上週休假旅遊，回來後感冒並沉迷《刺殺騎士團長》，因此本次更新間隔的時間有點長。
在平時的工作中，有14種常用的數據分析方法，本文打算用一個例子來說明這14種方法的實戰應用，以加深理解。
例如，有一款遊戲某一天的收入上漲了，要找原因，為什麼收入上漲了？
1、首先用對比分析法對比前一週或前一個月或一年的收入，收入上漲了多少。
2、接下來用分組分析法對這些付費用戶進行分組，分為大R、中R和小R。
3、再看大、中、小R的人數和消耗金額佔總付費人數和總金額的比例，是結構分析法。對比收入上漲前後的數據，可以看出是哪一類用戶付費金額上漲了。
4、如果看大、中、小R的人均消耗金額（ARPPU）就是用的平均分析法。
5、如果看大、中、小R參與活動情況，比如打行會戰的情況、裝備持有情況、元寶（鑽石）消耗情況等，用交叉分析法來做，讓我們可以從總分的角度來觀察數據。
6、從賬號到登陸、留存、付費的各個環節的轉化，可以用
漏斗分析法來做。有可能會發現收入上漲的這幾天用戶留存、付費轉化率比以前高。7、將用戶分類，比如分成高付費高活躍、高付費低活躍、低付費高活躍、低付費低活躍四個象限，為矩陣分析法。根據四象限結果，可以對每個象限或者矩陣採取相應的對策。
8、用綜合評級分析法可以評價每個付費用戶在遊戲裡面的付費潛力。比如，取用戶在遊戲裡面近7天付費金額、半年付費金額、1年的付費金額，把這些指標轉換成一個綜合指標進行排名，根據排名來評估付費潛力。有可能會發現，有部分賬號近7天的付費金額排名靠前，但是1年的付費金額排名比較靠後，這些用戶有可能是流失迴歸玩家。
9、進一步分析，為什麼這些用戶流失了會迴歸遊戲呢，是因為什麼原因呢？可以用5W1H法，找出什麼類型的玩家在什麼時間什麼地點因為什麼原因而回歸。
10、找到了用戶流失迴歸的原因，同樣也可以分析這些用戶之前為什麼流失，可以通過一些指標來分析和用戶流失的相關性。比如，是打行會戰的挫敗感太強了？遊戲物價貶值太快？公會成員解散了？等等，把這些原因的數據指標找到後，看這些指標和流失的相關性，相關性越高則流失概率越高，這就是
相關分析法。11、 把相關性高的指標找出來以後，將這些指標做為自變量，是否流失作為因變量，用邏輯迴歸，可以得出用戶流失概率。這裡用到的是迴歸分析法。
12、前面矩陣分析法對用戶進行了分類，同樣的也可以對用戶進行聚類，比如，用聚類分析法可以區分PVP高活躍玩家，PVP低活躍玩家，PVE高活躍玩家，PVE低活躍玩家。
13、在做聚類分析時可以用方差分析 來配合，用方差分析可以找出異常值，把異常值找出來並剔除，聚類分析出來的結果會更精準。
14、最後，如果想預測該遊戲未來的收入趨勢，可以用時間序列分析法來實現。
閱讀更多 黎湘豔 的文章
