Игра в цифры. Как аналитика позволяет видеоиграм жить лучше - Василий Сабиров
В тесте будет 10 заданий, и ответы с комментариями можно посмотреть после теста.
Вопрос 1
Начнем с простого. Дневная аудитория проекта (DAU) в каждый из дней ноября была равна 100 пользователям. Что мы можем сказать о месячной аудитории (MAU) ноября?
a. MAU = 100
b. MAU = 30 * 100 = 3000
c. MAU = 1000
d. 100 ≤ MAU ≤ 3000
Вопрос 2
Вы запускаете кампанию с рассылкой push-уведомлений пользователям, не заходившим в приложение более 14 дней. Какой показатель вы хотите улучшить?
a. Rolling Retention
b. Длину сессии
c. CPI
d. K-фактор
Вопрос 3
Если ARPPU проекта существенно больше, чем Average Check, то в этом проекте много…
a. Платящих игроков
b. Китов (игроков, платящих очень большие суммы)
c. Новичков (игроков, впервые посетивших приложение менее месяца назад)
d. Повторных платежей
Вопрос 4
В среднем каждый день октября проект посещало по 200 пользователей. Всего же в течение октября проект посетили 1200 пользователей. Рассчитайте Sticky Factor проекта.
a. 1000 пользователей
b. 1400 пользователей
c. 20 %
d. 16,7 %
Вопрос 5
Какой из выводов может быть получен по итогам проведения RFM-анализа?
a. «Наша товарная линейка слишком узкая, нужно больше товаров»
b. «Найдена категория товаров с самым нестабильным спросом»
c. «Наши пользователи в основном совершают лишь один платеж, нужно больше повторных платежей»
d. «Купленный нами трафик окупается за два-три месяца»
Вопрос 6
Наступил январь, и вы хотите оценить, как повлияло выпущенное в ноябре обновление на монетизацию новых пользователей. Какой из методов лучше всего справится с этой задачей?
a. A/B-тест
b. Когортный анализ
c. Воронки
d. Анализ социальных сетей
Вопрос 7
Если ARPU проекта равен $0,25, а Paying Share = 2 %, то чему равен ARPPU проекта?
a. $0,5
b. $0,0025
c. $12,5
d. 8 %
Вопрос 8
В каком случае мы можем посчитать (хотя бы приблизительно) LTV пользователя в проекте?
a. Если мы знаем количество новых пользователей, размер аудитории и показатели удержания.
b. Если мы знаем среднедневной ARPU и показатели удержания.
c. Если мы знаем количество новых пользователей и CPI.
d. Если мы знаем долю платящих, ARPU и ARPPU.
Вопрос 9
ABC/XYZ-анализ позволяет сделать выводы о:
a. Показателях привлечения и удержания пользователей;
b. Времени конвертации в первый, второй и последующие платежи;
c. Местах в проекте, где пользователи предпочитают покинуть приложение;
d. Товарной линейке, эффективности различных видов товаров.
Вопрос 10
Вы провели среди пользователей проекта исследование. Вы просили их оценить вероятность, с которой они поделятся информацией о вашем проекте со своими друзьями, по шкале от 0 до 10. Такое исследование было проведено дважды: в январе и в октябре. Были получены следующие результаты:
Рассчитайте Net Promoter Score (NPS) и сделайте вывод о его изменении.
a. Net Promoter Score немного улучшился.
b. Net Promoter Score остался неизменным.
c. Net Promoter Score немного ухудшился.
d. Недостаточно данных для расчета Net Promoter Score.
Правильные ответы
Вопрос 1. Правильный ответ: d.
MAU всегда считается как количество уникальных пользователей, посетивших проект в течение месяца. Если каждый день входили одни и те же 100 пользователей, то MAU = 100. Если каждый день входили разные пользователи, то MAU = 3000. И это максимум, что мы можем сказать о MAU в данном случае.
Вопрос 2. Правильный ответ: a.
Показатель Rolling Retention говорит о проценте пользователей, которые остаются активными в приложении спустя какое-то время. Рассылая уведомления пользователям, не заходившим в приложение более 14 дней, вы хотели бы их вернуть. А возвращая пользователей, вы повышаете Rolling Retention.
Вопрос 3. Правильный ответ: d.
ARPPU – это средний доход с одного платящего пользователя за определенный период. Рассчитывается как доход, деленный на количество платящих пользователей.
Average Check рассчитывается как доход, деленный на количество совершенных транзакций.
Если ARPPU проекта существенно больше, чем Average Check, значит, количество платящих пользователей существенно меньше, чем количество совершенных транзакций. Следовательно, на одного платящего пользователя приходится много повторных платежей.
Вопрос 4. Правильный ответ: d
Sticky Factor – это отношение DAU и MAU. Этот показатель говорит о регулярности входов: чем он выше, тем регулярнее пользователи заходят в приложение. В нашем случае 200/1200 = 16,7 %
Вопрос 5. Правильный ответ: c.
RFM-анализ – это анализ давности (Recency), частоты (Frequency) и размеров покупок (Monetary) платящих пользователей. Соответственно, и выводы он дает о поведении платящих.
Вопрос 6. Правильный ответ: b.
Чтобы оценить влияние на монетизацию новых пользователей, нужно смотреть на доход, принесенный в среднем одним новым пользователем, зарегистрировавшимся до обновления и после. Как вариант – выделить пользователей, зарегистрировавшихся в августе, сентябре, октябре, и посмотреть, сколько в среднем такой пользователь приносил за один месяц жизни в проекте, за два и т. д. Затем сравнить этот показатель с аналогичными для пользователей, зарегистрировавшихся в ноябре и декабре – то есть уже после выхода обновления.
А это и есть когортный анализ.
Вопрос 7. Правильный ответ: c.
ARPU = Paying Share * ARPPU
ARPPU = ARPU / Paying Share
Вопрос 8. Правильный ответ: b.
Один из способов расчета LTV – это произведение Lifetime на среднедневной ARPU, при этом Lifetime можно рассчитать на основании показателей удержания.
Вопрос 9. Правильный ответ: d.
ABC/XYZ-анализ позволяет сделать данные о стабильности спроса на каждый из товаров, о том, сколько денег приносит каждый товар.
Вопрос 10. Правильный ответ: a.
NPS считается следующим образом: доля тех, кто поставил 9 или 10, минус доля тех, кто поставил оценку от 0 до 6 включительно. В январе NPS равнялся –36 %, в октябре уже –32 %. Надо сказать, что вообще ваши пользователи к вам не особенно лояльны. Согласно сайту NPSBenchmark, практически во всех индустриях NPS как минимум больше ноля.
В заключение
Вы можете подумать, что только что прочитали книгу про математику, статистику и аналитику. Но, перечитав свой текст, я понял, что в конечном счете она получилась о любви.
Я люблю игры, игровую индустрию. Я люблю играть сам и понимаю эмоции всех тех, кто играет в игры.
И, обращаясь к тем, кто уже делает игры или только собирается, мне очень хочется, чтобы все те советы, которые я здесь даю, и все те методы анализа, которые я описал, были восприняты вами не как мысли жадного до денег аналитика-лепрекона, а как способы сделать вашу игру лучше.
Подобно тому, как наш бегемотик проходил уровень за уровнем, вы можете шаг за шагом, тест за тестом делать игру все лучше и лучше. Каким бы игры ни были бизнесом,
