数据分析：有关于流失分析的探讨

早先我曾探讨一个关于流失分析的整套流程问题，也说了流失分析是如何的重要，大概这种解说是苍白无力的，因为拿不出数据来说明这个问题，因此大家就会感觉比较飘渺，今天就是流失分析再次进行探讨，这次从数据的角度来理解为什么要做好流失分析。 挽留一个老用户相比于拉动一个新用户，在游戏收入、产品周期维护方面都有好处的，只是我们现在解决用户入口的问题，但是没有重视用户流失的问题。这个问题就好像一个水池子，有进口，但是也有出口，我们不能只关注进口的进水速率，却忽略了出水口的出水速率。这点对应了我们对于指标的量化和关注，比如当今我们考虑和分析更多的是留存的问题，却鲜有讨论流失问题，不过也可以理解，因为移动互联网上大家都从平台，渠道获得海量用户，至于你愿不愿意待着，我们就不关心了。不过，移动互联网的手游行业却不能不关心，因为手游也是一种端游缩小后一种存在形式，一定意义上手游的分析应去借鉴端游的一些分析思路和管理方法。 因此，我们需要去做好流失分析，并不断的训练、实践。 今天我将利用一系列的指标，来说明流失问题，首先，列出来今天用到的指标： MNU：月新增用户 MAU：月活跃用户 DAU/MAU：活跃比 M_Churn_Rate：月流失率 OMAU：老活跃用户 M_1-Churn_Rate：月存留用户率 首先我们要明确对于月流失用户的定义： 一般而言，上个月（自然月）登录过游戏但在本月未登录过游戏的用户数。 自然的，对于流失率就是这部分用户数占上个月月活跃的百分比。 针对流失率的计算一种是通过技术手段精确的按照定义进行计算，而另一种方式就是粗略的进行估计计算，此处，说一下如何进行粗略的计算，在后续的讲解中，也会用到此部分知识。 我们知道上个月的月活跃中存在两部分群体： 上个月月活跃用户构成中，一部分是上个月流失用户，另一部分就是过渡到下个月活跃用户中的存留用户。 而在下个月的用户中也存在两部分，一部分就是上个月过度来的存留用户，另一部分就是本月的新增用户。 至此我们得到两个等式 上个月 MAU=流失用户+存留用户 本月的 MAU=存留用户+本月新增 那么上个月流失用户=上个月 MAU-本月的 MAU+本月新增 上述的计算方式和通过技术手段计算的流失率基本一致，可以作为粗略估计使用。解决了流失率的计算问题，下面我们就能详细开始分析流失率背后的秘密。 之前在文章中说过，游戏产品是存在一个生命周期问题的，从具体游戏产品的一系列运营来看，产品经理 CB、OB 和商业化运营阶段，这里面是包含着流失问题的，而且在每个时期的策略和侧重是不同的，今天我将做一些假设，来分析流失，这样便于理解。 假设如下： 月导入新增用户为 20000； 月 1-Churn_Rate=20%（存留率为 20%，即上个月登录过游戏，且本月又登录的用户比例为 20%）； 月流失率为 80%； DAU/MAU 为 0.15； 我们可以根据上述的指标进行下述的计算： 上线第一个月 已知： MNU1=20000 M_1-Churn_Rate1=20% M_Churn_Rate1=80% DAU/MAU1=0.15 Old_User(老用户)1=0 那么： 平均的 DAU1=0.15*20000=3000 MAU1=20000 上线第二个月 已知： MNU2=20000 M_1-Churn_Rate2=20% M_Churn_Rate2=80% DAU/MAU2=0.15 MAU1=20000 那么： Old_User(老用户)2=MAU1* M_1-Churn_Rate1=4000 MAU2= Old_User(老用户)2+ MNU2=24000 平均的 DAU2=0.15*24000=3600 上线第三个月 …… 按照以上的思路进行数据计算，最终能得出来一些数据。 下图为按照流失率 80%，月导入量 20000 进行的计算。 下图为按照流失率 70%，月导入量 20000 进行的计算。 下图为按照流失率 60%，月导入量 20000 进行的计算。 下图为按照流失率 90%，月导入量 20000 进行的计算。 如果大家仔细观察会发现，流失率处于不同水平，反馈的 MAU 以及 DAU 都是有差异的，这点差异就是因为流失率的变化引起的。 说到此处，再仔细观察，会发现，流失率达到 90%时，基本在第四个月游戏的增长就停滞了，而为 80%时，在第 6 个月开始增长停滞了，70%时在第 8 个月增长停滞了，60%时在第 12 个月增长停滞了。也就是说流失率...