Константин Заваров
Константин Заваров

«Игра в цифры. Как аналитика позволяет видеоиграм жить лучше», Василий Сабиров

Книга про аналитику игр, поэтому все описанное в первую очередь относится к игровому продукту.

Метрики для измерения качества игры в начальный период

Метрики для измерения качества игры в начальный период после ее запуска, при выходе на soft launch или при каждом новом обновлении.

Метрики первого дня

Метрики первой недели

Формула «40–20–10»

Средне-хорошее значение удержания 1-го дня — 40 %, 7-го дня — 20 %, 28-го дня — 10 %.

«Удержание 1-го дня говорит о первом впечатлении пользователя о проекте, его реакции на интерфейс, об удобстве приложения и соответствии ожиданиям и задачам. Кроме того, удержание 1-го дня влияет на удержание последующих дней, поэтому данному показателю стоит уделять большое внимание».

Карта метрик

Revenue — главная целевая метрика. Карта метрик описывает путь пользователя от скачивания игры до платежа в ней.

North Star Metric (NSM)

NSM — это показатель, который лучше всего отражает основную ценность продукта для пользователей.

Свойства NSM:

Возврат инвестиций

2 способа расчета ROI:

$$ \mathrm{ROI} = \frac{\mathrm{Revenue} - \mathrm{Investments}}{\mathrm{Investments}} $$$$ \mathrm{ROI} = \frac{\mathrm{Revenue}}{\mathrm{Investments}} \times 100\% $$

В первом случае инвестиции окупились, если ROI > 0. Во втором — ROI > 100 %.

Чтобы контролировать процесс и скорость возврата инвестиций, ROI принято считать в динамике за 7-й, 14-й, 30-й, 60-й, 90-й и остальные дни. Такой расчет ROI — в определенные дни — и позволяет сравнивать разные проекты, даже если вложения были сделаны не одновременно.

Aha!-момент

Момент, когда пользователь совершил в продукте действие, которое, скорее всего, сохранит его в проекте.

Схема, по которой должен проходить пользователь

Установка → активация → возвращение → совершение платежа

Виды Retention

  1. Classic Retention
  2. Rolling Retention — Rolling Retention N-го дня показывает процент пользователей, которые вернулись в приложение в день N с момента установки или позже.
  3. Full Retention — Full Retention N-го дня показывает процент пользователей, которые заходили в приложение каждый день до дня N.
  4. Return Retention — Return Retention N-го дня показывает процент пользователей, которые вернулись хотя бы один раз за N дней.
  5. Bracket-Dependent Return Retention — аналогично Return Retention, но за диапазон.

Lifetime

Lifetime показывает, через какое время пользователь покинет проект.

Lifetime можно посчитать как интеграл от функции Retention (равен площади под кривой Retention). Посчитав Lifetime по каждой из двух когорт, можно принять решение о том, лучше ли продуктовое улучшение или нет. По кривой Retention это видно не всегда.

Очевидно, что Lifetime нужно растить, тогда растет Lifetime Value, ну и как следствие — Revenue.

Метрики для оценки качества трафика

Active Users

Sticky Factor

$$ \text{Sticky Factor} = \frac{\mathrm{DAU}}{\mathrm{MAU}} \times 100\% $$

Платящие пользователи

$$ \text{Paying Share} = \frac{\text{Paying Users}}{\text{Active Users}} $$$$ \mathrm{Revenue} = \mathrm{ARPPU} \times \text{Paying Users} $$

Paying Share зависит от типа приложения, но зачастую она довольно небольшая — около 1–2 %. Считается, что медиана показателя платящих пользователей в мобильных f2p-играх составляет 1 % — то есть подавляющая часть аудитории обычно предпочитает не платить.

Виды сегментации платящих пользователей

По общей сумме платежей (% — квантили)

По количеству платежей

Важно, как минимум, разделять пользователей на тех, кто сделал один платеж, и тех, кто делал повторные платежи. Вторые приносят стабильный доход.

Также пользователей можно сегментировать по времени с момента установки.

RFM-анализ

ARPU / ARPDAU / ARPMAU

ARPU является одним из ключевых показателей монетизационной эффективности проекта и напрямую влияет на доход.

$$ \mathrm{ARPU} = \frac{\mathrm{Revenue}}{\text{Active Users}} $$$$ \mathrm{Revenue} = \mathrm{ARPU} \times \text{Active Users} $$

ARPPU

$$ \mathrm{ARPPU} = \frac{\mathrm{Revenue}}{\text{Paying Users}} $$$$ \mathrm{Revenue} = \mathrm{ARPPU} \times \text{Paying Users} $$

CARPU

$$ \mathrm{CARPU}(\text{day }N) = \frac{\mathrm{Revenue}(\text{day }N)}{\text{Users In Cohort}} $$

Уровень CARPU, когда метрика перестает увеличиваться, можно считать Lifetime Value (LTV) — средним доходом с одного пользователя за все время его жизни в проекте.

Зная накопительный ARPU проекта, будем знать, сколько денег принесет пользователь на 7-й или 30-й день в приложении или даже через 3 месяца. То есть можно рассчитывать, когда и какую сумму принесет новый пользователь.

LTV