本文為GRG游戲研究組翻譯，詳細介紹了要如何從時間變化、再付費，以及玩家轉(zhuǎn)化幾個方面，對付費用戶進行分析。

為了更好的了解用戶的行為，了解付費用戶的需求和分布，我們需要特別的分析方法和報告。今天我們將要談談RFM分析，就是一種了解付費用戶結(jié)構(gòu)的基本方法。RFM的意思是：

R-Recency(近期)-最后一次購買是多久以前;

F-Frequency(頻率)-購買頻率是多少

M-Monetary(消費)-長期以來的購買總量

現(xiàn)在我們給每個付費用戶的對應參數(shù)打上3個標記。規(guī)則如下，以三點量表作為用戶評估的理論依據(jù)(相對而言：很好，一般，不好)，但是在實踐中我們往往會面對五點量表甚至十點量表用于RFM分析。為了看起來簡單直觀一些，讓我們先看看三點量表系統(tǒng)的例子：

R=1，距用戶最后一次支付已經(jīng)過了很長一段時間;

R=2，距用戶上次支付的時間相對較短;

R=3，用戶最近才進行過支付

F=1，用戶很少支付;

F=2，用戶支付比較規(guī)律;

F=3，用戶經(jīng)常支付;

M=1，所有玩家的支付總和很少;

M=2，對項目來說玩家的支付水平適中;

M=3，玩家支付額巨大

當然，問題出現(xiàn)了：如何理解這種情況下的很久以前/最近，經(jīng)常/很少 以及 多/少?？梢詮膬煞矫婊卮疬@個問題：

1.專家評估。沒人比我們更了解自己的項目。因此，我們可以自己定義 “很久以前”和“最近” 以及 “多”和“少”。比方說，“很久以前”是指一個月以前，“很少”是指每月一次或更少，“少”是指在整個充值歷史中小于100盧布。

2.分位數(shù)和四分位數(shù)。讓我們回到數(shù)理統(tǒng)計。根據(jù)其中一個參數(shù)整理我們的用戶(比如，期間支付的總數(shù))，比如，所有付費用戶中將排名前5%的用戶定義為“多”。恭喜，我們已經(jīng)獲得了5%分位數(shù)的用戶示例。我們還可以采用四分位數(shù)(四分位數(shù)=25%分位數(shù)的水平)，評估第一個四分位數(shù)為“多”，最后的為“少”，以及它們之間的平均付款數(shù)。盡管如此，如果覺得即使使用分位數(shù)和四分位數(shù)仍不能進行主觀的評估，可以回頭再看看“專家評估”。

不管怎樣，花一點時間在Excel(或其他地方)，我們可以給每個用戶的“近期”“頻率”以及“消費總量”打上記號。

現(xiàn)在，到最有趣的部分了。

我們可以看看這些記號是如何分布在付費用戶及其他用戶。這可以幫助我們區(qū)分付費用戶和制定更高效的營銷策略，從而提高營收。

一個簡單的例子

近期有付費，但是很少(或者只有一次付費)---新的付費用戶。這該怎么做呢?當然是表達我們的感激之情。我們的目標是刺激他們繼續(xù)購買。很多調(diào)查研究指出，重復購買以及規(guī)律性的付費可以給APP帶來上百萬美元的營收。

近期有付費而且經(jīng)常付費---忠實用戶。他們不需要額外的刺激，但我們可以找到一種方法去感謝他們的忠誠(意想不到的獎勵，驚喜，或者簡單的一句“感謝”---這些都很有用)。

經(jīng)常付費，但是已經(jīng)是在很久以前了---忠實用戶即將流失。話說，這些錢正在從我們指縫中溜走。我們的目的是提醒他們。有時候一個信息推送也許就夠了;或者我們可以跟這些用戶進行溝通，了解為什么他們離開了。

很少付費并且已經(jīng)是在很久以前了---流失的用戶。這些并不是忠實用戶。我們可以建議他們有所行動---對我們來說也許并不是有利可圖---但這可以幫我們挽回用戶并刺激他們繼續(xù)消費。從另一方面來看，我們至少可以嘗試尋找用戶流失的原因，通過反饋來調(diào)整我們的產(chǎn)品。

想象一下下面的案例。

1.項目X想提高其收入;

2.通過RFM分析，表明：

忠實用戶的流失現(xiàn)象比較嚴重;

絕大多數(shù)用戶都只有一次付費

3.他們介紹到，一些項目可以識別用戶在“僅有一次購買”停留時間過長的狀態(tài)或者忠實用戶停止付費的狀態(tài)。在這種時候，我們可以試著給用戶一個“難以拒絕的條件”(特別活動、打折扣等，在用戶登錄之后通過信息推送彈出窗口通知);

4.重復購買的比例上升，更多的忠實用戶留存下來。

5.利潤。

這兩個例子討論到的關(guān)于操作的參數(shù)只有兩個：近期因素，頻率因素。

將貨幣參數(shù)添加到報告中可以讓我們看到每個用戶的付款數(shù)量。

除此之外，我們還可以進行基于用戶數(shù)量的分析或營收的分析。

另外，我們還可以查看 營收-近期 的效果(用戶付了多少錢，是多久以前支付的)，以及 營收-頻率 的效果(用戶付了多少錢，他們支付的頻率是怎樣的)。

最簡單的方法是給分析框架中的付費用戶分配一個參數(shù)，從而區(qū)分用戶和支付時間(長期-最近)，頻率(經(jīng)常-有時-很少)，總額(多-普通-少)。

特別要指出的是，分析F2P游戲中付費玩家的規(guī)模一般會將他們比作海洋深處的生物：

鯨魚---付費很多的用戶;

海豚---付費一般的用戶;

小魚---付費很少的用戶。

我們在這里討論的不僅僅只是一個付款金額，而是用戶在支付歷史中總體金額的累積。大的分化，平均金額和小金額的相關(guān)分析應再次基于專家評估。

通過分析每一部分的用戶數(shù)量和每一部分帶來的營收總數(shù)，我們可以知道哪些措施可以幫我們獲得更大的利潤。是降低價格、提高價格、還是關(guān)注大R用戶的留存?

借助一些數(shù)據(jù)分析工具，我們可以根據(jù)支付總量將用戶分類，從“大鯨魚”到“小魚”分為5個級別。特別要指出的是，通過舉例表明，帶來大部分收入的主要是“鯨魚”和“大海豚”用戶，因此，我們應該將營銷的重點放在他們身上。

這只是分析付費用戶的其中一種方法，更全面地分析付費用戶可以幫助我們定制更成功的項目盈利計劃。除此之外，我們依然面臨著很多問題，比如：

用戶的付費轉(zhuǎn)化率有多快?是在第一次，第二次，還是第十次?

用戶都買了些什么?是什么原因讓他們愿意掏錢呢?

從玩家的第一次付費賺了多少錢?重復購買的金額又有多少?

新手玩家?guī)砹硕嗌倮麧?老玩家?guī)砹硕嗌倮麧?

我們將在接下來的文章中，討論更多關(guān)于分析付費用戶的問題。

付費用戶就是為我們的產(chǎn)品帶來收入的人。了解付費用戶行為的細微差別是很重要的：比如他們都買了什么，付費頻率是怎樣，花了多少錢等等。了解用戶在上述行為中的感受是很重要的，用戶投資了我們的產(chǎn)品是否讓他們感到滿意。實際上，在F2P網(wǎng)絡游戲中玩家的每次付費都是投資：在一開始的時候玩家的付費，會在最后得到一個投資回報率(ROI)，可以用貨幣化的方式衡量玩家體驗的情緒。因此我們應該了解用戶，即使他們是少數(shù)的投資者。

為了更好的了解用戶的行為，了解付費用戶的需求和分布，我們需要特別的分析方法和報告。

哪些用戶會給我們帶來更多的利潤——老玩家還是新玩家?老玩家和新玩家中的收入比例如何，它又是如何隨著時間的變遷而變化?

受眾的結(jié)構(gòu)

首先，我們把所有的受眾(包括付費的和沒付費的)從注冊開始就進行分類。如何選擇分類條件則由我們自己決定，這完全取決于我們項目所處的時期以及商業(yè)目的。

我們建議將其分為5-7個部分。

舉例：

· 1.從注冊起登陸少于14天;

· 2.登陸14-30天;

· 3.登陸1-2個月;

· 4.登陸2-6個月;

· 5.登陸6個月-1年;

· 6.從注冊起登陸大于1年。

通過選擇自定義部分，我們可以構(gòu)建一個分析受眾隨時間變化而變化的報告。

這份報告顯示：

· 如果新玩家占主導地位——那么說明我們的留存有問題。項目不能長期留住用戶。這意味著我們需要考慮增加留存或者為新玩家制訂新的付費方式。

· 如果老玩家占主導地位——這依然有問題。是新注冊用戶有什么問題么?是不是該考慮買量了?請記住，用戶越多帶來的宣傳效果越好。僅靠老玩家是不會走太遠的——遲早還是會垮掉。

下一步需要考量的除了受眾的結(jié)構(gòu)，還有機制的結(jié)構(gòu)，以及這個結(jié)構(gòu)又是如何隨著時間而變化的。通常在這里會出現(xiàn)一些有趣的事情。

付費用戶的結(jié)構(gòu)

讓我們先只對付費用戶執(zhí)行相同的操作，以如下的“用戶&總體結(jié)構(gòu)”報告為例。