階段的主要工作是：（1）通過各種推廣渠道，以各種方式獲取目標用戶；（2）從時間、地域、版本、推廣渠道等不同維度來拆解分析新增用戶、用戶總數及用戶增長率，組合各種維度來分析各種營銷渠道的用戶獲取的效果以及目標用戶分布；（3）對各種營銷渠道的效果進行評估，從而確定更加優化合理的投入策略，最小化用戶獲取成本（CAC）。

傳統意義上的粗獷的電競游戲數據分析和運營往往只關注用戶數量這個層次，而實際上除了關注用戶數量之外，用戶的質量對于運營者而言更為關鍵。AARRR模型旨在給出更精細化的數據運營方法，其目標是使得用戶生命周期價值（LTV）遠大于用戶獲取成本（CAC）。因此，AARRR模型體系將重心從成本轉向價值，著重給出移動電競游戲在提升用戶生命周期價值的過程中應當關注的更重要指標。也就是說，在投入成本獲取用戶后需要著重關注和提升用戶在整個生命周期中所創造的實際收入價值，從而確保獲得最大的投資回報率（ROI）。

（二）提升活躍度（Activation）

提升活躍度（Activation）階段是指新增用戶經過沉淀轉化為活躍（Activation）用戶。如果活躍用戶的絕對數量較低，或活躍用戶相對于總用戶數量的比例較低，則說明用戶的質量不高，應結合渠道等維度深入分析目標用戶群是否準確或者深入分析產品使用是否存在問題。

能否提高活躍度的一個重要因素是電競游戲產品推廣渠道的質量。選擇了好的推廣渠道就能有針對性地圈定目標人群，帶來的用戶群和游戲開發時設定的目標人群存在較大吻合度，這樣的用戶通常比較容易成為活躍用戶。此外，挑選推廣渠道時一定要先分析受眾人群。如果推廣渠道不佳，帶來的是大量的一次性用戶，嚴格意義上說，這種用戶不能算是真正的用戶。雖然這部分用戶也屬于活躍用戶，但絕大多數一次性用戶都是無效的，無法創造任何價值。

能否提高活躍度（Activation）的另一個重要的因素是電競游戲產品本身是否能在最初使用的幾十秒鐘內抓住用戶。游戲的界面效果、啟動加載時間、交互操作體驗、用戶引導等因素都將對電競用戶的活躍度產生直接影響。

（三）提高留存率（Retention）

留存率（Retention）是衡量用戶粘性和用戶質量的指標。通常保留一個老客戶的成本遠低于獲取一個新客戶的成本。開拓新用戶的同時常常有大量用戶流失，解決這個問題首先需要通過日留存率、周留存率、月留存率等指標監控應用的用戶流失情況，并采取相應的手段在用戶流失之前，激勵這些用戶繼續游戲。

（四）獲取收入（Revenue）

獲取收入（Revenue）是移動電競游戲運營最核心的一塊。收入有很多種來源，主要的形式有三種：有付費應用、應用內付費以及廣告付費。無論是哪一種來源，收入都直接或間接來自電競游戲用戶。前面提到的提高活躍度和提高留存率是獲取收入必需的基礎。從移動電競游戲的角度來看，付費轉化的設計和收益能力不單單是具備海量的用戶則就可以解決的，所以收入分析需要結合更多的數據來完成。

（五）自傳播（Refer）

社交網絡的興起使得電競游戲的運營增加了一個可觀的途徑，也稱為基于社交網絡的自傳播或“病毒式傳播”。這種途徑不僅成本低，而且有可能達到較好的運營效果。從自傳播（Refer）到再次獲取新用戶，移動電競游戲的運營形成的是一個螺旋式上升的路徑。高質量的電競游戲能很好地利用這個途徑，不斷擴大用戶群體，經歷了種子用戶的傳播后，會逐漸影響到更多的用戶，并形成群體，進而會借助微信、渠道榜單等迅速擴散開來，贏得更多用戶的關注，獲取更多的自然用戶，即非推廣的用戶群。

二、AARRR模型的全局作用

基于以上，AARRR模型著重解決三個問題，能夠完成用戶的獲取，并最終轉化為游戲用戶，需要數據衡量數量。要實現真正留下用戶，產品的體驗、內容、玩法則是根本，需要數據衡量質量。如果從AARRR模型的轉化關系來說，解決這三個問題就是回答用戶從何而來，是否喜歡游戲，留下來多少用戶，多少用戶為此而付費，是否具有較高的傳播價值等問題。這幾個問題是一個優秀的電競游戲產品走向成功所要必須回答的問題。

放眼整個游戲業務，數據分析起到橋梁的作用，在游戲研發、營銷、運營等關鍵節點上，電競游戲的數據分析都將有所衡量和提供決策支持。

[1]胡燕清,周進艷,徐孝娜．數據挖掘在移動用戶行為分析系統中的應用[J]．現代電信科技,2013(1)∶86-89．

[2]Pang Ningtan,Michael Steinbach,Vipin Kumar．數據挖掘(完整版)[M]．范明,范宏建,等譯．人民郵電出版社,2012∶3-4．

[3]陳苗,陳華平．基于Hadoop的Web日志挖掘[J]．計算機工程,2011,37(11)∶37-39．

[4]劉世平．數據挖掘技術及應用[M]．北京∶高等教育出版,2010,7．

[5]Solomon M R,Dahl D W,White K,et al．Consumer behavior∶buying,having,and being．Prentice Hall Upper Saddle River,NJ,2014．

[6]LIU Zhong．A data mining structure platform of BSCM[J]．Journal of communication and computer,2011,12(3)∶150-154．