关于Zynga平均每付费用户收益多寡问题的分析

有些新闻网站发表了一篇编写的文章，他引用了分析师Arvind Bhatia的观点，称“每获得一名新付费用户都会让Zynga损失150美元”。我看了这篇文章，认为只是宣传的噱头而已，便猜想不会有人转载这篇文章。我的想法是错误的，现在这篇文章到处都是。

后来Andrew VandenBossche提醒我看一篇Dylan Collins编写的文章，他引用了行业首席执行官Torsten Reil的说法，后者的回应是：“你的方法论是错误的!Zynga可以从每个付费用户上赚得30美元!”所以，此刻我的想法是：这到底是什么情况(注：本文作者在全职制作HTML5内容前，在游戏工作室担任了6年的数据分析师，分析对象包括MMO和Facebook游戏)。

attrition-rates(from )

表面分析

Collins和Reil认为原分析方法过于简单，这是正确的。原分析结果是基于完全未考虑用户流失率的模式而得出的。他们声称Zynga完全通过营销资金来获得逾40万的所有付费用户，在这个前提下，他们的结论是正确的。

不幸的是，Collins和Reil考虑到20%的流失率，因此估算出Zynga在每个付费用户上花费的金钱是120美元，而每个付费用户能够贡献150美元，由此得出每个付费用户30美元的净盈利。我之所以说这很不幸，是因为如果流失率是10%，那么根据Reil的指标，他们就会在每个付费用户上损失21美元。如果数值是30%，那么他们可以从每个付费用户上赚到57美元。盈利的多寡取决于流失率，而这项数据的确切数值我们并不知晓!有些游戏是10%，有些游戏甚至高达90%。20%似乎是综合考虑成功和非成功游戏的平均值，但是坦诚地说，我们根本不知道具体的数值，因为我们不在Zynga工作。然而，奇怪的是，Zynga也不知道他们自己的流失率。

模式和黑盒

所有这样的数值都是构建于分析师设立的模型之上，而模式是构建于猜想上。举个简单的例子，当我们谈论用户流失的时候，我们提到的是什么现象?通常情况下，我们指的是“有人不再是游戏玩家的时候”。但是，在社交游戏的背景下，你要如何来确定这种时刻呢?Facebook用户往往不会卸载应用，他们只是停止使用应用而已。所以，你必须选择主观分界点。玩家不活跃时间达到1周应当被归入“流失”类别?2周?还是1个月?记住，这个数值是主观的，所以你可以根据自己的偏好调整数值(注：当然，应当选择合理的数值，比如不能以100年作为分界点)，直到你获得满足自己标准的流失率。至于这些标准是“呈现游戏实际表现情况”还是“让股东感到满意”，这就另当别论了!

但是无论如何，这个损耗率会影响到所有其他计算的数值。现在，理想情况下，一旦你选择了数值，就会保持内在的一致性。但是秘密在于，即便你完美地维持内在的一致性，比如总是使用“2周不活跃”作为流失分界点，依然存在其他可以修改的间接因素。而且，在某些情况下你必须修改这些数值!否则，你可能会发现自己使用的模式无法反映游戏的现实状况。

换句话说，游戏工作室内部分析师的工作就是组建黑盒，也就是“流失”的概念，呈现给CEO、CFO、股东、外部分析师和专家，这个概念似乎相当直观：离开游戏的人群。黑盒的工作是报告介于0%和100%间的数值，如果数值接近100%的话，或许会让你感到恐慌。

但是，工作室内部分析师组建这个概念可以借助多种信息。他们或许会询问游戏设计师，看看设计师认为玩家离开游戏多长时间是“自然”的情况。如果游戏设计的目标是玩家在工作日体验游戏，那么即便有人在周末或圣诞休假期间不玩游戏，你也无需感到担心。他们可以查看游戏的历史数据，发现不活跃天数达到12天的玩家中有80%不再回到游戏中，不活跃天数达到15天的玩家中有90%不再回到游戏中。所以，或许我们可以选择将15天作为临界点。但是，我们查看的是当前游戏的历史数据，游戏现在的状况与之前并不相同，所以这不是完美的方法。所以，或许我们可以参考过去30天的数据，那时的游戏和现在最为相似。但是如果这样，我们对“不再回到游戏中”的定义实际上就等同于“在过去30天时间里不活跃天数达到15天且未回到游戏中的玩家”。当然，因为我们以30天为期限，所以将分界点设为15天是合理的。这样，我们的历史数据就更能够代表游戏的当前状态。

猜想的无尽分解

总之，游戏是非常复杂的系统，围绕此媒体的数值都是以黑盒式的猜想为基础构建而成的。这些黑盒总是可以被分解成诸多成分，而这些成分可以被再次分解成子成分，如此不断重复下去。尽管这看起来有点古怪，但事实情况就是如此。在某些层次上，你需要暂停这种无尽的挖掘，得出有关游戏运转情况的猜想，以此作为模式的基础。从原则上来说，这样做并没有错：这种情况经常在科学研究中发生，而且能够成功得出某些描述世界的优秀模式。但是，科学研究和社交游戏指标分析间有很大的差异。科学家无需在他们的大学或企业的空间中工作。科学家处理的不是“专有数据”，他们无需担心因为同其他科学家分享结果甚至方法论而被解雇。游戏工作室内部数据分析师是在一定的空间中工作，如果同外部分析师分享结果就有可能被解雇。这意味着，很可能我们公布的只是最好的猜测结果。而且这意味着，不同公司公布的数值间根本无法进行对比。尽管“每用户平均盈利”听起来很直观，但可能是基于完全不同的基础性猜想而得出的结论，这种差异取决于公司和游戏的不同。

这是我放弃游戏数据分析工作的主要原因之一。我不喜欢进行那些从某种程度上来说完全无用的猜想。最后，对于游戏公司能够赚多少钱的问题，唯一的关键数值是：公司每个月的收入是多少钱?公司每个月的支出是多少钱?其他所有的数值都只能视为猜想而已。

广州注册公司资金增资

中山筹划税务如何合理避税

深圳工作签证代理

中山工商税务官网

中山注册公司网站

深圳注册公司服务

筹划税务案例分析

广州注册公司章程