很多人以为，游戏行业的“数据分析”就是从后台拉一张 ARPU、DAU、付费率的报表，然后看收入是涨是跌。但真正的数据分析，核心是回答三个问题：为什么玩家会留下来？为什么玩家会付费？以及，这中间的每一步，有多少人在哪个环节流失了？ 我操盘过月流水过亿的卡牌项目，也帮独立游戏团队把留存率从 12% 拉回 25%，如果只看 DAU 和收入，这后半段经历几乎毫无价值；但当我拆解到“角色养成满级动作消耗了多少钻石”这一层时，问题才暴露出来。
这篇文章我会用第一人称，把过去五年在游戏行业做用户增长与营收分析的真实经验、踩坑记录和判断逻辑写出来。不讲教科书理论，不堆砌指标名词，而是告诉你，在什么情况下，数据分析会骗你；什么情况下的数据，连看都别看；以及什么情况下，你应该完全相信一个让你做“短期亏损”的结论。
判定一款游戏是否健康，收入指标永远滞后于用户行为指标。 当收入曲线开始下滑时，你通常已经晚了 30 到 45 天。真正的预警信号藏在两处：付费用户次日留存曲线和首日到第七日的付费行为迁移。
我拿实际项目举例。某款二次元卡牌，上线第三个月，日流水从 380 万降到 260 万。当时运营总监第一个动作是改首充奖励，市场负责人想加大买量预算。但我们把用户行为数据拉出来之后发现：问题根本不在付费意愿，而在于高价值用户（首周内付费超过 1000 元的玩家）在第七天的活跃度下降了 40%。这批人的付费行为没有减少，但他们登录游戏的频率变少了。收入下降只是他们活跃度下降的“结果”，而不是“原因”。
另外一个更反直觉的结论是：付费率提升，不代表营收健康。 我们曾有一款产品，通过调整首充礼包内容，把付费率从 4.6% 拉高到 6.8%，但次月 ARPDAU（每活跃用户平均收入）反而跌了 19%。原因很简单：我们把一个 6 元首充礼包改成“首充任意金额免费送 SSR”，大量低意向用户花 6 元拿完奖励就走，既没有沉淀为长期玩家，也拉低了后续付费意愿。这就是典型的行为数据与收入数据脱节造成的误判。
核心结论的第一条，是你要把分析粒度从“收入”降到“行为”。 第二条，是你要建立一套“营收健康度”的综合指标，而不是只盯一个数。第三条，也是最容易被忽略的：用户行为分析必须包含“不付费用户的行为路径”，很多营收问题的根源，恰恰藏在那些“从来不出钱”的人身上。
先交代我的背景。我在一家头部游戏发行公司做了三年数据增长分析师，后来加入一家 A 轮创业公司做用户增长负责人，手上管的项目从二次元卡牌到轻度休闲都有。真正让我对游戏数据分析这件事产生“敬畏感”的，是一个失败到极点的案例。
那是一款模拟经营类游戏，内核是“开店，装修，升级，招揽客人”。上线前我们做了很完整的商业闭环设计：首日引导玩家花完初始金币，第三天推送限时礼包，第七天开启竞技排名。数据模型跑出来，LTV（用户生命周期价值）预估 4.8 元，CPI（单用户安装成本）在买量市场大约 1.2 元，ROI 看起来 4 倍，项目非常值得投。
结果上线后，第一天留存 47%，第二天直接掉到 19%，第七天只剩 6%。而所有收入指标几乎为零，不是因为玩家不付费，是大部分人根本没玩到出现付费入口的环节。
我把当时的后台数据翻出来看了三天三夜，发现问题不只是“游戏不好玩”这么笼统。用户行为日志显示：超过 60% 的玩家在第三天卡在同一个任务，需要邀请 5 个好友来店里消费。 这个任务的设计本意是促进社交传播，但对于不愿意授权的用户来说，这直接成了一堵墙。更致命的是，我们的数值策划把这 5 个好友的消费计入“NPC 自动化引导”，导致游戏内经济系统崩溃，玩家即使完成了邀请，也会发现自己没有足够的金币升级，形成第二个流失高峰。
从那时起，我开始深入理解一件事：数据分析不是一个“从后台拉数”的动作，而是把用户行为、系统设计、数值平衡三者对齐的过程。 如果设计师的意图和玩家真实行为之间出现偏差，数据会告诉你“玩家不玩了”，但不会直接告诉你“为什么要让玩家邀请 5 个好友才能解锁主玩法”。
在这个背景下，我把自己分析游戏的框架分成五个层次：环境层（渠道、买量、素材）、行为层（点击、停留、操作路径）、留存层（逐日留存、场景留存、节点留存）、付费层（首充、复充、生命周期价值）、以及系统平衡层（经济产出、消耗、进度卡点）。 每一层都有对应的指标和分析场景，但很多团队只做了第三层和第四层的表面功夫，就会做出错误判断。
如果你想要的是对游戏数据分析“最有用”的认识，不是那一堆指标定义，而是理解：每个数字背后都是一个玩家的真实行为轨迹，每个异常数字背后都藏着一个产品问题。 接下来，我拆解几个实际工作中最常见的误区。
LTV 最大的坑，在于它不是一个“你的游戏很赚钱”的数字，而是一个“用户在某个时间窗口内平均带来多少钱”的统计。很多团队算 LTV 时，拿总营收除以总用户数，得出一个看似合理的数据，然后拿去算 ROI。
我见过有团队把一款休闲游戏的 LTV 从 2 元算出 9 元，方法是：只取付费用户的 LTV，忽略大部分不付费用户。这不是失误，而是很多人“希望”看到高 LTV，好说服老板买量。这样算出来的 LTV 在买量投放时会让预算策略完全错乱，你会去大量获取低质量用户，因为他们“看起来”能回本，实际上把留存和复购都拖垮了。
正确做法：LTV 必须按细分生命周期、细分用户来源、细分付费能力三个维度分别计算，并且不能把“上限值”和“均值”混为一谈。
留存率是游戏行业谈论最多的指标，但大多数团队盯的是次日留存。而次日留存高，不代表游戏能赚钱。
有个很核心的逻辑：次日留存代表“新手体验”过关，而 7 日留存代表“核心玩法”能留住人，30 日留存代表“以赛季/更新为周期的内容承接”有效。 如果你的游戏内容消耗过快，玩家 7 日留存崩塌，那你无论优化多少买量素材、降多少 CPI，最终都是烧钱买寂寞。
有一类游戏，从付费率数字上看很糟糕，比如 SLG（策略类游戏），付费率可能只有 1% 到 2%，但它的 ARPPU（每付费用户平均收入）非常高，大 R 能撑起整个盘的收入。
反过来，有些游戏的付费率非常高，比如休闲游戏的 12% 到 15%，但大多数玩家只付 6 元首充，之后再也不付费。这两种产品的付费健康度完全不能靠同一个标准判断。
专业判断：付费率要结合产品类型、付费深度、以及各付费区间的用户占比来看，而不是单看一个百分比。
这是所有数据分析里最危险的一步。归因是告诉你“广告渠道带来了注册用户”；而因果是告诉你“这款游戏，是怎样的设计，让用户从注册到付费”。 很多团队过度依赖渠道归因数据，把 ROI 不达标直接归结为渠道质量差，而忽略了游戏内行为路径中本身就存在的流失节点。
最典型的现象：一款游戏在买量渠道 A 获得 1000 个用户，付费 30 人；在渠道 B 获得 1000 个用户，付费 25 人。很多人会觉得渠道 A 优于渠道 B，但如果拆开渠道用户的行为差异，发现渠道 A 的用户完整体验了新手指引的只有 40%，而渠道 B 的完成率是 60%，那结论可能完全反转。“渠道好”不如“用户和产品匹配度高”。
我过去处理数据的第一件事，永远是排除渠道噪声。因为渠道用户画像不同，导致同样的产品设计在不同渠道数据表现天差地别。
具体操作的方法是做同期群分析（Cohort Analysis）里的渠道拆组：把所有新增用户按来源渠道、素材组划分，然后分别统计每个组的次日、7 日、30 日留存率，以及每个组内用户的关键行为完成率。如果某些渠道的用户短期留存很低，但按任务行为完成率角度看，这些用户的完成度并不低，这就说明问题出在“渠道引入的用户和游戏玩法不匹配”，而非游戏内容本身太差。 但如果所有渠道的完成率都低，那就是产品新手指引和难度曲线出了问题。
大多数团队分析付费，只看“首充”、“累计付费”、“ARPPU”三个数字。但我不这么看。我会把用户付费行为拆成一个时间序列，记录用户从激活到首次付费用了多少小时，从首充到二次付费隔了多久，以及从二次付费到高频付费之间经历了什么关键行为。
这里有一个真实判断逻辑：如果你发现用户首充之后 48 小时内没有产生第二次付费，那说明首充没有有效触发他对游戏内资源的消耗和追逐。 这通常不是付费引导文案的问题，而是游戏内数值平衡出了问题，用户付费获得的道具或资源，没有成功改变他的游戏进程，感觉“买和不买没区别”。
这一条是我个人积累的核心方法论之一。很多营收分析没有进展，是因为团队把所有注意力都放在付费用户身上，忽略了绝大多数不付费玩家的行为路径。 但不付费用户的行为路径里，藏着提升付费率最有效的线索。
比如，我曾分析一款三消游戏，发现大量用户在第 12 关到第 15 关之间通关失败超过 5 次。在这个负面体验节点上，任何“充值 6 元赠送 5 次额外尝试机会”的弹窗，转化率都低得惊人，但把奖励改成“免费看广告获得一次额外机会”之后，广告点击率提升了 4 倍。这说明用户不是不愿意付出，而是不愿意为一款自己不信任的游戏付现金。 后续我们把这部分用户引导进一个“小额任务换道具”体系，最终有 17% 的纯免费用户转化成了广告收入贡献者。
指标是静态的、平均值；事件流是动态的、行为的顺序组合。只有当你看完整段用户操作路径，才能读懂数据背后的动机和障碍。
我的一个偏方是：只捞前 15% 用户的事件流和最后 5% 用户的事件流，对照差异。 前 15% 指付费和活跃最高的用户，最后 5% 指流失最早、最彻底的用户。对比他们激活后的前 60 分钟操作记录，基本可以看出产品问题在哪个环节：是 UI 引导过长？是数值困难断崖？还是没有一个明确的目标感？
这种方法不需要复杂的机器学习模型，用 SQL 拉一张事件表就能做。但效果往往比看一堆聚合指标好得多。
这款产品问题很明显：7 日留存 28%，在品类里算是中上；但 ARPDAU 只有 0.04 美元，远低于休闲品类 0.12 美元的及格线。也就是说：玩家愿意玩，但不愿意出钱。
当时团队已经试过所有常规手段：弹窗限时礼包、滑屏解锁折扣、首充礼包翻倍，全部失败，付费率卡在 2.1% 没有变化。
我把注意力转向“不付费用户的行为路径”上。通过分析 3000 名七日内未付费玩家的操作事件流，我注意到一个奇怪现象：大量玩家在合成到第五级植物时，会反复点击“查看图鉴”按钮，然后又退回主界面，什么也不做。 这个动作频率是没有付费用户的三倍。
通过进一步访谈 12 名玩家，我们明白了，他们卡在“不知道该合成什么”的阶段。游戏没有给玩家一张“下一步是什么”的蓝图。玩家点图鉴不是好奇，而是在寻找“目标指引”。
于是我们做了一个改变：在 UI 上增加一个“当前可合成的下一级目标”，并且在每次合成升级时展示“距离下一里程碑还有多少步”的进度条。 这个改动上线后两周内，付费率从 2.1% 提高到 3.4%，7 日留存提升到 33%，ARPDAU 从 0.04 美元涨到 0.07 美元。
这是我职业生涯里最“非数据直觉”但最正确的判断：用户不出钱，不是因为他们“铁公鸡”，而是因为他们没有从游戏里获得足够的“目标感”去触发付费动机。 数据能告诉你“付费率低”，只有行为数据才能告诉你“为什么低”。
另一款线产品，月流水从 1200 万涨到 1600 万，但运营团队压力巨大，因为买量成本也在同步增长，而且用户量没有明显上升。
我从三个维度做了拆解：用户新增来源、付费结构、以及关键行为事件触发率。结论是：这批增量收入，超过 60% 来自不到 2% 的大 R 用户，而中腰部付费用户的数量实际上在下降。 也就是说，收入增长不是产品变好，而是几个超级玩家的疯狂消费撑起来的。这种结构非常脆弱，一旦这 2% 的用户流失，收入就会瞬间崩盘。
进一步发现，这批大 R 用户里，有 30% 是“竞品主播”或者“陪玩工会”的账号，他们集中消耗服务器资源，但没有社交互动，也没有给其他玩家带来“竞争压力”。这批用户对于产品生态没有正面价值，反而让常规用户在排位赛中频繁匹配到战力悬殊的对手，导致中层玩家加速流失。
我当时的建议是：限制单人单日充值上限，并且开启“战力匹配”机制。 虽然短期流水会掉 15% 到 20%，但可以保住中腰部用户的生态，给后续的赛事运营和皮肤销售留出空间。老板咬着牙执行了，执行后 45 天，日流水确实先从 52 万降到 41 万，但 60 天后重新回到了 55 万，并且中腰部付费用户数量回升了 17%。
从这个案例我想说明：营收分析不是越高越好，而是要判断“增长来源的质量”。 判断质量的唯一标准，是看用户行为是否支撑着收入的可持续性：付费用户的社交活跃度、对局参与度、内容消耗速度，是否处于健康水平。
游戏刚上线测试时，收入数据完全没有参考价值，因为用户池小，付费入口未打磨，任何收入指标都只是噪声。真正应该关注的是：新玩家是否在 30 分钟内完整体验了核心玩法循环？是否理解了主要目标？是否被卡在某个新手引导节点？
我当时做的一套“行为完成度指数”，包括：主线任务完成率、技能学习触发率、每日签到接受率、以及对局结束后的行为触发（返回大厅、继续下一局、查看商城）等。这套指数比任何其他数据都更能帮你在早期发现产品缺陷，而不是评判用户质量。
游戏进入买量增长期，大家会习惯性盯着 LTV 去看回本，但在早期买量阶段，LTV 高并不代表投放效率高。因为你投放的量级越大，LTV 很可能被稀释，因为你的素材从核心用户触达转向泛用户。
正确方法是：按素材组、分渠道回看“1 日 ROI”“3 日 ROI”和“7 日预估 LTV”，而不是直接用累计 LTV 决定预算。你真正要分析的是，同一批素材在不同渠道的用户质量差异，从而尽早砍掉无效素材组，快速把资源集中到优质渠道。
当产品上线超过半年，最核心的判断指标其实是：核心用户（定义为过去 30 天内付费超过 50 元的用户）的活跃时长、每日登录次数、以及社交互动事件数。 如果这些指标下降，说明核心用户的粘性在弱化，即使短期收入没有下滑，也要提前准备新内容和召回活动。
成熟期另一个重点是大 R 用户的“反流失监测”。 大 R 流失通常不是突然发生的，而是有征兆的：连续 7 天登录时长减少、商城访问频率降低、竞技场挑战次数下降。这些行为指标应该设置预警线，在大 R 真正流失前做干预，比如私人客服回访、定制化活动、专属礼包。
增长团队最喜欢做的是“付费入口前置”，比如玩家在新手教程结束前弹出首充礼包。这种做法的确能把付费率拉高 30% 到 50%，但长期代价是：大批潜在用户会因为过早打断游戏体验而流失。
这个取舍很经典。我给一个具体判断逻辑：如果游戏的核心玩法非常轻度（如合成、三消）、单局时间短、用户用碎片时间打开，那么新手期对引导的容忍度非常低，付费弹窗应该推迟到玩家至少完成 20 局之后。 相反，如果游戏是重策略、养成核心（比如 SLG），用户付费决策周期长，付费弹窗可以提前，但内容应该是“开启新功能”而不是“打折促销”。
混合变现已经成为行业共识，但很多人没有意识到：哪种营收形式作为主导，会影响用户行为模式。 广告变现为主的游戏，用户会在“看广告拿奖励”和“直接付费跳过广告”之间做决策；如果奖励设置太慷慨，付费就没有吸引力；如果设置太苛刻，用户会直接流失。
我的建议是：让用户有选择权，但把选择设计成“被动广告+主动付费”双层结构。 比如：免费玩家看 30 秒广告可获得道具；付费玩家可以直接点“跳过”用钻石抵扣。这种模式保持了两种营收路径，同时不会让用户觉得被逼迫。
买量有一个数学逻辑：买得越多，边际用户质量越低，LTV 被稀释。 核心是：你愿意接受 LTV 跌到什么程度，换取多大的买量盘子？
我的经验数值是：买量规模增速与 LTV 跌幅的线性关系超过 1:1.2 时，停止扩张。 即：买量预算增加 50%，LTV 如果下降超过 60%，那这部分的增长没有意义。
数据永远不能替代产品直觉和管理层判断。比如，当服务器出现 Bug 导致大批玩家无法登录时，你没有时间去建模型分析“哪些用户流失风险最高”，你首先要做的，是集体发补偿邮件，对所有活跃玩家进行安抚，保住核心用户不流失。分析模型可以帮你理解事故对留存的影响，但无法帮你替代紧急修复。
游戏数据分析和营收分析，不是一场数据越多越好的竞赛，而是一场“找到最关键的行为信号，并据此做商业决策”的博弈。
如果你是游戏运营、制作人或数据分析师，下一步最该做的不是立刻刷新后台报表，而是做一次简单的行为数据审计：把最近 30 天内只登录一次就流失的用户样本拉出来，点开他们前 10 分钟的操作日志，逐个人看，判断他们在哪个节点失去兴趣。
这个动作花不了半天时间，但它大概率会暴露一个你从来没想过的产品问题。当你找到那个“最反直觉的行为信号”，其实营收分析的真正价值就开始兑现了。
我是一家中小游戏公司的运营，接手数据分析后发现团队只盯着DAU和ARPU，却不知道该看什么，也不知道怎么分析才能提升营收。请问做用户行为与营收分析到底该从哪里开始？需要先报多少指标？
我踩过最大的坑，就是一上来就铺了60多个指标，结果每周报告像字典，没人看，也找不到业务抓手。后来我给一家三消项目重构分析体系时，强制砍到6个核心指标，反而让首发版本的首日付费率提升了约0.4个百分点。建议按四条线入手：第一步，明确你的游戏生命周期阶段。上线早期看新手漏斗、激活转化；
中期看留存曲线和付费习惯；成熟期看LTV和买量回收。同一个指标在不同阶段权重完全不同。第二步，做标准事件埋点，至少覆盖：注册、进入首局、完成新手引导、首充、次日/7日/30日留存、首次通关、抽卡/开箱、观看激励视频、付费成功。这些是行为与营收分析的地基。
第三步，搭三个核心漏斗：新手引导完整体验率、首日付费转化、从“浏览商城”到“支付成功”的转化。我见过很多团队只看付费率，但不知道玩家卡在哪个环节。第四步，用LTV和CAC做校准。如果LTV小于CAC，说明买量或变现策略有硬伤，这时行为分析要优先找“高留存低付费”和“高付费低留存”两类人群的行为差异。
如果你正在从零搭建，别急着看所有指标。先盯住“首日付费率、7日留存、人均游戏时长、次日回访率”这四个，再逐步扩展。它们能直接反映用户体验和变现潜力，也能帮你和老板沟通时快速对齐问题。
我做了一份周报，把DAU、新用户数、付费率、ARPPU全列上，但老板只问为什么收入没涨。我怀疑我关注的指标有问题。到底哪些行为指标才真正影响游戏营收？
先说结论：DAU、总流水、新增用户，这三个最容易被写进周报，但它们都是“结果指标”，不是“原因指标”。你看到DAU涨但收入跌，说明用户结构或付费行为变了，只盯总数会掩盖真相。我举一个真实案例：一款模拟经营游戏上线一个月，DAU从2万涨到4万，收入却下滑了12%。
团队当时以为是付费率问题，后来拆开看，发现“完成新手引导但未进入第二个地图”的用户占比从31%涨到46%，这部分用户几乎没有付费行为。问题出在引导流程的“强制弹窗”，结果指标都没撒谎，但只有行为漏斗能定位到具体环节。
真正影响营收的行为指标，我建议分三层：第一层，体验质量：新手引导完成率、首周流失率、会话时长分布。第二层，付费转化：首日付费率、7日累计付费率、商城点击深度、试玩次数与付费间隔。第三层，长期价值：30日LTV、付费人群复购间隔、流失前最后一次行为伴随的付费行为。对比两个指标：ARPU和ARPPU。
如果ARPU高但ARPPU低，说明大部分收入来自少数鲸鱼玩家，这种结构抗风险能力差；如果ARPU低但ARPPU高，说明付费渗透率太窄。你要结合行为指标去解释，而不是单独报一个数字。
最简单的方法，是在报告里加一列“同环比变化的原因假设”，比如“新手引导完成率下降8%，假设是新手期任务难度过高，需要验证”。这样老板会更信任你。
我们游戏明明留住了玩家，但礼包购买率极低。我们想着给不同玩家推不同礼包，却不知道怎么分类。能不能用行为数据把玩家分层？分完层后怎么做收入提升？
很多人会直接套RFM，但在游戏里RFM的“最近一次付费时间”并不够，因为很多玩家“活跃但长期不付费”。我给你一个更接地气的分法：用“付费深度×行为深度”做四象限。付费深度我用“累计付费金额”分三档：0元、1-50元、50元以上；行为深度我用“平均每日游戏次数”和“周均在线时长”合成低中高。
这样得到四类：高活跃高付费、高活跃低付费、低活跃高付费、低活跃低付费。我带项目时发现，超过60%的营收来自高活跃高付费人群，但增长空间更大的是“高活跃低付费”这群人。
一次真实实验：一款卡牌游戏对“高活跃低付费”玩家推送“每日任务通关后解锁限时折扣礼包”，转化率从0.3%提升到1.2%，收入增长了约17%。但同样的策略放到“低活跃高付费”玩家身上完全没有效果，他们更在意“跳过养成直接购买稀有材料”类礼包。
具体落地步骤：第一步，定义行为分层的维度，建议用玩家离线时长、核心玩法参与率、社交功能使用率。第二步，跑一个分层SQL，按周动态更新标签。第三步，每个层级写两个“触发策略”：一个主动推送（如礼包、活动），一个被动触达（如流失召回）。第四步，A/B测试两周，只看真实营收变化，不要看点击率。
注意别把“付费金额”作为唯一分层维度，因为充值活动会扭曲它。更稳的做法是同时看“付费频次”和“近30天有效天数”。如果你发现一个玩家付费很多但在线时长很低，那他的价值可能来自“内容消耗”，而不是“游戏粘性”。
昨天游戏收入突然掉了30%，我们查了服务器、排行榜、版本更新都没找到问题。到底该怎么通过用户行为数据快速定位是功能改坏了，还是渠道买量质量下降了？
别急着看收入报表，先拆公式：当日营收 = 活跃用户数 × 付费用户占比 × 每付费用户平均收入。你只要把这三个数各自拉出来，看哪个明显掉，就能缩小一半范围。我经历过一次典型的营收波动：某游戏周流水突然跌了25%，团队怀疑是服务器卡顿，但检查后没异常。
最后我拆出“新用户首日付费率”从1.8%跌到0.9%，而老用户付费率稳定。继续下钻，发现新用户完成新手引导的时长从平均3分钟变成了7分钟，原因是前一天版本更新加了一个“实名认证弹窗”，只要用户点击延迟，就会卡住引导流程。
这里给你一个标准排查顺序：第一，按渠道拆分营收，如果是某个买量渠道的新用户贡献暴跌，问题大概率在推广素材或包体兼容性；如果所有渠道一起跌，问题在产品或版本。第二，按用户分层拆，看新用户和老用户分开的付费率、留存、在线时长，找出异动层。
第三，按行为漏斗拆，从启动、进入游戏、完成引导、进入商店、点击支付、到支付成功，每一层的转化率都要对比过去7天均值。哪一层明显低，就盯着哪一层去查埋点、界面改版或活动逻辑。另外，立刻拉出流失用户“最后一天的行为路径”：他们流失前是全都不看商城，还是都卡在某个关卡？
如果是同一个关卡，那就是难度或数值问题；如果是商城，那就是定价或推荐问题。我用这个方法定位过一次“付费入口被隐藏”的问题，商城图标在改版后被移到二级菜单，点击率掉了60%，收入跌了20%。老板一度以为是内容不足，但行为路径显示玩家压根没找到付费入口。
最后建议你把“营收异动归因”做成一个固定机制，每天自动跑核心漏斗变化，一旦某个步骤的转化率波动超过15%，立刻告警。这比事后分析更省力，也能帮你避免下次“撞运气式找Bug”。
读者评论
文章里最有价值的是“收入下滑只是活跃度下降的结果”那一段，确实很多团队看到流水跌就急着改付费，却忽略了高价值用户访问频次减少这个前置信号。首充改版导致付费率升但ARPDAU跌的案例很有说服力，可见指标之间会互相欺骗。
作为运营，最共鸣的是LTV被算成9元那个例子。只看付费用户均值，会严重误导买量策略。正确做法是分渠道、分生命周期算LTV，同时要结合产品类型看付费率，休闲游戏的付费率高但ARPPU低，用统一标准判断会出大问题。
独立游戏团队很容易踩模拟经营那个坑，次日留存47%但7日只剩6%，问题不在用户质量，而是好友邀请任务卡住了主玩法。文章提醒我们要拆解行为漏斗，而不是盯着留存款。很认同“数据分析是行为、系统、数值三者对齐”的观点。