上周休假旅游，回来后感冒并沉迷《刺杀骑士团长》，因此本次更新间隔的时间有点长。
在平时的工作中，有14种常用的数据分析方法，本文打算用一个例子来说明这14种方法的实战应用，以加深理解。
例如，有一款游戏某一天的收入上涨了，要找原因，为什么收入上涨了？
1、首先用对比分析法对比前一周或前一个月或一年的收入，收入上涨了多少。
2、接下来用分组分析法对这些付费用户进行分组，分为大R、中R和小R。
3、再看大、中、小R的人数和消耗金额占总付费人数和总金额的比例，是结构分析法。对比收入上涨前后的数据，可以看出是哪一类用户付费金额上涨了。
4、如果看大、中、小R的人均消耗金额（ARPPU）就是用的平均分析法。
5、如果看大、中、小R参与活动情况，比如打行会战的情况、装备持有情况、元宝（钻石）消耗情况等，用交叉分析法来做，让我们可以从总分的角度来观察数据。
6、从账号到登陆、留存、付费的各个环节的转化，可以用
漏斗分析法来做。有可能会发现收入上涨的这几天用户留存、付费转化率比以前高。7、将用户分类，比如分成高付费高活跃、高付费低活跃、低付费高活跃、低付费低活跃四个象限，为矩阵分析法。根据四象限结果，可以对每个象限或者矩阵采取相应的对策。
8、用综合评级分析法可以评价每个付费用户在游戏里面的付费潜力。比如，取用户在游戏里面近7天付费金额、半年付费金额、1年的付费金额，把这些指标转换成一个综合指标进行排名，根据排名来评估付费潜力。有可能会发现，有部分账号近7天的付费金额排名靠前，但是1年的付费金额排名比较靠后，这些用户有可能是流失回归玩家。
9、进一步分析，为什么这些用户流失了会回归游戏呢，是因为什么原因呢？可以用5W1H法，找出什么类型的玩家在什么时间什么地点因为什么原因而回归。
10、找到了用户流失回归的原因，同样也可以分析这些用户之前为什么流失，可以通过一些指标来分析和用户流失的相关性。比如，是打行会战的挫败感太强了？游戏物价贬值太快？公会成员解散了？等等，把这些原因的数据指标找到后，看这些指标和流失的相关性，相关性越高则流失概率越高，这就是
相关分析法。11、 把相关性高的指标找出来以后，将这些指标做为自变量，是否流失作为因变量，用逻辑回归，可以得出用户流失概率。这里用到的是回归分析法。
12、前面矩阵分析法对用户进行了分类，同样的也可以对用户进行聚类，比如，用聚类分析法可以区分PVP高活跃玩家，PVP低活跃玩家，PVE高活跃玩家，PVE低活跃玩家。
13、在做聚类分析时可以用方差分析 来配合，用方差分析可以找出异常值，把异常值找出来并剔除，聚类分析出来的结果会更精准。
14、最后，如果想预测该游戏未来的收入趋势，可以用时间序列分析法来实现。
閱讀更多 黎湘豔 的文章
