文/Josh Bycer,Vasiliy Sabirov

付费用户是指那些为你的产品花钱的人。我们必须了解他们的行为的所有细微差别：他们付钱的内容是什么，支付速度多快，以及付了多少钱。如此我们便能够更好地摸清楚他们的感受以及他们是否能够从对你的产品的投资中获得满足。实际上，甚至在免费在线游戏中，玩家所做出的每笔消费都是一种投资：一开始他们会先花钱，而最后他们会获得一些投资回报（ROI）—-通常是以现金或他们的体验情感呈现出来。因此你应该将这些用户当成投资者，即使他们只是中小投资者。

为了更好地理解这种行为，我们可以找到有关付费用户的分销与需求的特定分析方法与报告。但今天我们将把RFM分析作为了解你的付费用户结构的一种基本方法。

RFM表示：

R–时间，即多久前进行了最后一次的购买；

F–频率，即多长时间进行一次购买；

M–消费金额，即总的购买费用。

你需要提供三个与这些付费用户参数相关的标记。通常情况下，在理论材料中，用户评估是按照三点式进行（好，一般，差），但实际上在RFM分析中我们甚至会使用五点式或十点式规模进行用户评估。为了更简单地说明，让我们着眼于一个三点式系统例子：

R==1，自从用户上次花钱已经过去很长时间了；

R==2，上次消费距离不是很久；

R==3，用户最近刚刚消费；

F==1，用户很少消费；

F==2，用户会基于一定频率消费；

F==3，用户经常消费；

M==1，总的消费数额较小；

M==2，用户为项目支付了一定的数额；

M==3，用户支付了很多钱。

当然了，这时候问题便出现了：在这种情况下该如何理解很久以前/最近，经常/很少以及很多/较少。我们可能会基于两种方式去回答这一问题：

1.专家评估。没人知道你的项目比你优秀。因此，你可以自己定义很久以前和最近，以及很多和较少代表什么。让我们假设很久以前指的是一个多月以前，很少是指一个月一次或更少，较少是在整个消费期间投入的钱不到100卢布。

2.分位数和四分位数。让我们回想一下数理统计。根据其中的一个参数分配你的用户（例如在一段时期内的支付总数），选择所有用户中的前5%，并假设这些用户是花费较多的用户。恭喜你，你已经拥有5%的用户样本分位数。你还可以使用四分位数（游戏邦注：四分位数==25%的分位数–级别），并将第一四分位数当成较多，最后四分位数当成较少，而它们之间的数值便是平均的付费金额。而即使如此，当你使用分位数和四分位数时，你也不能漏掉主观评估，因此你需要在这时候再次着眼于第1种方法。

不管怎样，你需要花些时间在Excel表格（或其它工具）上按照时间，频率和消费金额去标记每一个付费用户。

现在是最有趣的部分。

你可以观察这些标记在你的付费用户间的分布，并判断哪些用户的数量最多。这能够帮助你更好地划分付费用户并规划市场营销行动，以获取更高利益。

一个简单的例子：

最近刚购买，但是购买频率很低（或者只购买了一次）—-全新付费用户。你该如何面对他们？表达出你的感激之情！你的目标是激励他们不断进行购买。就像许多研究表明的那样，用户的不断购买以及购买频率和数额都能够提高一款应用赚取百万美元收益的几率。

最近刚购买，且购买频率很高—-忠实用户。他们不需要额外的激励，但是你也应该想办法表达对于他们的忠诚的感谢（游戏邦注：如意外的奖励，惊喜等等）。

频繁购买，但上一次购买已经过去很久—-处于离开边缘的忠实用户。换句话说，这些用户的钱正逐渐从你的指缝间流走。所以你的目标便是提醒他们你的存在。也许一封简单的推送邮件便足以。或者你应该询问他们发生了什么改变以及为什么他们会离开。

很少购买，且上一次购买已经过去很久—-已经离开的用户。他们不可能成为你的忠实用户，这是在过去出现的某些内容所导致的。你可以提供给他们（不只是他们）一个行动建议（即使这对于你来说不一定是有益的），这可能会激励他们再次购买并回到产品中。即使不行的话你也能够明确他们不喜欢什么内容，并基于反馈去完善你的产品。

让我们想象以下情况：

1.项目X想要提高收益；

2.他们进行了RFM分析，结果如下：

1）忠实用户的流失率非常高；

2）许多用户只进行了一次购买。

3.他们使用了一些触发内容去判断用户何时处于“上一次购买已经过了很久”或者用户在停止花钱前属于忠实用户等状态。而他们也在这些时刻提供给用户“他们难以拒绝的内容”（游戏邦注：如特殊行动，巨大的折扣，登录时来自推送通知或弹出窗口的信息）；

4.重复购买的比例上升了，更多忠实用户留在了产品中；

5.利润增加。

上述提到的例子都只使用两个参数：时间和频率。

而添加消费金额参数到报告中将让你能够使用每个用户的支付金额。

除此之外，这样的分析也可以是基于用户数量或你从他们那赚到的钱。

我们还能够将消费金额–时间（即用户花了多少钱以及他们上次花钱是在多久前）和消费金额–频率（用户花了多少钱以及他们花钱的频率）结合在一起。

而基于一个参数框架去分析付费用户的最简单的方法便是根据时间，频率和消费金额去决定用户和他们的消费的分布。

根据付费用户在免费游戏中的消费规模而对他们进行的分析经常使用一些海洋生物作比喻：

鲸鱼—-带来巨大收益的用户；

海豚—-带来平均收益的用户；

小鱼—-带来较少收益的用户。

在这里我们并不是在谈论一次付费的总数，而是用户在整个付费期间所支付的总体金额。再一次地，这里的巨大，平均和较少的总额也是基于专家的评估。

通过分析每个部分的用户数以及你从每个部分的用户中赚取的钱数，你便能够判断该采取怎样的行动去提高收益。降低价格？提高价格？专注于“鲸鱼用户”的留存率？

　　data(fromgamasutra)

在我们的devtodev.com中，我们根据用户的消费金额将其划分成五个部分，即多了“大鲸鱼”和“大海豚”。从讨论例子中我们可以看出收入的主要部分是来自“鲸鱼”和“大海豚”用户，因此市场营销规划应该主要专注于这类型用户。

而我们提到的这些内容只是分析付费用户的众多方法之一。还有很多其它问题和方法能够帮助你更好地定制自己的项目盈利方法。例如：

你的用户转换成付费用户的速度？是在第一次购买，第二次购买还是在第十次购买的时候？

用户愿意花钱买什么？为什么他们会成为付费用户？

你在用户的第一次购买时能赚到多少钱？在用户重复消费时又能赚到多少钱？

新手能带给你多少钱？而资深用户又能带给你多少钱？

而我们也会在之后的文章中告诉你所有这些问题的答案。

在上篇文章中我们讨论了付费用户的划分以及RFM分析方法。

而这次我们将基于完全不同的原则继续描述用户划分。你是否考虑过你的收益结构？谁能创造更多收益—-是新用户还是旧用户？新用户和旧用户各自的收入比例是多少？这种情况会随着时间发展发生什么变化？这便是我们将在本文中讨论的内容。

整体的用户结构

首先，我们将根据用户的注册时间将其划分到不同时间段中。如何选择不同部分完全取决于你，即基于你的业务性质以及参与项目的时间段。

不管怎样我们建议最好延伸到5至7个部分。

例如：

第一个部分—-从注册那天起到现在不足14天

第二个部分—-从注册那天起到现在有14至30天；

第三个部分—-从注册那天起到现在有1至2个月；

第四个部分—-从注册那天起到现在有2至6个月；

第五个部分—-从注册那天起到现在有6个月至1年；

第六个部分—-从注册那天起到现在已经超过1年。

通过选择特定部分，你便能够基于时间分析创造一份有关用户结构的报告。

这份报告显示了什么：

如果新用户明显占据主导地位—-你便遭遇了用户留存问题。你的项目不能长久地留住用户。这也意味着你需要着眼于提高用户留存或考虑如何从新用户身上赚取利益。

如果旧用户明显占据主导地位—-这也不是什么好事。新注册用户是否出现什么问题？也许是时候购买一些流量？你需要牢记的是你将会迎来更多用户。旧用户是不可能一直支撑着你前进—-迟早你的应用会开始下滑。

也许下一步你将审查你的用户结构和动态—-该结构是如何随着时间的发展发生变化。通常在这个阶段会出现一些最有趣的事。

付费用户的结构

最后，基于同样方式分析收益：通过付费用户的注册时间进行划分。

在关于收益结构的报告中，我们能够更清楚地看到旧玩家和新玩家的利益差。实际上（游戏邦注：在基于长期用户留存的项目中），新玩家的平均消费单价较低，而旧玩家的平均消费单价较高。

就像在我们的例子中，收益呈现下滑趋势（需要清楚的是在这个例子中付费用户的数量是稳定的）。而出现这种情况主要是因为旧玩家所创造的收益减少。

所以关于该项目我们的诊断是，这个项目在注册了3个月以上的付费用户方面存在问题。所以必须优化项目的长期用户留存从而避免最后一部分用户的流失。

数学模拟

基于上面的报告，你将能够创造一个数学模型让自己可以提前几个月预测到收益。

需要什么：

估算每个选择部分的规模；

面向所有部分估算从部分N转向部分N+1的可能性（即用户在一个月内以及在接下来一个月内保持活跃的可能性？）；

评估每个部分中每用户平均收益（ARPU）。

通过结合我们模型中的所有数值，你便能够创造有关你的用户结构和收益在一个月，两个月，三个月以及六个月内如何发生改变的模型。

此外，这一模型将让你能够基于流量和盈利评估各种实验。

它将能够回答这样的问题：

如果我断开付费流渠道而只留下病毒性传播方式的话会怎样？这是否会影响我在12个月内的收益？

如果我优化了2%的用户留存（如30天的用户留存），这将如何影响用户和收益的结构？我将改变游戏平衡并因此提升10%的80级用户的平均消费单价。这时候我的收益比会发生怎样的改变？

通过本文我们想要传达一个简单的理念：根据用户注册时间去了解你的用户和收益结构是非常重要的。这能帮助你做出更有效的决策—-不管是关于市场营销，盈利还是游戏设计。

今天我们将谈论再次消费和转换成付费用户的时间问题。你应该问自己怎样的问题？

用户是在哪一天进行首次消费？第二次消费？第三次消费？

了解用户消费行为能够帮助你更好地规划产品的盈利。这便是传统的产品分析公式方法：

1.明确用户行为模式；

2.找到行为与该模式相关的用户；

3.让这些用户基于模式采取下一个行动。对于你来说这可能像是模式的逻辑延续，而对于用户来说，这则是在对的时间出现的具有针对性的内容。

了解用户何时进行第二次付费，如此你便能够提前提供给他们有趣的活动（或具有针对性的内容）。

举个例子来说，让我们使用devtodev分析系统的报告“付费前的时期”。选择每个用户的首次付费时间（游戏邦注：你也可以选择第二次，第三次或所有付费时间，并且不用考虑序号），确定用户注册时间，并着眼于时间和他们首次付费的分布规律。

　　perioduntilpayments(fromgamasutra)

我们发现大多数用户的首次付费都是发生在第一天，即在他们注册应用的那天。这意味着我们可以从用户进入应用的第一天便开始规划任何活动。

然而让用户在完成教程后马上购买东西是不合时宜的—-这会让用户觉得这是只关于消费的游戏，并且他们会马上离开游戏。这也是我们会问自己如下问题的原因。

　　peak(fromgamasutra)

用户是在第几个关卡进行首次购买？第二次购买？以及第三次购买？

再一次地，我们又转向“付费前的时期”这篇报告并选择有关关卡的分布规律。

在这里峰值是出现在第四和第五个关卡中。

因此我们需要识别一个模式，即付费用户主要是在注册的第一天并且是到达第四和第五个关卡的时候开始进行首次消费。

之后我们将能够添加一个与该模式相关的具有针对性的内容到项目中（一款游戏或者一个训练服务）。这将帮助我们提高用户在第一天转换成付费用户的几率。

多少用户只进行一次消费？多少用户重复消费了？在首次消费和重复消费间的分布情况是怎样的？

让我们先着眼于一个小小的建议：结合付费用户参数（付费用户数量）和付费用户比例（在活跃用户中付费用户的比例）并关注于全新付费用户参数，这能够呈现出分析过程中进行首次购买的用户数量。而如果没有首次购买也就不用提重复购买了。

让我们说说重复购买的重要性。Tapjoy评估了一些创造数百万美元收益的应用并明确了他们的一些共同点。

第一个共同点是：在84%的应用中至少有1000名用户在进入应用后的90天内至少进行了三次购买，并且它们的收益都突破了100万美元。

为了帮助你更好地理解基于付费用户的消费次数的付费用户分布规律，我们创造了“基于交易的用户”报告。这将帮助你明确多少用户进行了一次交易，两次交易等等。

　　usersbytransaction(fromgamasutra)

第二个共同点是：

如果至少35%的用户进行了第一次消费后又进行了第二次，第三次消费，那么应用便有可能创造出100万美元的收益。

第一次消费的规模通常都较小。你能在“付费用户活动”报告中看到这点：

　　payingusersactivity(fromgamasutra)

进行了首次消费的用户只想测试在你的产品中花钱会有什么好处，并且他们并未准备好马上投入更多钱。此外，首次消费同样也会让他们在自己的账号中绑定信用卡。

而最主要的盈利份额还是来自重复消费。

所以如果你想获得最终成功，你的产品必须满足以下条件：

1.应该让用户自己想起进行首次消费，但是你可以通过在适当的时候公开模式并提供有趣的内容去推动他们。

2.不要要求用户在第一次消费时便投入许多钱。第一次消费通常都不会有太多钱。

3.应该让用户觉得自己的投资是有回报的，如此他们便会进行首次购买并继续支付更多钱。

4.你的项目应该让用户自愿支付自己想要支付的金额。每个用户，不管是非付费用户还是鲸鱼用户都必须真正享受你的产品。

5.长期用户留存是出色盈利的关键。如果用户是非付费用户，那么他留在应用中的时间越长，他们消费的可能性便会越高。如果用户是付费用户，他们留在应用中的时间越长，他们便有可能花费更多钱。