【小白学运营第二十一期】数据篇：基于产品解读ARPPU

文/VV5

ARPPU（每付费用户平均收益）行业有些人会将其与ARPU（每活跃用户平均收益）混为一谈，本期文章将根据产品深入解读ARPPU；在写文之前，你要知道ARPPU是什么？

ARPPU, Average Revenue per Paying User, 即平均每付费用户收入；它反映的是每个付费用户的平均付费额度。

对于付费用户而言，付费额度分布是不平均的，这一块可以遵循二八原则，而目前值得一提的是大部分运营同学在ARPPU的解读上都是粗犷式，简单通过公式（ARPPU=周期付费总额/周期付费人数）、（ARPPU=周期付费总额/（周期用户总数*转化率））得到一个平均答案；但是众所周知，手游付费用户分为小R（小鱼）、中R（海豚）、大R（鲸鱼），但单纯以平均值去衡量产品，参考价值很局限。

数据需要精细化运营，从宏观上说，集中数据取样的方法又有截尾均数（去掉5%的最低数据与最高数据，求均值与原来ARPPU差距衡量数据精确性）、中位数（数据从小到大排列，取位置中间值，求中间值与原来ARPPU差距衡量数据精确性）、以上两种方法在高中数学中经常提到；从微观上说，就需要我们建立用户数据模型，即大中小R的取样与区分调研；这样可以更加准确的分析不同人群的消费能力。

除此之外，我们仍应该注意ARPPU的解读背景，要知道对于产品数据而言，不能孤立，只能分解；这是基于用户规模去做的利润衡量及付费粘性，切不可在脱离用户基数的情况下做出盲目分析。

小明：我们家ARPPU数值超过200了，现在利润越来越高；我们游戏用户的付费质量提高了。

小华：你们游戏有多少付费用户？

小明：上个月10个付费用户，1000充值金额；这个月4个付费用户数，800充值金额；ARPPU对比上个月提升了100；真是赚大了！

小华：…………..

这个故事不悲伤，却很欺人；要知道一个ARPPU代表的内容很多，如何避免这些误区，精确科学的审视产品数据，就变得重要起来；数据是产品优化的支撑，一步错，步步错；我们先来看一组数据：

上图为某游戏2月份运营数据

上图为某游戏3月份运营数据

我们先看游戏粘度：

2月：（DAU/MAU）*100%=23.2%

3月：（DAU/MAU）*100%=21.8%

比值差距不大，我们在看粘度天数：

2月：23.2%*30天=6.96天

3月：21.8%*30天=6.54天

综合看来，2月份与3月份粘度高于20%，处于一般正常范围，且这两个月粘性差距不大，那么接下来我们再看付费率：

2月：PUR（付费比率）=（月付费用户数/月登陆用户数）*100%=3.6%

3月：PUR（付费比率）=（月付费用户数/月登陆用户数）*100%=4.1%

从上面两组数据对比我们又能发现尽管用户粘度差距不大，但是3月对比2月份付费渗透率仍有上升，那么结合这两者，我们再回到3月份的另一组数据：

上图为某游戏3月份用户等级在线分布

上图为某游戏3月份用户等级充值分布

从上图我们可以很清晰的看到，该游戏的付费重心在产品1/3阶段，因后续玩法单一等因素，用户等级以及付费重心比较靠前；那么结合上面已有的数据基础，我们再做关于ARPPU的分析：

这里我们可以很清晰的看到：

2月ARPPU=付费金额/付费人数=293.3

3月ARPPU=付费金额/付费人数=316.0

因考虑详细用户付费模型涉及到公司机密，本文暂作粗犷式分析，从这里，我们可以看出3月对比2月用户平均付费额度更高，在此基础上，公司仍可以通过采集样本，以316为分界线；将低于316的付费用户再做引导，将高于316的用户再做维护。

如何进一步分析ARPPU？我们再回到文章开头的公式：

ARPPU=周期付费总额/周期付费人数

ARPPU=周期付费总额/（周期用户总数*转化率）

对于付费人数，大部分运营同学会以付费账号数为条件，即APA

公式已经列出，我们再看影响ARPPU的条件：

分子：付费总额

分母：付费人数（APA）、用户总数、转化率

影响条件已经列出，接下来我们再看ARPPU上升/下降的触发条件：

一、如果ARPPU保持上升（原始举例：ARPPU=100/10=10）

则有（1）：付费人数下降，用户付费上升或不变（例:ARPPU=100/5=20）

则有（2）：付费总额上升，付费人数下降或不变（例:ARPPU=200/10=20）

则有（3）：两者同时下降，但是付费人数下降幅度大于付费总额下降幅度（例:ARPPU=90/5=18）

则有（4）：两者同时上升，但是付费人数上升幅度小于付费总额幅度（例:ARPPU=300/20=15）

以上四种情况，都会造成ARPPU值上升，其中每种情况所代表的原因各不相同：

（1）付费人数下降，而用户付费金额上升或不变，可以清晰的看到游戏中大R较多，可以支撑流失的小R损失，在这里流失的小R可作为一套流失用户模型，为什么流失？基于活动对小R的伤害还是基于IB消耗对小R的影响，亦或是游戏周期不足以满足小R用户的付费意愿，这些情况都需要我们做出样本采集；因为某天大R流失，该数据将会直线跌落。

（2）+（4）第二者情况和第四者情况较像，都是收入提升，付费人数下降或涨幅低于总收入；情况（2）与（1）相似，存在小R流失的情况；而情况（4）则意味着付费用户的层次以及进阶，例如活动刺激或者是IB拉动，可能此举在流失一部分小R的同时，迅速导入了一批新的付费用户，或者完成了小R向中R的蜕变；在这里，上图1.1-1.2可以明确看出，周期新增用户的快速导入填补了付费流失的空缺。

（3）两者同时下降，只是下降幅度不同，在这里我们可以参考PUR（付费率）以及MAU（结合公式2取条件数），若PUR下降，MAU同时下降，则游戏本身在人气以及IB方面都存在较大问题；PUR下降受游戏周期影响、活动影响以及IB驱动力影响；而MAU下降则需考虑游戏节奏、特色玩法、产品变动、市场冲击等问题；此时的ARPPU提升，意味着游戏生命周期提前消耗，因为这种算法是一损俱损的局面。

说完ARPPU上升的几种情况，我们再往下看：

二、如果ARPPU保持下降（原始举例：ARPPU=100/10=10）

则有（1）：付费人数上升，用户付费下降或不变（例:ARPPU=100/20=5）

则有（2）：付费总额下降，付费人数上升或不变（例:ARPPU=80/10=8）

则有（3）：两者同时下降，但是付费人数下降幅度小于付费总额下降幅度（例:ARPPU=54/9=6）

则有（4）：两者同时上升，但是付费人数上升幅度大于付费总额幅度（例:ARPPU=200/40=5）

上述四种情况，尽管ARPPU结果相同，但是情况和代表意义又各不相同，我们往下分析：

（1）+（3）：从ARPPU的两种算法，我们可以得知PUR稳定或增长，MAU稳定或增长；说明近段时间的产品变化（活动？改版？）影响了低端付费群体或潜在付费群体，但是整体ARPPU下降，反推我们可以得知，可能出现小R进入，大R流失的情况；这里可以看出游戏仍在成长阶段，吸量效果以及转化率较强，在这里我们需要注意的是如何避免大R流失，若大R游戏节奏过快，或者游戏出现用户断层交互的局面亦或是游戏后期玩法单一等因素，我们都可以根据这些流失情况做出大R用户流失模型，通过分析调研找到优化的途径。

（2）+（4）：收入下降，付费用户上升/稳定；但是收入涨幅不变或较低；这里我们可以看出小额付费用户较多，其敏感条件主要在于付费用户本身，如何通过活动刺激加大小R用户的付费能力或者是小R向中R的过渡途径，需要的是我们控制好这部分小R的用户比例；帮助他们转化，这里同样可以建立专门的用户模型，做出针对性的用户转化方案。

上述几种条件简述完毕，这些思路小白学数据也有提到，尽管APRRU很简单的上升或下降，若综合其他数据来说，其表现信息也是各不相同；就用户的购买力而言，ARPPU本身便受产品付费的深度影响，具有一定局限性；不是ARPPU高，就代表产品好，同样不代表ARPPU低，就代表你的产品差；这只是数据中的一环参数，我们只需要根据上述情况整理出较为理想的解决方案即可：

一般而言，收入和付费用户同时上涨，这里具有两面性；一面是产品生命周期提前消耗，另一种则是产品数据良性上升；前者的数据情况我们已经提到，后者的数据同样基于前者；也就是PUR与MAU的监控，若在收入与付费用户同时上涨的情况下，PUR上涨没有损失MAU的数据；那么游戏的整体付费数据较为可观；当然，付费只能拆分，不能独立；这里需要我们综合产品粘性去衡量，即DAU/MAU的变化关系；若用户粘性降低，游戏生命周期也会随之变短；进而影响到APA、PUR、ARPPU的数值变化。

最后我们再基于公式去看，如何良性提升ARPPU？

从图1.1-1.2-1.3-1.4；我们可以看出，第一种在于引入大量付费用户；我们可以明显看到，2月、3月新增付费用户分别占周期总用户数的81.7%和75.4%；然后我们再根据2月付费率（3.6%）3月付费率（4.1%）可以看出；利用活动或者其他运营手段完成前期付费用户的提前；在这里很明确能看到的是该游戏用户付费节奏非常靠前。

接下来则是基于用户情感去宣传，其中用户情感又包含用户认知，对游戏道具的认知，对游戏系统的认知：

小明是个高富帅，在游戏中喜欢炫耀，喜欢被人崇拜仰慕；某天游戏中出现独一无二的时装，爱炫耀的小明赶紧掏钱购买。

小华是个务实派，在COC游戏中深知城建、兵种养成对PVE、PVP的重要性，于是他购买了大量钻石强化自己的领地。

前者基于用户对道具的认知，后者基于用户对系统的认知；这两者认知都属于用户情感的范畴，如何挖掘用户痛点，引爆用户情感；需要我们根据不同用户建立不同的用户模型。

插播一条广告：代友询问深圳地区有没有公司招主策，某位资深主策划找工作，QQ：334991286；请自行联系！最后我们再根据以上数据总结一些影响ARPPU的基本元素；：

1.IB系统：IB的付费驱动力，用户对该元素的需求；以及新品，旧品的功能展示、数值改变。

2.付费人数：流失付费用户数量、特征；新增付费用户数量、属性。

3.产品系统：资源的产出与消耗比值，是否需要配平；游戏改版功能性玩法是否影响IB性价比；限时道具停售或某旧品道具下架。

4.付费率：用户基数导入，PR营销、用户长短期目标建立及情感维护；系统付费节奏与核心玩法是否契合，是否满足新增用户的付费需要。

5.用户模型：小R、中R、大R的区分对待；充值与消耗是否符合不同付费模型的充值预期，是否满足不同阶层用户的付费体验。

6.运营活动：线上/线下活动的门槛以及奖励驱动是否满足用户参与活动的需要；是否刺激用户痛点，对于活动奖励与游戏资源是否冲突；是否引爆用户情感。

7.付费通道：付费途径是否快捷可行，有无BUG问题出现；一二级转换率与流量消耗资源占用是否伤害用户付费体验。