1、最近幾天比較忙，大家如何建立比較完整和有效的數據分析，說實話這個問題我考慮了很久，有效并有深度得數據挖掘與分析對于產品的質量改善，人氣、收益的，玩家資源的保有 ，客群分析非常有必要。眾多經分系統的好處不在此處解釋，且看今天的內容，首次分析。在如今的免費中，首次的分析發揮著巨大的作用，這與的購買不太一樣，還是存在很大的區別。的中，是收益的主體，如何對于的分析是非常重要的一環。由于的免費，玩家存在一個轉化的階段，當玩家進入中首先經歷成長，如果比較良性的話，在熟悉了的同時競爭會逐漸展開，伴隨著不斷深入的交互。在玩家的不斷競爭中會存在，這種會刺激玩家尋找輔助加強自身的屬性，試圖改變競爭中的劣勢。這種輔

2、助和加強就是最初級的 IB 點，而與此同時也是玩家的最早需求（注意這種需求是根據玩家成長營造的環境促成的）。而恰恰這些最初級的 IB往往就是玩家整個生命周期中轉化的關鍵節點。每個玩家的節點伴隨著首次的產生，那么首次到底意味著什么？如上圖所示，在首次的分析方面，可以得到如上圖的幾個分析方向，每一個分析方向都會涉及很多的數據信息，這里就不再詳細列出。下面簡單來分析一下這幾個方面的作用和實際意義。設計中的 IB某一等級的和充值，通過來分析玩家的首次等級，來進一步轉化等級：免費玩家在整個生命周期中，如果存在轉化，就必然會出現在新手期，隨后會逐漸的體驗的，這個階段玩家會在體驗的同時進行自身的點挖掘、轉化

3、與活躍玩家流失等級等信息的綜合分析。到首次時間點的時間周期是多少（非首登玩家轉化成玩家的時間）？在等級之外的活動，任務，IB 是否具有粘性和吸另一種衡量玩家的轉化情況，此外這也是衡量引力的參標準之一。首次傾向：眾多的首次中，根據的需要進行的分類，依據系統適用，活動適用，任務適用進行分類，進而最終找到玩家真實的傾向，這種傾向不僅類別，也通過此發現首次受到那些任務，活動，IB 的影響，進而僅是在以后的運營中有目的的開展相關的方面活動，任務，IB。消費結構分析：消費結構分析相對而言會更加復雜一些，除了要結合活動，任務，IB 以外，還要一舉玩家從開始在最終流失階段或者有流失傾向階段的過程，并進行分析。

4、玩家的存在一個生命周期的過程，這個過程的分析之一就是來反映付費玩家的消費結構，下面來具體看一下。如上圖所示，玩家進入，當首次開始會經歷一系列階段的變化過程，在這個過程中受到 IB，版本，活動，任務，系統，個人成長等很多的影響，因此消費會發生變化，最終也會影響玩家的意愿情況。首次：一般而言在中，玩家的首次集中于認知度很多高，或者可改變玩家轉化周期：不同于轉化等級，轉化是一段時間的新登用戶從成為玩家目前所處狀態的，當然這里也存在 IB 更新，版本，活動，任務等外界的干擾，但是總提而言玩家的首次目的性很強（注意是首次）。而首次很大程度上會影響后續的消費結構的變化，而長尾理論也正是從此處開始發揮作用，

5、因為如果多數玩家的首次消費是相同的，那么可以認定該對于玩家而言是認可和喜愛的，而在中后期的 IB 設計上，可以考慮做該品類的差異化需求定制，單是前提要做好隊該的全面的分析。間歇性：這個階段是一個消費結構的期和意識增長期，換句話說，希望玩家能夠從最初的單一消費轉化成多品類，多的消費，強化意識，力求的期待與反饋一致，然而一旦出現了偏差，就會在此階段就造成流失。持續：如果按照理想情況而言，穩定的階段應該是玩家不限于單一的消費，而是綜合的多元消費結構，但是有一種消費結構是單一的，就是從最初轉化階段就已經形成的單一消費結構，而這樣的消費結構一旦遭遇 IB 的上下架，就會打亂了這部分玩家的消費，這樣會造成

6、穩定階段的玩家向下一個階段的過渡，也就是沉默。：剛才所言，一方面，單一的消費結構在 IB 上下架沖擊時，促使了玩家沉默過渡，另外一點，對于有穩定的多元消費結構玩家而言，如果的新版，新 IB，的活動，任務等沖擊過大，會導致穩定的這部分人也會產生波動，沉默的階段玩家的流失情況已經開始出現，針對這群人要有特征提取，同時要多參考外界的影響。回流：回流與沉默階段的玩家可以拿它們的消費結構和穩定期上升期的消費結構進行對比分析，這樣容易發現這些存在流失風險的玩家究竟是因為消費結構的問題還是其他問題，比如 IB 上下架，版本更新等造成流失。回流一方面有自然的更新等帶來的作用，另一方面，其實是針對前期進行分析，

7、采取相應的挽留策略，這也是分析用戶的流失的三大之一。流失：這是最終形態，這里面如果這群用戶已經不能挽回，那么就要仔細分析這群人為什么會流失，流失的原因是什么，而這些又是涉及流失，這里不解釋，后期會有這方面的分析。但從消費結構來說，這是影響玩家流失的之一。一個玩家如果在一個的消費結構始終單一，那么長期下來必然會加劇流失速度。P.S.數據分析要講究一系和方法，不要總是孤立的一些數據點，這樣看下去參考意義有限，把數據聯動起來，橫向和縱向的結合分析，數據是死的，人是活的，所以請各位在做數據分析時，一定要看到這個指標和目的背后蘊藏的的信息，有時候不要想象這分析價值，非得用個 NB 的算法套個模型才叫分析，或者只是盯著這個個指標簡單