“辛普森悖论”(Simpson’s paradox)指的是在人们尝试探究两种变量是否具有相关性的研究中,在某些前提下有时会产生的一种现象。也就是说,该理论认为在分组比较中都占优势的一方,会在总评中反而是失势的一方。辛普森悖论主要是由于一些所谓“复杂变量”的影响,其弊端是没有对各个元素进行细化分析。
比如说,如果一个移动应用的用户组成是1万人用Android设备、5000人使用iOS设备,那么整体的付费转化率应该是5%,其中iOS设备的转化率为4%,而Android设备则是5.5%。如果在同等货币化效率的前提下,(也就是说Android用户和iOS用户消费一样多),一个资源渠道有限的产品经理就可能会根据这个数据做出很夸张的决定,或许会有限选择Android平台研发,甚至会取消iOS研发。
然而,当把这个数据分开来看,就会出现不同的结果:
我们都知道iOS平板的付费转化率比Android平板高出很多,而且iOS智能机的转化率也相对更好。了解了这些,产品经理或许会对未来的产品决策进行重新衡量。这种情况下,设备类型就是复杂变量:如果数据是根据设备类型得到,那么其他的数据就可能被完全忽略。在具体设备方面,iOS的付费转化率可以完全击败Android,但在整体上却低于Android的主要原因是,两个平台的设备类型表现不同:平板的转化率高于智能机,总体上来讲,iOS设备的转化率低于Android总体设备的转化率,尽管Android平板的转化率更低。
iOS和Android整体付费转化率(上)和具体设备转换率(下)比较的结果差异
造成这样差别的原因如下:http://cda.pinggu.org/
用户量:免费产品需要很大的用户量才能获得足够的总收入,因为该模式的转化率极低。而这些用户通常来自全球各个地区,使用各种不同类型的设备。针对不同的设备类型采用通用的平均值是没有意义的。
LTV范围:免费产品需要很长的货币化周期,把用户消费当作玩家是否开心的依据,就像参与度和消费紧密相关一样,因此可以作为分类的标准。
大多数的用户是不会付费的。免费产品的综合付费转化率比较低是因为把付费玩家和非付费玩家综合到了一起,所以任何对免费用户的衡量都是非常低的。因为大多数的用户是不付费的,所以ARPU以及ARPPU相差很多。
避免辛普森悖论的关键是要对反映两种不同用户之间的事实进行参考。用户划分在数据分析中是非常重要的,尤其是在免费产品当中,平均用户不仅不存在,而且是误导研发的因素之一。在一个具体的产品中,普世型的数据是没有多大参考意义的。
但用户分类并不只是在考虑产品研发路线的时候重要,如果一个游戏功能优先考虑最有价值和参与度最高当用户,因此这样的结论不仅是错误的,还会带来很多错误的用户。因此在产品做决策的时候需要考虑以下几点:定位(国家和地区);设备(平台、设备类型);获取渠道;用户早期行为(比如货币化或者参与度数据);进入游戏时间(控制季节性因素)。对于一些获取渠道来说,比如Facebook,其他数据也可以进行参考,比如年龄、性别等等。
和简单的把iOS与Android的比较数据相比,参考了这些因素的数据分析更加可靠。根本上来说,数据分析是为了提高用户使用的产品,如果分析采取的数据是错误的,那么真正的用户群是不会买账的。
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21