免费游戏对大R用户的数据分析

大R用户这个概念也就是在免费游戏中的高消费玩家，这部分用户时长会让开发商们在进行游戏分析时产生困惑。和免费游戏当中大多数不付费的玩家相比，大R用户可以扭转统计数据的表现，比如一个游戏整体用户的LTV，这些用户还可以误导或者产生让人无法理解的数据。那么到底该如何对待这些大R用户呢？

大R用户的百分比非常低， 有时候通常会被分析数据所忽略，由于被当作离群值（和大多数人的游戏消费习惯都不同），所以在计算整体用户LTV的时候，他们是通常被忽略的，因为这样在 做用户获取预算的时候会更有效率。

但大R用户从来都不是离群值：因为免费模式的出现就是为了得到这一小部分高消费玩家，他们在免费游戏中的存在不仅是可预测的，也是免费游戏取得商业成功必不可少的因素。开发商们之所以计算LTV，是为了更准确的定位市场营销预算，这样就可以对ROI有相对准确的掌握。

从统计学角度来讲，离群值是指在数据中有一个或几个数值与其他数值相比差异较大。Douglas Hawkins对离群值的定义是：一个离群值是与其他数据完全不同的数据，以至于看起来像是按照不同的方法统计的数据。

总的来讲，离群值讲的就是能够改变整体数据结果的一小部分异常值，通常会对数据结果的真实性造成重大影响。

游戏中的异常值检测通常是和作弊检查相似的，你需要找到极其不正常的消费行为，这些是基础的消费数据无法告诉你的。高付费用户是所有免费游戏都需要的，只是他们是少数人，但并不是离群值。

那么，我们就遇到了问题，开发商要怎么做才能在免费游戏数据分析中考虑到高消费玩家的因素呢？假设一个免费游戏的总体付费转化率为10%（也就是说在游戏中进行任意消费的玩家占总玩家的10%）。

根据这个图表，用户LTV达到10美元的用户可能占1.52%，而500美元以上付费用户的概率为0.0002%，也就是说，在100万用户当中，只有2个人的LTV会超过500美元。

但是，从这个数据图我们也可以看到，LTV价值超过100美元的比率为2.36%，所以，虽然一百万人中只有2个人会消费500美元以上，但至少23500人的终身消费可以在100美元以上。

这些极高的LTV数值并不是离群值，因为在免费模式中，高消费玩家是成一定比例分布的。任何对产品进行分析的人都需要理解和明白的是，极限LTV值 可以也应该出现，如果忽略这些数据去计算平均值，可能从某些方面对免费游戏的分析导致有失偏颇，从而忽略免费产品的本质。免费游戏中的高消费玩家并非离群 值，确切的说，免费游戏产品优化的目的就应该是产生更多的高消费玩家。

但LTV是一个非常特别的数据，通常为很明显的目的服务：那就是为每用户营销设置一个预算上限，通过LTV的数值来决定广告元算的投入。但由于分销渠道的不同，在不同广告网络获取的用户本身的LTV值也是不同的。

为了解决这个问题，开发商们可以用以下以下方法解决高消费玩家对营销预算的影响：

对单个活动或者分销渠道根据中间值设定预算价格，而不是只考虑大多数。为特定的渠道计算特别的LTV值，或者通过按比例综合平均的方式计算出所有用户的平均价值，这样LTV值的计算只会与最高和最低的数据有所不同。

当然，这种方式只适合分析碎片化分布的用户，而不是整个用户群。

忽略高消费玩家的问题是，免费游戏本身就是依靠高消费玩家才能不断增长的，如果从数据分析上就出了问题，那么免费产品的优化肯定会忽略这部分玩家的需求，对于产品本身的发展是不利的。大R用户通常是免费游戏取得商业成功的基础，因此做市场营销预算的时候需要考虑整体玩家的LTV，这样你的免费游戏收入才会获得持续增长。