如果一家公司有了数据分析体系，就能更有效率的支持业务。作为一名分析师，如何构建自己的分析体系，让自己的数据分析结果，成为可以切实推动业务发展的驱动力呢？

首先，可以翻看我之前整理过的以下三篇文章：

数据分析的价值数据分析的流程关键的数据指标

现在，我以用户和收入相关因素拆解指标的两个案例为例，来梳理我在分析过程中是如何通过相关因素拆解来做数据分析的。

一、通过相关因素拆解来分析

▍版本更新

版本更新效果好不好，主要看两个数据：人数&收入。

人数和收入有没有增加以及增加了多少是运营最关心的问题。那么由人数和收入展开来分析，就有很多细分的维度。

比如：

1. 活跃用户人数上涨

o 是新用户涨了还是老用户涨了？

o 如果是新用户，那么是广告带来的还是自然增长的？

o 广告带来的用户和自然新增的用户留存率是多少？

o 对比可分析出广告用户的质量，广告带来的用户CPL和ROI是多少？多久能收回成本？

o 自然新增用户是否有除了版本以外的运营活动刺激？

o 如果有，和历次活动效果对比有哪些差异？

o 老用户里面，有多少是活跃的老用户？有多少是流失回归的老用户？回归率是多少？

o 跟之前短信召回、版本相比，回归率是否有提升？

2. 收入数据提升

o 收入的构成结构是怎样的？

o 如果是时长收费游戏，看时长和道具收入的比重分别为多少？

o 道具这块，看道具收入的排名，哪个道具、礼包最受用户青睐？

o 除了人数和收入，版本更新的内容也值得去分析，例如新的职业、新的玩法、新的任务和副本用户的参与度，或者更为系统的分析，例如用户消耗了这个版本的多少内容。比如说，如果一个版本预设用户可以体验一个月，结果更新14天的时候，就有 部分用户体验到了80%的内容，说明用户比较“肝”，针对这个情况，就可以加快更新进度了。

▍漏斗转化

这是某游戏在某渠道上线第一天的数据，可以按照漏斗拆解用户指标：

左边是每一个环节的转化情况，右边是整体的转化情况，从左边每一步环节转化，可以看出从点击到下载，以及从下载到安装的转化率很低，损失了一半的转化，这个时候就可以针对这个环节去查找原因，比如是不是客户端包体太大，网络异常，还是因为下载完成后没有提醒安装等等。

从整个环境来看，从点击广告进入游戏的转化率只有9.8%，付费转化率只有0.5%，也就是说10万个用户点击广告，最终进入游戏的用户只有9800人，最终付费的只有500人。

假设一个点击成本是1元（为什么我假设1元？关于点击成本，不同的游戏，不同的渠道不一样，几毛钱的也有过，几块钱的也有过，这里假设就1元），那么10次点击消耗10万元，付费的这500人的arpu做到200元可以回本（不考虑渠道分成）。假设渠道分成比例是50%，那么付费用户的arpu要做到400元才能回本。400元的arppu，就有些难度了。

二、主要的分析框架及方法

数据分析体系里面，除了有数据指标，还有分析框架和方法。

▍分析框架

无论是个人还是公司，均可以通过常用的框架来完善数据分析，这就是框架的作用。

这里先介绍几个常用的框架：用户行为理论、5W1H分析法、AARRR模型、PRAPA模型、RFM模型。

1. 用户行为理论

我们有一款游戏，是在官网上进行了激活码售卖，只有先购买激活码才能成功登陆游戏。

那么，根据用户在官网购买激活码的行为，会有几个步骤转化，这几个步骤能对应到市场营销的5A模型，也能对应到用户的行为理论。

用户首先是要先打开官网引导页，用户能找到这个网页，说明他了解这个网站，可以观测的指标有网站的UV，有多少人浏览了，PV浏览了多少次，以及访问来源，这些用户是从哪些渠道进来的，是百度搜索，还是其他媒体。

其次，在官网引导页里面有进入官网的按钮，点击这一步进来的人，说明他被吸引了，他是喜欢的，他对这个活动是有兴趣的，可以观测的指标有页面平均停留时长、跳出率、页面偏好，搜测热词等，可以观测用户对官网的哪一块内容有兴趣。

在官网页面中，如果点击且进入了激活码购买页面，说明用户想进一步了解，想购买激活码，可以观测的指标有注册用户数、登陆用户数，因为用户在购买之前需要注册账号。

当用户支付购买了激活码，说明用户行动了，可以观测的指标有购买激活码的订单数量，用户转化率。

最后，购买激活码的用户可以进入游戏了，如果他们认为游戏好玩，会拥护这款游戏，会推荐给其他人，可以观测的指标有活跃用户数（区分日活、周活、月活），活跃用户比例，留存率、流失率。

2. 5W1H

我们从5W1H的分析思路去梳理流失原因的话，流程如下：

What，发生了用户流失；

o Who，是谁流失了，是新用户流失，还是老用户流失；是学生，还是上班族其他职业的用户流失，游戏中哪个职业更容易流失；

o Where，在哪里流失的，是在哪个地图流失的、哪个地域流失的；

o When，什么时候流失，是新手期、中期还是高级期；

o Why，是为什么流失呢，是因为游戏有卡点，任务不会做，还是副本打不过，还是社会关系薄弱，没有朋友一起玩；

o How，用户流失了，怎么办，来个版本更新吧，或者活动来弥补版本的缺陷吧。

3. AARRR模型

这个模型是硅谷的一个风险投资人在2008年创建的，也叫海盗模型，在我看来，这个模型跟端游时代的prapa模型有一些相似之处。

在游戏里面，第一步是获取用户，获取之后要让用户登陆游戏在游戏中活跃，活跃后可能会留存下来，留存下来之后，可能会付费，就会产生收入，如果成为忠实用户后可能会推荐给他的朋友，这个模型的最后一步就是推荐。

这个步骤也是用户的行为模型，每一步都会很多点可以分析，可以优化。

其实将这个模型倒过来看，就是一个漏斗图，看哪个环节转化低了，可以针对性的找原因。

4. Prapa模型

这个模型是我们公司在2003年的时候向行业推出的，通过这个模型，可以完整地了解一款网络产品投入/产出的关系。

P－promotion：投入（包括市场费用、运维费用、销售费用、其他费用等）

R－register：注册用户

A－active:活跃用户

P－pay：付费用户

A－ARPU：用户消费额

5. RFM模型

RFM模型是用户价值模型，是衡量客户价值和客户创利能力的重要工具和手段，就是根据用户活跃程度和交易金额的贡献，进行用户价值细分的一种方法。

主要有三个指标：

R - 最近一次充值时间

F - 充值频率

M - 充值金额

将用户分为“重要价值、重要发展、重要挽留、一般价值”四大类。

RFM模型可以参考用户价值数据，设计出用户积分活动，构建用户权益体系，尊享福利社，维持当前状态并做好流失预警。

除此之外，分析的方法有很多种，在之前的文章中，我例举了14种常用的分析方法

，大家可以直接点击翻看。

三、数据分析师的技能

作为一名分析师，要构建自己的分析体系，让自己的数据分析结果，成为可以切实推动业务发展的驱动力需要具备以下综合能力，这个综合能力包含数据思维（就是定量化的思维方式）、业务理解能力（需要不断学习和积累）、数据分析的工具（都会使用哪些工具）、分析方法和模型、可视化的技能、报告撰写。有好的分析结论，也要能输出出来。

分析师的这些技能很难面面俱到，但需要有自己擅长的技能。比如，偏业务方向的分析师，需要了解游戏，有从制作游戏角度考虑问题而不是玩家角度的思考方式，熟悉各种分析方法，能高效输出分析报告；偏技术方向的分析师，需要熟悉多类算法模型等。

如果你认为我写的对你有帮助，不妨关注微信公众号“数据驱动游戏”。