Mau что это такое

Медицина Ответить на комментарий

Содержание

Термины DAU, WAU, MAU, PCU, ACU, ARPPU, ARPU используются для выражения статистики проекта (приложения) по посещаемости и прибыльности.

DAU – Daily Active Users (Ежедневные Активные Пользователи) — количество уникальных пользователей, которые зашли в приложение в течение суток.
WAU – Weekly Active Users (Еженедельные Активные Пользователи) — количество уникальных пользователей, которые зашли в приложение в течение недели.
MAU – Monthly Active Users (Ежемесячные Активные Пользователи) — количество уникальных пользователей, которые зашли в приложение в течение месяца.
PCU – Peak Concurrent User (Пик Пользователей Онлайн) — максимальное количество пользователей, одновременно находящихся в приложении. Измеряется за конкретный промежуток времени (в час/день/неделю/месяц/год)
ACU – Average Concurrent User (Среднее число Пользователей Онлайн) — среднее количество пользователей, одновременно находящихся в приложении. Измеряется за конкретный промежуток времени (в час/день/неделю/месяц/год)
​Прибыльность проекта
ARPPU – Average Revenue Per Paying User (Средний Счет На Платящего Пользователя) — средний доход с одного платящего пользователя. Рассчитывается по формуле: Выручка приложения / Количество пользователей, совершивших платеж.
ARPU – Average Revenue Per User (Средний Счет На Пользователя) — средних доход с пользователя. Рассчитывается по формуле: Выручка приложения / Количество всех пользователей, посетивших приложение за период полученной выручки.

Главное правило ведения проекта

Правило заключается в следующем: любые показатели веб-проекта должны считаться, заноситься в систему статистики и анализироваться.

Не имея подробной статистики о показателях своего проекта вы, без преувеличения, работаете в слепую.

Ключевые показатели проекта

KPI – ключевой показатель, который характеризует ее эффективность. Примеры KPI: доход магазина, смертность в регионе, средняя скорость тушения пожара и т.д.

Упоминание KPI часто присутствует в планах, где речь идет о постановлении некой цели и ее достижении. Пример: в декабре нужно продать товара на 1 млн рублей – это KPI по доходу.

Проекты, целью которых является улучшение мира я рассматривать не буду, а остановлюсь на коммерческих веб-проектах, проще говоря сайтах или играх

В любом коммерческом деле, будь то оффлайн или онлайн-проект, ставится задача заработать денег – это, безусловно, первый и самый значимый показатель. Второй показатель по значимости после дохода – это аудитория проекта.

Аудиторию можно сравнить с землей у крестьянина: хороший крестьянин обрабатывает всю землю и имеет с нее доход. Так же и с пользователями – нужно стремиться “использовать” каждого пользователя на благо проекта. При этом все “неокученные” пользователи – это потенциальный доход.

Основные показатели проекта:

  1. доход
  2. аудитория

Общепринятые термины для показателей аудитории и отношения аудитории к доходу:

  • DAU (Daily Active Users) – дневная аудитория – количество уникальных пользователей , посетивших проект за день.
  • WAU (Week Active Users) – недельная аудитория.
  • MAU (Month Active Users) – месячная аудитория.
  • ARPU (Average Revenue Per User) – средний счет – сколько в среднем платят пользователи (доход за время Т поделенный на количество пользователей за это же время).
  • ARPPU (Average Revenue Per Paying User) – средний счет платящего пользователя (доход за время Т поделенный на количество платящих пользователей за это же время).

Некоторые сочетания основных показателей могут дать косвенные характеристики:

  • DAU/WAU – недельный коэффициент “прилипаемости” пользователя к сервису.
  • DAU/MAU – месячный коэффициент “прилипаемости” пользователя к сервису.

И еще несколько показателей:

Возвращаемость – крайне важный параметр, показывающий то, насколько интересен и нужен проект пользователям. В самом простом случае возвращаемость может выражаться количеством пользователей, которые вернулись на N-ный день.

CTR (конверсия) – показатель кликабельности. Считается по формуле клики/показы*100%. Термин CTR пришел из мира рекламы, где он выражает, насколько эффективен баннер. Не сложно догадаться, что CTR можно применять в местах помимо баннерной рекламы.

В веб-проекте CTR помогает считать эффективность страниц регистраций, покупок товаров, кликабельность заголовков, фотографий, лайков, переходов с e-mail писем и любой другой функции, где требуется действие от пользователя. При этом оценивается отношение число посетителей сайта выполнивших действие к общему числу посетителей сайта/страницы/письма.

Гораздо больше показателей и метрик можно определить индивидуально для каждого проекта: количество регистраций, среднее количество товаров в тележке, наиболее популярные категории товаров, среднее время сессии и многие-многие другие.

Уточняйте данные и проводите анализ показателей

Безусловно, все вышеперечисленные параметры не только могут, но и должны анализироваться для каждого отдельного раздела и страницы проекта. Такое уточнение статистики позволяет не просто узнать эффективность всего проекта, но и понять причины такой эффективности, провести анализ и, само-собой, принять меры.

Срезы в аналитике

Суть “среза” заключается в том, что показатель разбивается на составляющие части. Составляющие части определены заранее, это могуть быть, например, возрастные группы пользователей. Если мы посмотрим на DAU в срезе возрастных групп, то можем понять, какую часть аудитории составляет каждая группа.

Читайте также:  Тиогамма и алкоголь совместимость

Вот некоторые примеры срезов:

  • возрастные группы
  • пол пользователей
  • группы активности пользователей (например по количеству посещений в неделю)
  • регионы (страны, города и т.п.)
  • и т.д.

Статистика как основа для планирования проектов

Помимо внесения исправлений в проект для улучшения показателей и достижения KPI, у статистических данных есть еще одно важное применение: на основе определенных показателей проекта можно планировать дальнейшие действия.

К примеру, основываясь на данных об аудитории можно прогнозировать проведение рекламных компаний. А имея данные об активности игроков, можно планировать игровой баланс будущих акций.

Этот блог описывает современные метрики стартапов: LTV, CAC, cohorts analysis, a-ha moment, churn rate, и т.д.

Subscribe to this blog

Подписаться на блог

DAU / MAU отличный способ мерять не то, что вам нужно

  • Get link
  • Facebook
  • Twitter
  • Pinterest
  • Email
  • Other Apps

Впервые я столкнулся с метриками DAU / MAU когда про них упомянули в контексте игр на facebook в далеком 2009 году. И хотя, я уверен, серьезные игроки давно уже не полагаются на эти метрики роста, тем не менее для многих маркетологов они оказались весьма привлекательными.

Сегодня мы поговорим почему эти метрики так привлекательны и опасны одновременно.

Начнем с их определения.

DAU (Daily Active Users) это сколько (уникальных) клиентов воспользовались вашим сервисом (обычно – залогинились) в конкретный день.

MAU (Monthly Active Users) это сколько (уникальных) клиентов воспользовались вашим сервисом за последний месяц (или последние 30 дней).

DAU / MAU это какой % наших (уникальных) клиентов повторно воспользовались вашим сервисом за период. Это так называемый "stickiness".

[MAU] :=
CALCULATE ( [DAU],
DATESINPERIOD ( Calendar[Dates], MIN ( Calendar[Dates] ) , -30 , DAY ) )


 Второе: многие компании закрыты и не открывают свои метрики (например ARPU или LTV). Но зато через инструменты конкурентной разведки можно относительно легко оценить объем аудитории конкурента и сравнить свои показатели роста с его показателями роста.

Собственно на этом привлекательность этих метрик и заканчивается.

Какие есть риски их использования?

(1) DAU в значительной степени волатильная метрика роста и при этом абсолютно не объясняет из-за чего происходит этот рост.

  1. это результат PR, когда несколько известных профильных изданий обратили на вас внимание?
  2. это результат маркетинга, когда из-за запуска новой маркетинговой кампании по привлечению привлекалось много "новых" клиентов?
  3. это результат маркетинга, когда из-за маркетинговой кампании по удержанию вернулось много "старых" клиентов?

Как видим факторы могут быть весьма разные.

Первый фактор роста вообще внешний (вы на него не влияли). А потому рассчитывать на устойчивость такого результата нельзя.

Второй и третий фактор роста хотя и внутренние (результат ваших усилий), однако природа этих факторов разная. А значит и устойчивость результата во времени будет разная.

(2) Часто DAU / MAU рассматривают как прокси для оценки внутреннего механизма retention вашего сервиса. Однако и это тоже не так.

Логины пользователей обычно плохо коррелируют с целевым действием. Обычно картина взрывного роста выглядит вот так.

Source: amplitude.com.

Хотя рост DAU еще продолжается, но отток уже растет значительно быстрее. А потому возврат в исходную позицию это лишь дело нескольких недель.

С одной стороны, логин как мнимое целевое действие плохо коррелирует с настоящими целевыми действиями, например с просмотром товара.

С другой стороны, компании чаще всего формируют рост за счет первых двух факторов.

Это привлечение, а привлечение обычно измеряется и оптимизируется по первому целевому действию (логин/покупка), вместо повторных целевых действий (n-й логин, m-ная покупка). Вот и получается, что эти метрики – vanity metrics.

А что вы думаете о DAU, MAU?

Более практичный подход описан мной здесь:

Если вы разрабатываете free-to-play игры, то вам наверняка интересны вопросы, связанные со сбором и анализом статистики. Почему? Потому что статистика – это важная составляющая успеха free-to-play игр.
Цель моего цикла статей – структурировать разношерстную информацию по данному вопросу, пропустить ее через призму нашего опыта и выдать рекомендации по тому,

  • какие показатели стоит отслеживать в играх;
  • какие инструменты анализа могут помочь в работе со статистикой;
  • какие сервисы сбора и анализа статистики существуют с их достоинствами и недостатками.

Успех free-to-play игр зависит от того, насколько игроки вовлечены в игру и готовы покупать внутриигровые бонусы, выводящие игру на новый уровень по экстра фичами и достижениям. Чем дольше игрок находится в игре, чем больше он думает об игре в оффлайне, тем больше шансов, что он вложит реальные деньги в свое продвижение по игре. Конечно, обеспечивать такой уровень увлекательности в играх разработчикам сложнее, чем в традиционной pay-to-play модели.

Один из секретов успеха F2P-игр заключается в том, что их дизайн должен быть основан не только на творческой составляющей и «гениальных» идеях, а в большей степени на анализе поведения игроков в игре, то есть – на реальных данных/статистике. При этом запускать F2P-игру можно (и нужно) только с частью готового контента, и управлять развитием в игре/дорабатывать контент на основе нужд игроков и популярности тех или иных фич. Такой подход называется data-driven design, или «дизайн, основанный на данных». Он представляет собой цикл, на каждой итерации которого выделяется четыре этапа, изображенных на рисунке.

Допустимый процент готовности контента в момент запуска игры зависит от жанра, концепта и т.п. Но что уж точно должно быть готово при запуске любой free-to-play игры – это мощная и гибкая система сбора и анализа статистики, а также система тестирования различных вариантов функционала/арта/баланса. При этом все показатели, которые планируется анализировать, должны быть четко спланированы, а инструменты анализа и визуализации данных – заранее выбраны, интегрированы и настроены.

Читайте также:  Марганцовка и моча

Мой цикл статей будет состоять из трех частей, в которых будут рассмотрены следующие вопросы.

  1. Основные показатели, за которыми стоит следить во free-to-play играх, и данные о поведении игроков, которые следует анализировать для улучшения этих показателей.
  2. Основные методы анализа собранных данных для принятия решений по развитию игры: сегментация пользователей, когорт анализ, «воронки» или анализ последовательностей переходов, A/B тестирование.
  3. Существующие сервисы с их достоинствами и недостатками.

Какую статистику нужно собирать в F2P-играх

По своему опыту скажу, что поначалу при работе со статистикой хочется фиксировать почти все в игре: каждый клик, каждый игровой результат и показ каждого экрана в игре. Тезис при этом может быть следующий: главное все собрать и ничего не пропустить, а разобраться можно и потом. Такой подход не работает по нескольким причинам.

  1. Анализировать огромные массивы данных – дорого: нужно привлекать много высококлассных аналитиков, которые должны обладать продвинутыми знаниями, как в статистике, так и в методах ее обработки, быть знакомыми с OLAP-кубами, алгоритмами искусственного интеллекта и т.п. То есть, чем меньше данных – тем лучше!
  2. Данные быстро устаревают, так как они зависят от проведенных маркетинговых акций, от источника привлечения игроков, от нововведений в игре и даже от времени года. Поэтому все показатели важно смотреть в режиме realtime.

Можно сильно сэкономить на анализе, если собирать только ту статистику, которая действительно важна для принятия решений по будущему развитию игры. Для этого нужно начинать планирование сбора статистики еще на этапе проработки концепта игры. Например, для своих игр мы составляем таблицу, в которой напротив каждого показателя написано, какую гипотезу он проверяет и какое улучшение может быть сделано на основе знания о нем.

Показатель Принимаемые решения
Доход по уровням и внутренним продуктам Если больше платят продвинутые игроки, значит нужно работать над тем, чтобы стимулировать покупать раньше (проанализировать потребности на ранних уровнях, снизить цены на некоторые продукты и т.д.). Если больше платят в начале игры, значит надо ввести специальные продукты для более продвинутых игроков, добавить дополнительную возможность потратить накопленную валюту.
Очки, заработанные игроками по уровням Данные помогут выставлять более адекватные цели для игроков, а также корректировать игровой баланс.
Время выполнения игровых заданий Для каждого задания есть примерная оценка, сколько игроку потребуется времени, чтобы его выполнить. Сравнивая фактическое время выполнения задания с ожидаемым, можно скорректировать параметры заданий и их последовательность.

Статистика, которая собирается в играх, условно делится на три части:

  1. бизнес-показатели;
  2. поведение игроков;
  3. техническая информация.

Сбор статистики первого типа – бизнес-показатели – наилучшим образом автоматизируется, так они на 90% одинаковы для всех F2P-игр. Существует внушительное множество аналитических сервисов, которые предоставляют удобные решения с наглядной визуализацией данных и простой интеграцией. Эти сервисы в своем большинстве платные, но без них практически не обойтись, так как изобретение «велосипедов» (самостоятельная реализация сбора бизнес показателей) несет в себе риски, лишние расходы и трату времени. Подробнее про аналитические системы читайте в третьей части цикла статей.

Пожалуй, самой сложной частью является отслеживание поведения игроков, так как эта часть, как правило, уникальна для каждой игры и требует определенных инструментов анализа (о которых будет рассказано во второй части цикла статей). Готовых решений, которые можно интегрировать в игру и тут же начать получать нужную статистику – нет. Есть компании, которым можно аутсорсить сбор и анализ статистики (например, GamesAnalytics Ltd). Но мы предпочитаем выделять на это ресурсы в самой команде разработчиков.

Техническая информация – это статистика, которая нужна для того, чтобы сделать игру более стабильной и вовремя исправлять технические проблемы игроков.

Бизнес показатели

DAU/MAU

Это показатель «увлекательности» игры, который говорит о том, сколько людей играет в игру каждый день.

  • DAU (daily active users) – это число уникальных пользователей, которые запустили игру хотя бы раз в сутки.
  • MAU (monthly active users) – это число уникальных пользователей, которые запустили игру хотя бы раз в месяц.

Величина DAU/MAU характеризует долю всех игроков, которые играют в игру каждый день. Чем выше это значение, тем больше вовлеченных игроков, тем больше шансов, что игроки будут покупать внутриигровой контент. Считается, что если DAU/MAU больше 0.2, игру можно считать успешной.

Стоит заметить, что это приблизительная оценка, так как для аккуратного подсчета возвращаемости игроков нужно четко отделять новых игроков от вернувшихся в заданные интервалы времени (обычно – ежедневно), учитывать источник трафика и проведенные акции. В детальном изучении данных вопросов помогает когорт-анализ, про который будет рассказано во второй части цикла. Данный же показатель «увлекательности» прост и дает быструю характеристику игры.

«Платящие» игроки

Важно отслеживать % «платящих» игроков, а также их демографические и другие характеристики. Зная их портрет, можно ориентироваться именно на эту аудиторию при разработке нового функционала в играх.

Приведу пример на одной из наших игр. На рисунке ниже показан процент играющих людей по возрастам и процент платящих людей среди них. Видно, что ориентироваться лучше на людей среднего возраста (35 — 54), так как именно они склонны платить.

Кроме того, важно уметь выделять «китов» среди игроков: это те люди, которые тратят много денег. Надо узнавать этих людей ближе, изучать их характерные шаблоны поведения, в каком месте отваливаются, чтобы максимально удовлетворить их потребности.

Читайте также:  Билиарный диспептический синдром

Почему «киты»? Вообще, иногда делят всех платящих игроков на «пескарей», «дельфинов» и «китов». «Пескари» тратят мало – примерно $1 в месяц. «Дельфины» – около $5, а «киты» – много. По данным Gigaom в играх Zynga, топ 20% “платящих” игроков тратят в среднем $1,100 в год ($90 в месяц).

  • ARPU — средний доход на одного игрока (считаются и платные, и бесплатные установки; показатель, как правило, вычисляется за месяц).
  • ARPPU — сколько тратят платящие игроки в среднем (то есть, стоимость игры по факту).
k-factor – коэффициент виральности

Виральность – это способ распространения информации об игре в интернете и социальных сетях от игрока к игроку. Если в игре хорошо проработаны механизмы виральности, то стоимость привлечения новых пользователей снижается. Чтобы следить за виральностью, можно использовать k-фактор.

Вычислить k-фактор можно по следующей формуле: k = X * Y, где Х – число приглашений на одного игрока, Y – процент людей, которые приняли эти приглашения, присоединившись к игре. Если k-фактор равен 0.2, то на каждого нового игрока можно получить 0.2 игроков, пришедших в игру по приглашениям (другими словами: на каждых пять новых игроков, мы получаем одного бесплатного игрока, который пришел в игру по приглашению). Понятно, что чем выше k-фактор игры, тем дешевле становится привлекать новых игроков в игру.

Анализ поведения игроков

Прогресс игроков в игре

Первое, что понадобится для анализа поведения игроков – это статистика по прогрессу игроков в игре. Для отслеживания прогресса по сценарию игры определяются контрольные точки, которые должны пройти игроки. Анализ скорости продвижения по этим точкам, параметров игроков в этих точках помогут выявить препятствия или сложности в игре, которые нужно устранить.

Сценарии первой покупки

Если игрок сделал первую покупку, то он переводится в разряд «платящих» игроков. Считается, что первая покупка – это психологический барьер, однажды преодолев который, игроки расстаются с деньгами значительно легче. Запланируйте заранее в игре последовательности действий, которые могут привести игрока к первой покупке. Отслеживайте, сколько игроков реализуют определенные вами сценарии, работайте над конверсией, улучшая интерфейс и баланс.

Туториал

Если игрок вышел из игры во время туториала, считайте, что этот игрок для вас потерян: с большой вероятностью он не вернется в игру никогда. Чтобы этого избежать, начало игры должно быть максимально срежиссировано. Нужно отслеживать каждый шаг туториала, чтобы понимать, на каком экране игрок заскучал и вышел из игры, что ему было непонятно, смог ли он обучиться, сделал ли самостоятельно первое задание.

Первое и последнее действие игрока

Может быть полезным отслеживание первого и последнего действия игрока за игровую сессию.

Первое событие задает тон всей игровой сессии. Оно может увлечь игрока и заставить провести в игре много времени. Но первое событие может и «отпугнуть» игрока, в результате чего, он закроет игру и, возможно, не вернется. Нужно сравнивать и тестировать – какие события/окна/приветствия ведут к большему времени в игре.

Последнее событие – также важно. Последним событием обычно становится именно то препятствие в игре, которое следует устранить. Если же последнее событие за игровую сессию запланировано (например, игрок находится в ожидании завершения некоторого игрового цикла), стоит сделать это событие таким, чтобы игроку хотелось зайти в игру в следующий раз.

Сбор технической статистики

Поскольку я занимаюсь разработкой мобильных игр – приведу пример, скажем, из увлекательного Android-мира.

Полезным бывает собирать статистику по техническому оснащению девайсов игроков, чтобы обеспечить стабильность игры. Например, важно знать, какие девайсы, прошивки, разрешения экранов, типы аппаратно-поддерживаемых текстур наиболее популярны среди игроков. Важно также знать, какая аппаратная конфигурация приносит наибольший доход и возвращаемость игроков (разница в доходах может отличаться на десятки процентов). Стоит сократить список поддерживаемых девайсов, если они не приносят дохода и если игра на них нестабильна. Это ко всему прочему обережет приложение от негативных отзывов в магазине.

Если в игре используется докачка ресурсов, собирайте статистику об успешной докачке, о количестве запросов на докачку, об ошибках, возникающих при докачке. Если докачка происходит до первого старта игры, то она может отпугнуть солидную часть аудитории. А если игроки не скачали игру, то уж точно не вернутся и не заплатят. Поэтому нужно позаботится о максимальной стабильности процедуры скачивания и найти занятие для игроков на время ожидания. А еще лучше – найти возможность не докачивать данные на старте, а докачивать внутри игры за дополнительное вознаграждение.

Если в игре используются офферные системы в качестве дополнительной монетизации, то имеет смысл отслеживать эффективность их работы, в том числе – проверять покрытие офферами в разных странах на разных девайсах.

Что почитать по этой теме

Немало полезной информации можно найти в документации, презентациях, статьях, подготовленных самими аналитическими сервисами. Как правило, он приводят грамотные примеры, кейсы, обоснования, показатели индустрии. Вот список сервисов, которые мне помогли разобраться с вопросом сбора и анализа статистики в играх:

Продолжение следует…

Конечно, тут перечислены самые базовые метрики, которые стоит отслеживать при разработке free-to-play игр. Но даже они уже дают немало информации для принятия решения по развитию игры.

У вас есть идеи по другим важным метрикам? Буду рада увидеть ваш комментарий!

В следующей статье я хотела бы остановиться подробно на основных методах анализа, которыми нужно владеть, чтобы извлекать действительно полезную информацию из моря данных. Основные методы, которые будут рассмотрены: сегментация пользователей, когорт-анализ (поведение групп людей во времени), «воронки» или анализ последовательностей переходов, A/B тестирование.

No related posts.

Оставьте ответ

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Mau что это такое

Медицина Ответить на комментарий

Содержание

Термины DAU, WAU, MAU, PCU, ACU, ARPPU, ARPU используются для выражения статистики проекта (приложения) по посещаемости и прибыльности.

DAU – Daily Active Users (Ежедневные Активные Пользователи) — количество уникальных пользователей, которые зашли в приложение в течение суток.
WAU – Weekly Active Users (Еженедельные Активные Пользователи) — количество уникальных пользователей, которые зашли в приложение в течение недели.
MAU – Monthly Active Users (Ежемесячные Активные Пользователи) — количество уникальных пользователей, которые зашли в приложение в течение месяца.
PCU – Peak Concurrent User (Пик Пользователей Онлайн) — максимальное количество пользователей, одновременно находящихся в приложении. Измеряется за конкретный промежуток времени (в час/день/неделю/месяц/год)
ACU – Average Concurrent User (Среднее число Пользователей Онлайн) — среднее количество пользователей, одновременно находящихся в приложении. Измеряется за конкретный промежуток времени (в час/день/неделю/месяц/год)
​Прибыльность проекта
ARPPU – Average Revenue Per Paying User (Средний Счет На Платящего Пользователя) — средний доход с одного платящего пользователя. Рассчитывается по формуле: Выручка приложения / Количество пользователей, совершивших платеж.
ARPU – Average Revenue Per User (Средний Счет На Пользователя) — средних доход с пользователя. Рассчитывается по формуле: Выручка приложения / Количество всех пользователей, посетивших приложение за период полученной выручки.

Главное правило ведения проекта

Правило заключается в следующем: любые показатели веб-проекта должны считаться, заноситься в систему статистики и анализироваться.

Не имея подробной статистики о показателях своего проекта вы, без преувеличения, работаете в слепую.

Ключевые показатели проекта

KPI – ключевой показатель, который характеризует ее эффективность. Примеры KPI: доход магазина, смертность в регионе, средняя скорость тушения пожара и т.д.

Упоминание KPI часто присутствует в планах, где речь идет о постановлении некой цели и ее достижении. Пример: в декабре нужно продать товара на 1 млн рублей – это KPI по доходу.

Проекты, целью которых является улучшение мира я рассматривать не буду, а остановлюсь на коммерческих веб-проектах, проще говоря сайтах или играх

В любом коммерческом деле, будь то оффлайн или онлайн-проект, ставится задача заработать денег – это, безусловно, первый и самый значимый показатель. Второй показатель по значимости после дохода – это аудитория проекта.

Аудиторию можно сравнить с землей у крестьянина: хороший крестьянин обрабатывает всю землю и имеет с нее доход. Так же и с пользователями – нужно стремиться “использовать” каждого пользователя на благо проекта. При этом все “неокученные” пользователи – это потенциальный доход.

Основные показатели проекта:

  1. доход
  2. аудитория

Общепринятые термины для показателей аудитории и отношения аудитории к доходу:

  • DAU (Daily Active Users) – дневная аудитория – количество уникальных пользователей , посетивших проект за день.
  • WAU (Week Active Users) – недельная аудитория.
  • MAU (Month Active Users) – месячная аудитория.
  • ARPU (Average Revenue Per User) – средний счет – сколько в среднем платят пользователи (доход за время Т поделенный на количество пользователей за это же время).
  • ARPPU (Average Revenue Per Paying User) – средний счет платящего пользователя (доход за время Т поделенный на количество платящих пользователей за это же время).

Некоторые сочетания основных показателей могут дать косвенные характеристики:

  • DAU/WAU – недельный коэффициент “прилипаемости” пользователя к сервису.
  • DAU/MAU – месячный коэффициент “прилипаемости” пользователя к сервису.

И еще несколько показателей:

Возвращаемость – крайне важный параметр, показывающий то, насколько интересен и нужен проект пользователям. В самом простом случае возвращаемость может выражаться количеством пользователей, которые вернулись на N-ный день.

CTR (конверсия) – показатель кликабельности. Считается по формуле клики/показы*100%. Термин CTR пришел из мира рекламы, где он выражает, насколько эффективен баннер. Не сложно догадаться, что CTR можно применять в местах помимо баннерной рекламы.

В веб-проекте CTR помогает считать эффективность страниц регистраций, покупок товаров, кликабельность заголовков, фотографий, лайков, переходов с e-mail писем и любой другой функции, где требуется действие от пользователя. При этом оценивается отношение число посетителей сайта выполнивших действие к общему числу посетителей сайта/страницы/письма.

Гораздо больше показателей и метрик можно определить индивидуально для каждого проекта: количество регистраций, среднее количество товаров в тележке, наиболее популярные категории товаров, среднее время сессии и многие-многие другие.

Уточняйте данные и проводите анализ показателей

Безусловно, все вышеперечисленные параметры не только могут, но и должны анализироваться для каждого отдельного раздела и страницы проекта. Такое уточнение статистики позволяет не просто узнать эффективность всего проекта, но и понять причины такой эффективности, провести анализ и, само-собой, принять меры.

Срезы в аналитике

Суть “среза” заключается в том, что показатель разбивается на составляющие части. Составляющие части определены заранее, это могуть быть, например, возрастные группы пользователей. Если мы посмотрим на DAU в срезе возрастных групп, то можем понять, какую часть аудитории составляет каждая группа.

Читайте также:  Глубина влагалища собаки

Вот некоторые примеры срезов:

  • возрастные группы
  • пол пользователей
  • группы активности пользователей (например по количеству посещений в неделю)
  • регионы (страны, города и т.п.)
  • и т.д.

Статистика как основа для планирования проектов

Помимо внесения исправлений в проект для улучшения показателей и достижения KPI, у статистических данных есть еще одно важное применение: на основе определенных показателей проекта можно планировать дальнейшие действия.

К примеру, основываясь на данных об аудитории можно прогнозировать проведение рекламных компаний. А имея данные об активности игроков, можно планировать игровой баланс будущих акций.

Этот блог описывает современные метрики стартапов: LTV, CAC, cohorts analysis, a-ha moment, churn rate, и т.д.

Subscribe to this blog

Подписаться на блог

DAU / MAU отличный способ мерять не то, что вам нужно

  • Get link
  • Facebook
  • Twitter
  • Pinterest
  • Email
  • Other Apps

Впервые я столкнулся с метриками DAU / MAU когда про них упомянули в контексте игр на facebook в далеком 2009 году. И хотя, я уверен, серьезные игроки давно уже не полагаются на эти метрики роста, тем не менее для многих маркетологов они оказались весьма привлекательными.

Сегодня мы поговорим почему эти метрики так привлекательны и опасны одновременно.

Начнем с их определения.

DAU (Daily Active Users) это сколько (уникальных) клиентов воспользовались вашим сервисом (обычно – залогинились) в конкретный день.

MAU (Monthly Active Users) это сколько (уникальных) клиентов воспользовались вашим сервисом за последний месяц (или последние 30 дней).

DAU / MAU это какой % наших (уникальных) клиентов повторно воспользовались вашим сервисом за период. Это так называемый "stickiness".

[MAU] :=
CALCULATE ( [DAU],
DATESINPERIOD ( Calendar[Dates], MIN ( Calendar[Dates] ) , -30 , DAY ) )


 Второе: многие компании закрыты и не открывают свои метрики (например ARPU или LTV). Но зато через инструменты конкурентной разведки можно относительно легко оценить объем аудитории конкурента и сравнить свои показатели роста с его показателями роста.

Собственно на этом привлекательность этих метрик и заканчивается.

Какие есть риски их использования?

(1) DAU в значительной степени волатильная метрика роста и при этом абсолютно не объясняет из-за чего происходит этот рост.

  1. это результат PR, когда несколько известных профильных изданий обратили на вас внимание?
  2. это результат маркетинга, когда из-за запуска новой маркетинговой кампании по привлечению привлекалось много "новых" клиентов?
  3. это результат маркетинга, когда из-за маркетинговой кампании по удержанию вернулось много "старых" клиентов?

Как видим факторы могут быть весьма разные.

Первый фактор роста вообще внешний (вы на него не влияли). А потому рассчитывать на устойчивость такого результата нельзя.

Второй и третий фактор роста хотя и внутренние (результат ваших усилий), однако природа этих факторов разная. А значит и устойчивость результата во времени будет разная.

(2) Часто DAU / MAU рассматривают как прокси для оценки внутреннего механизма retention вашего сервиса. Однако и это тоже не так.

Логины пользователей обычно плохо коррелируют с целевым действием. Обычно картина взрывного роста выглядит вот так.

Source: amplitude.com.

Хотя рост DAU еще продолжается, но отток уже растет значительно быстрее. А потому возврат в исходную позицию это лишь дело нескольких недель.

С одной стороны, логин как мнимое целевое действие плохо коррелирует с настоящими целевыми действиями, например с просмотром товара.

С другой стороны, компании чаще всего формируют рост за счет первых двух факторов.

Это привлечение, а привлечение обычно измеряется и оптимизируется по первому целевому действию (логин/покупка), вместо повторных целевых действий (n-й логин, m-ная покупка). Вот и получается, что эти метрики – vanity metrics.

А что вы думаете о DAU, MAU?

Более практичный подход описан мной здесь:

Если вы разрабатываете free-to-play игры, то вам наверняка интересны вопросы, связанные со сбором и анализом статистики. Почему? Потому что статистика – это важная составляющая успеха free-to-play игр.
Цель моего цикла статей – структурировать разношерстную информацию по данному вопросу, пропустить ее через призму нашего опыта и выдать рекомендации по тому,

  • какие показатели стоит отслеживать в играх;
  • какие инструменты анализа могут помочь в работе со статистикой;
  • какие сервисы сбора и анализа статистики существуют с их достоинствами и недостатками.

Успех free-to-play игр зависит от того, насколько игроки вовлечены в игру и готовы покупать внутриигровые бонусы, выводящие игру на новый уровень по экстра фичами и достижениям. Чем дольше игрок находится в игре, чем больше он думает об игре в оффлайне, тем больше шансов, что он вложит реальные деньги в свое продвижение по игре. Конечно, обеспечивать такой уровень увлекательности в играх разработчикам сложнее, чем в традиционной pay-to-play модели.

Один из секретов успеха F2P-игр заключается в том, что их дизайн должен быть основан не только на творческой составляющей и «гениальных» идеях, а в большей степени на анализе поведения игроков в игре, то есть – на реальных данных/статистике. При этом запускать F2P-игру можно (и нужно) только с частью готового контента, и управлять развитием в игре/дорабатывать контент на основе нужд игроков и популярности тех или иных фич. Такой подход называется data-driven design, или «дизайн, основанный на данных». Он представляет собой цикл, на каждой итерации которого выделяется четыре этапа, изображенных на рисунке.

Допустимый процент готовности контента в момент запуска игры зависит от жанра, концепта и т.п. Но что уж точно должно быть готово при запуске любой free-to-play игры – это мощная и гибкая система сбора и анализа статистики, а также система тестирования различных вариантов функционала/арта/баланса. При этом все показатели, которые планируется анализировать, должны быть четко спланированы, а инструменты анализа и визуализации данных – заранее выбраны, интегрированы и настроены.

Читайте также:  Нашатырный спирт попал в глаза что делать

Мой цикл статей будет состоять из трех частей, в которых будут рассмотрены следующие вопросы.

  1. Основные показатели, за которыми стоит следить во free-to-play играх, и данные о поведении игроков, которые следует анализировать для улучшения этих показателей.
  2. Основные методы анализа собранных данных для принятия решений по развитию игры: сегментация пользователей, когорт анализ, «воронки» или анализ последовательностей переходов, A/B тестирование.
  3. Существующие сервисы с их достоинствами и недостатками.

Какую статистику нужно собирать в F2P-играх

По своему опыту скажу, что поначалу при работе со статистикой хочется фиксировать почти все в игре: каждый клик, каждый игровой результат и показ каждого экрана в игре. Тезис при этом может быть следующий: главное все собрать и ничего не пропустить, а разобраться можно и потом. Такой подход не работает по нескольким причинам.

  1. Анализировать огромные массивы данных – дорого: нужно привлекать много высококлассных аналитиков, которые должны обладать продвинутыми знаниями, как в статистике, так и в методах ее обработки, быть знакомыми с OLAP-кубами, алгоритмами искусственного интеллекта и т.п. То есть, чем меньше данных – тем лучше!
  2. Данные быстро устаревают, так как они зависят от проведенных маркетинговых акций, от источника привлечения игроков, от нововведений в игре и даже от времени года. Поэтому все показатели важно смотреть в режиме realtime.

Можно сильно сэкономить на анализе, если собирать только ту статистику, которая действительно важна для принятия решений по будущему развитию игры. Для этого нужно начинать планирование сбора статистики еще на этапе проработки концепта игры. Например, для своих игр мы составляем таблицу, в которой напротив каждого показателя написано, какую гипотезу он проверяет и какое улучшение может быть сделано на основе знания о нем.

Показатель Принимаемые решения
Доход по уровням и внутренним продуктам Если больше платят продвинутые игроки, значит нужно работать над тем, чтобы стимулировать покупать раньше (проанализировать потребности на ранних уровнях, снизить цены на некоторые продукты и т.д.). Если больше платят в начале игры, значит надо ввести специальные продукты для более продвинутых игроков, добавить дополнительную возможность потратить накопленную валюту.
Очки, заработанные игроками по уровням Данные помогут выставлять более адекватные цели для игроков, а также корректировать игровой баланс.
Время выполнения игровых заданий Для каждого задания есть примерная оценка, сколько игроку потребуется времени, чтобы его выполнить. Сравнивая фактическое время выполнения задания с ожидаемым, можно скорректировать параметры заданий и их последовательность.

Статистика, которая собирается в играх, условно делится на три части:

  1. бизнес-показатели;
  2. поведение игроков;
  3. техническая информация.

Сбор статистики первого типа – бизнес-показатели – наилучшим образом автоматизируется, так они на 90% одинаковы для всех F2P-игр. Существует внушительное множество аналитических сервисов, которые предоставляют удобные решения с наглядной визуализацией данных и простой интеграцией. Эти сервисы в своем большинстве платные, но без них практически не обойтись, так как изобретение «велосипедов» (самостоятельная реализация сбора бизнес показателей) несет в себе риски, лишние расходы и трату времени. Подробнее про аналитические системы читайте в третьей части цикла статей.

Пожалуй, самой сложной частью является отслеживание поведения игроков, так как эта часть, как правило, уникальна для каждой игры и требует определенных инструментов анализа (о которых будет рассказано во второй части цикла статей). Готовых решений, которые можно интегрировать в игру и тут же начать получать нужную статистику – нет. Есть компании, которым можно аутсорсить сбор и анализ статистики (например, GamesAnalytics Ltd). Но мы предпочитаем выделять на это ресурсы в самой команде разработчиков.

Техническая информация – это статистика, которая нужна для того, чтобы сделать игру более стабильной и вовремя исправлять технические проблемы игроков.

Бизнес показатели

DAU/MAU

Это показатель «увлекательности» игры, который говорит о том, сколько людей играет в игру каждый день.

  • DAU (daily active users) – это число уникальных пользователей, которые запустили игру хотя бы раз в сутки.
  • MAU (monthly active users) – это число уникальных пользователей, которые запустили игру хотя бы раз в месяц.

Величина DAU/MAU характеризует долю всех игроков, которые играют в игру каждый день. Чем выше это значение, тем больше вовлеченных игроков, тем больше шансов, что игроки будут покупать внутриигровой контент. Считается, что если DAU/MAU больше 0.2, игру можно считать успешной.

Стоит заметить, что это приблизительная оценка, так как для аккуратного подсчета возвращаемости игроков нужно четко отделять новых игроков от вернувшихся в заданные интервалы времени (обычно – ежедневно), учитывать источник трафика и проведенные акции. В детальном изучении данных вопросов помогает когорт-анализ, про который будет рассказано во второй части цикла. Данный же показатель «увлекательности» прост и дает быструю характеристику игры.

«Платящие» игроки

Важно отслеживать % «платящих» игроков, а также их демографические и другие характеристики. Зная их портрет, можно ориентироваться именно на эту аудиторию при разработке нового функционала в играх.

Приведу пример на одной из наших игр. На рисунке ниже показан процент играющих людей по возрастам и процент платящих людей среди них. Видно, что ориентироваться лучше на людей среднего возраста (35 — 54), так как именно они склонны платить.

Кроме того, важно уметь выделять «китов» среди игроков: это те люди, которые тратят много денег. Надо узнавать этих людей ближе, изучать их характерные шаблоны поведения, в каком месте отваливаются, чтобы максимально удовлетворить их потребности.

Читайте также:  Марганцовка и моча

Почему «киты»? Вообще, иногда делят всех платящих игроков на «пескарей», «дельфинов» и «китов». «Пескари» тратят мало – примерно $1 в месяц. «Дельфины» – около $5, а «киты» – много. По данным Gigaom в играх Zynga, топ 20% “платящих” игроков тратят в среднем $1,100 в год ($90 в месяц).

  • ARPU — средний доход на одного игрока (считаются и платные, и бесплатные установки; показатель, как правило, вычисляется за месяц).
  • ARPPU — сколько тратят платящие игроки в среднем (то есть, стоимость игры по факту).
k-factor – коэффициент виральности

Виральность – это способ распространения информации об игре в интернете и социальных сетях от игрока к игроку. Если в игре хорошо проработаны механизмы виральности, то стоимость привлечения новых пользователей снижается. Чтобы следить за виральностью, можно использовать k-фактор.

Вычислить k-фактор можно по следующей формуле: k = X * Y, где Х – число приглашений на одного игрока, Y – процент людей, которые приняли эти приглашения, присоединившись к игре. Если k-фактор равен 0.2, то на каждого нового игрока можно получить 0.2 игроков, пришедших в игру по приглашениям (другими словами: на каждых пять новых игроков, мы получаем одного бесплатного игрока, который пришел в игру по приглашению). Понятно, что чем выше k-фактор игры, тем дешевле становится привлекать новых игроков в игру.

Анализ поведения игроков

Прогресс игроков в игре

Первое, что понадобится для анализа поведения игроков – это статистика по прогрессу игроков в игре. Для отслеживания прогресса по сценарию игры определяются контрольные точки, которые должны пройти игроки. Анализ скорости продвижения по этим точкам, параметров игроков в этих точках помогут выявить препятствия или сложности в игре, которые нужно устранить.

Сценарии первой покупки

Если игрок сделал первую покупку, то он переводится в разряд «платящих» игроков. Считается, что первая покупка – это психологический барьер, однажды преодолев который, игроки расстаются с деньгами значительно легче. Запланируйте заранее в игре последовательности действий, которые могут привести игрока к первой покупке. Отслеживайте, сколько игроков реализуют определенные вами сценарии, работайте над конверсией, улучшая интерфейс и баланс.

Туториал

Если игрок вышел из игры во время туториала, считайте, что этот игрок для вас потерян: с большой вероятностью он не вернется в игру никогда. Чтобы этого избежать, начало игры должно быть максимально срежиссировано. Нужно отслеживать каждый шаг туториала, чтобы понимать, на каком экране игрок заскучал и вышел из игры, что ему было непонятно, смог ли он обучиться, сделал ли самостоятельно первое задание.

Первое и последнее действие игрока

Может быть полезным отслеживание первого и последнего действия игрока за игровую сессию.

Первое событие задает тон всей игровой сессии. Оно может увлечь игрока и заставить провести в игре много времени. Но первое событие может и «отпугнуть» игрока, в результате чего, он закроет игру и, возможно, не вернется. Нужно сравнивать и тестировать – какие события/окна/приветствия ведут к большему времени в игре.

Последнее событие – также важно. Последним событием обычно становится именно то препятствие в игре, которое следует устранить. Если же последнее событие за игровую сессию запланировано (например, игрок находится в ожидании завершения некоторого игрового цикла), стоит сделать это событие таким, чтобы игроку хотелось зайти в игру в следующий раз.

Сбор технической статистики

Поскольку я занимаюсь разработкой мобильных игр – приведу пример, скажем, из увлекательного Android-мира.

Полезным бывает собирать статистику по техническому оснащению девайсов игроков, чтобы обеспечить стабильность игры. Например, важно знать, какие девайсы, прошивки, разрешения экранов, типы аппаратно-поддерживаемых текстур наиболее популярны среди игроков. Важно также знать, какая аппаратная конфигурация приносит наибольший доход и возвращаемость игроков (разница в доходах может отличаться на десятки процентов). Стоит сократить список поддерживаемых девайсов, если они не приносят дохода и если игра на них нестабильна. Это ко всему прочему обережет приложение от негативных отзывов в магазине.

Если в игре используется докачка ресурсов, собирайте статистику об успешной докачке, о количестве запросов на докачку, об ошибках, возникающих при докачке. Если докачка происходит до первого старта игры, то она может отпугнуть солидную часть аудитории. А если игроки не скачали игру, то уж точно не вернутся и не заплатят. Поэтому нужно позаботится о максимальной стабильности процедуры скачивания и найти занятие для игроков на время ожидания. А еще лучше – найти возможность не докачивать данные на старте, а докачивать внутри игры за дополнительное вознаграждение.

Если в игре используются офферные системы в качестве дополнительной монетизации, то имеет смысл отслеживать эффективность их работы, в том числе – проверять покрытие офферами в разных странах на разных девайсах.

Что почитать по этой теме

Немало полезной информации можно найти в документации, презентациях, статьях, подготовленных самими аналитическими сервисами. Как правило, он приводят грамотные примеры, кейсы, обоснования, показатели индустрии. Вот список сервисов, которые мне помогли разобраться с вопросом сбора и анализа статистики в играх:

Продолжение следует…

Конечно, тут перечислены самые базовые метрики, которые стоит отслеживать при разработке free-to-play игр. Но даже они уже дают немало информации для принятия решения по развитию игры.

У вас есть идеи по другим важным метрикам? Буду рада увидеть ваш комментарий!

В следующей статье я хотела бы остановиться подробно на основных методах анализа, которыми нужно владеть, чтобы извлекать действительно полезную информацию из моря данных. Основные методы, которые будут рассмотрены: сегментация пользователей, когорт-анализ (поведение групп людей во времени), «воронки» или анализ последовательностей переходов, A/B тестирование.

No related posts.

Оставьте ответ

Ваш адрес email не будет опубликован. Обязательные поля помечены *