ARPPU是什么？基于产品解读ARPPU
ARPPU(每付费用户平均收益)行业有些人会将其与ARPU(每活跃用户平均收益)混为一谈，本期文章将根据产品深入解读ARPPU;在写文之前，你要知道ARPPU是什么?
ARPPU, Average Revenue per Paying User, 即平均每付费用户收入;它反映的是每个付费用户的平均付费额度。
对于付费用户而言，付费额度分布是不平均的，这一块可以遵循二八原则，而目前值得一提的是大部分运营同学在ARPPU的解读上都是粗犷式，简单通过公式(ARPPU=周期付费总额/周期付费人数)、(ARPPU=周期付费总额/(周期用户总数*转化率))得到一个平均答案;但是众所周知，手游付费用户分为小R(小鱼)、中R(海豚)、大R(鲸鱼)，但单纯以平均值去衡量产品，参考价值很局限。
数据需要精细化运营，从宏观上说，集中数据取样的方法又有截尾均数(去掉5%的最低数据与最高数据，求均值与原来ARPPU差距衡量数据精确性)、中位数(数据从小到大排列，取位置中间值，求中间值与原来ARPPU差距衡量数据精确性)、以上两种方法在高中数学中经常提到;从微观上说，就需要我们建立用户数据模型，即大中小R的取样与区分调研;这样可以更加准确的分析不同人群的消费能力。
除此之外，我们仍应该注意ARPPU的解读背景，要知道对于产品数据而言，不能孤立，只能分解;这是基于用户规模去做的利润衡量及付费粘性，切不可在脱离用户基数的情况下做出盲目分析(手游那点事1群：165095584;关注手游那点事，关注小白学运营)。
小明：我们家ARPPU数值超过200了，现在利润越来越高;我们游戏用户的付费质量提高了。
小华：你们游戏有多少付费用户?
小明：上个月10个付费用户，1000充值金额;这个月4个付费用户数，800充值金额;ARPPU对比上个月提升了100;真是赚大了!
小华：…………..
这个故事不悲伤，却很欺人;要知道一个ARPPU代表的内容很多，如何避免这些误区，精确科学的审视产品数据，就变得重要起来;数据是产品优化的支撑，一步错，步步错;我们先来看一组数据：
上图为某游戏2月份运营数据
上图为某游戏3月份运营数据
插播一条广告：代友询问深圳地区有没有公司招主策，某位资深主策划找工作，QQ：334991286!从2月份以及3月份的运营数据 ，我们先做一个初步分析：
我们先看游戏粘度：
2月：(DAU/MAU)*100%=23.2%
3月：(DAU/MAU)*100%=21.8%
比值差距不大，我们在看粘度天数：
2月：23.2%*30天=6.96天
3月：21.8%*30天=6.54天
综合看来，2月份与3月份粘度高于20%，处于一般正常范围，且这两个月粘性差距不大，那么接下来我们再看付费率：
2月：PUR(付费比率)=(月付费用户数/月登陆用户数)*100%=3.6%
3月：PUR(付费比率)=(月付费用户数/月登陆用户数)*100%=4.1%
从上面两组数据对比我们又能发现尽管用户粘度差距不大，但是3月对比2月份付费渗透率仍有上升，那么结合这两者，我们再回到3月份的另一组数据：
上图为某游戏3月份用户等级在线分布
上图为某游戏3月份用户等级充值分布
从上图我们可以很清晰的看到，该游戏的付费重心在产品1/3阶段，因后续玩法单一等因素，用户等级以及付费重心比较靠前;那么结合上面已有的数据基础，我们再做关于ARPPU的分析：
这里我们可以很清晰的看到：
2月ARPPU=付费金额/付费人数=293.3
3月ARPPU=付费金额/付费人数=316.0
因考虑详细用户付费模型涉及到公司机密，本文暂作粗犷式分析，从这里，我们可以看出3月对比2月用户平均付费额度更高，在此基础上，公司仍可以通过采集样本，以316为分界线;将低于316的付费用户再做引导，将高于316的用户再做维护。
如何进一步分析ARPPU?我们再回到文章开头的公式：
ARPPU=周期付费总额/周期付费人数
ARPPU=周期付费总额/(周期用户总数*转化率)
对于付费人数，大部分运营同学会以付费账号数为条件，即APA
公式已经列出，我们再看影响ARPPU的条件：
分子：付费总额
分母：付费人数(APA)、用户总数、转化率
影响条件已经列出，接下来我们再看ARPPU上升/下降的触发条件(手游那点事1群：165095584;关注手游那点事，关注小白学运营)：
一、如果ARPPU保持上升(原始举例：ARPPU=100/10=10)
则有(1)：付费人数下降，用户付费上升或不变(例:ARPPU=100/5=20)
则有(2)：付费总额上升，付费人数下降或不变(例:ARPPU=200/10=20)
则有(3)：两者同时下降，但是付费人数下降幅度大于付费总额下降幅度(例:ARPPU=90/5=18)
则有(4)：两者同时上升，但是付费人数上升幅度小于付费总额幅度(例:ARPPU=300/20=15)
以上四种情况，都会造成ARPPU值上升，其中每种情况所代表的原因各不相同：
(1)付费人数下降，而用户付费金额上升或不变，可以清晰的看到游戏中大R较多，可以支撑流失的小R损失，在这里流失的小R可作为一套流失用户模型，为什么流失?基于活动对小R的伤害还是基于IB消耗对小R的影响，亦或是游戏周期不足以满足小R用户的付费意愿，这些情况都需要我们做出样本采集;因为某天大R流失，该数据将会直线跌落。
(2)+(4)第二者情况和第四者情况较像，都是收入提升，付费人数下降或涨幅低于总收入;情况(2)与(1)相似，存在小R流失的情况;而情况(4)则意味着付费用户的层次以及进阶，例如活动刺激或者是IB拉动，可能此举在流失一部分小R的同时，迅速导入了一批新的付费用户，或者完成了小R向中R的蜕变;在这里，上图1.1-1.2可以明确看出，周期新增用户的快速导入填补了付费流失的空缺。
(3)两者同时下降，只是下降幅度不同，在这里我们可以参考PUR(付费率)以及MAU(结合公式2取条件数)，若PUR下降，MAU同时下降，则游戏本身在人气以及IB方面都存在较大问题;PUR下降受游戏周期影响、活动影响以及IB驱动力影响;而MAU下降则需考虑游戏节奏、特色玩法、产品变动、市场冲击等问题;此时的ARPPU提升，意味着游戏生命周期提前消耗，因为这种算法是一损俱损的局面。
说完ARPPU上升的几种情况，我们再往下看：
二、如果ARPPU保持下降(原始举例：ARPPU=100/10=10)
则有(1)：付费人数上升，用户付费下降或不变(例:ARPPU=100/20=5)
则有(2)：付费总额下降，付费人数上升或不变(例:ARPPU=80/10=8)
则有(3)：两者同时下降，但是付费人数下降幅度小于付费总额下降幅度(例:ARPPU=54/9=6)
则有(4)：两者同时上升，但是付费人数上升幅度大于付费总额幅度(例:ARPPU=200/40=5)
上述四种情况，尽管ARPPU结果相同，但是情况和代表意义又各不相同，我们往下分析：
(1)+(3)：从ARPPU的两种算法，我们可以得知PUR稳定或增长，MAU稳定或增长;说明近段时间的产品变化(活动?改版?)影响了低端付费群体或潜在付费群体，但是整体ARPPU下降，反推我们可以得知，可能出现小R进入，大R流失的情况;这里可以看出游戏仍在成长阶段，吸量效果以及转化率较强，在这里我们需要注意的是如何避免大R流失，若大R游戏节奏过快，或者游戏出现用户断层交互的局面亦或是游戏后期玩法单一等因素，我们都可以根据这些流失情况做出大R用户流失模型，通过分析调研找到优化的途径。
(2)+(4)：收入下降，付费用户上升/稳定;但是收入涨幅不变或较低;这里我们可以看出小额付费用户较多，其敏感条件主要在于付费用户本身，如何通过活动刺激加大小R用户的付费能力或者是小R向中R的过渡途径，需要的是我们控制好这部分小R的用户比例;帮助他们转化，这里同样可以建立专门的用户模型，做出针对性的用户转化方案。
上述几种条件简述完毕，这些思路小白学数据也有提到，尽管APRRU很简单的上升或下降，若综合其他数据来说，其表现信息也是各不相同;就用户的购买力而言，ARPPU本身便受产品付费的深度影响，具有一定局限性;不是ARPPU高，就代表产品好，同样不代表ARPPU低，就代表你的产品差;这只是数据中的一环参数，我们只需要根据上述情况整理出较为理想的解决方案即可：
一般而言，收入和付费用户同时上涨，这里具有两面性;一面是产品生命周期提前消耗，另一种则是产品数据良性上升;前者的数据情况我们已经提到，后者的数据同样基于前者;也就是PUR与MAU的监控，若在收入与付费用户同时上涨的情况下，PUR上涨没有损失MAU的数据;那么游戏的整体付费数据较为可观;当然，付费只能拆分，不能独立;这里需要我们综合产品粘性去衡量，即DAU/MAU的变化关系;若用户粘性降低，游戏生命周期也会随之变短;进而影响到APA、PUR、ARPPU的数值变化。
最后我们再基于公式去看，如何良性提升ARPPU?
从图1.1-1.2-1.3-1.4;我们可以看出，第一种在于引入大量付费用户;我们可以明显看到，2月、3月新增付费用户分别占周期总用户数的81.7%和75.4%;然后我们再根据2月付费率(3.6%)3月付费率(4.1%)可以看出;利用活动或者其他运营手段完成前期付费用户的提前;在这里很明确能看到的是该游戏用户付费节奏非常靠前。
接下来则是基于用户情感去宣传，其中用户情感又包含用户认知，对游戏道具的认知，对游戏系统的认知：
小明是个高富帅，在游戏中喜欢炫耀，喜欢被人崇拜仰慕;某天游戏中出现独一无二的时装，爱炫耀的小明赶紧掏钱购买。
小华是个务实派，在COC游戏中深知城建、兵种养成对PVE、PVP的重要性，于是他购买了大量钻石强化自己的领地。
前者基于用户对道具的认知，后者基于用户对系统的认知;这两者认知都属于用户情感的范畴，如何挖掘用户痛点，引爆用户情感;需要我们根据不同用户建立不同的用户模型。
插播一条广告：代友询问深圳地区有没有公司招主策，某位资深主策划找工作，QQ：334991286;请自行联系!最后我们再根据以上数据总结一些影响ARPPU的基本元素;：
1.IB系统：IB的付费驱动力，用户对该元素的需求;以及新品，旧品的功能展示、数值改变。
2.付费人数：流失付费用户数量、特征;新增付费用户数量、属性。
3.产品系统：资源的产出与消耗比值，是否需要配平;游戏改版功能性玩法是否影响IB性价比;限时道具停售或某旧品道具下架。
4.付费率：用户基数导入，PR营销、用户长短期目标建立及情感维护;系统付费节奏与核心玩法是否契合，是否满足新增用户的付费需要。
5.用户模型：小R、中R、大R的区分对待;充值与消耗是否符合不同付费模型的充值预期，是否满足不同阶层用户的付费体验。
6.运营活动：线上/线下活动的门槛以及奖励驱动是否满足用户参与活动的需要;是否刺激用户痛点，对于活动奖励与游戏资源是否冲突;是否引爆用户情感。
7.付费通道：付费途径是否快捷可行，有无BUG问题出现;一二级转换率与流量消耗资源占用是否伤害用户付费体验。
8.游戏生命周期：游戏生命周期阶段性展示，前中后期对不同用户的付费粘点展示;付费用户与非R用户的区分对待以及娱乐平衡是否满足用户需要。
参考：
[ARPPU是什么？基于产品解读ARPPU_用户运营_鸟哥笔记](https://www.niaogebiji.com/article-3106-1.html )]
