Search
「將個人房貸金額第25、50、75百分位數，分別取名為「小資房貸」、「中產房貸」、「富人房貸」。2012年1月至2021年1月其成長幅度各為10%、48%、63%。
小資房貸在2012年至2019年中這7年間都是負成長，2019年中才超過2012年；9年間小資房貸增加率只有10%，遠低於總體房貸餘額的增加率，對於房地產漲幅沒有參與。
2019年開始進場的小資房貸族群，也對應到同時期小坪數、自住的剛需產品在房市中最為熱絡。富人房貸的增加率一直穩定上揚，且超過總體房貸餘額的增加率，代表富人購置更多的房地產。
信貸組群的走勢則相反，2012年至2021年信貸總額從4,849億增加至8,201億，增加幅度為69%。小資信貸翻倍成長，遠超富人信貸的47%。普惠金融政策讓小資族背負更多平均利率在5.6%的信用貸款。」
https://money.udn.com/money/story/5635/5463170?fbclid=IwAR1c0S-0jnHzyKRR4p5mwo9Ez8_4w599V9jW6XdhO4oWg_SWUIJMrZH4FBQ
【四種檢驗每日活躍用戶的方式】
這篇文章看「活躍用戶」的角度非常令人有啟發。
一般遊戲業界對此指標的定義是「每天進入遊戲」的玩家，有些公司更細膩一點，會定義為至少要有一定時間(譬如15分鐘)進入遊戲的用戶。
不管用什麼定義，這裡提出的四種延伸檢驗方式都很值得參考。
--
●活躍用戶的LTV(顧客終身價值)
一般我們對於顧客終身價值的定義，是玩家從進遊戲到流失遊戲，所會貢獻的金額。而通常的追蹤方式，是以新增用戶為基準追蹤的。
舉個例子：假設1/1進入的玩家共有100人。當這100位玩家，在1/30所帶來的總收入是1000美金。則1000美金除以100位玩家=10美金。我們會定義1/1進入的這些玩家，平均30日的LTV是10美金。
LTV最普遍的功用是在計算廣告的回報率。如果1/1的所有市場花費只有500美金，那基本上可以在1/1所做的廣告投資報酬率應該會是正向的，因為這些玩家所帶來的價值已經遠高於獲取他們的成本。(關於這個指標的各種應用大概又可以寫出好幾萬字的文章，這邊就不贅述)
有個問題是，以每日廣告用戶為主的LTV數字會包含「大量的流失用戶」。
簡單來說，對大部分免費模式手機遊戲來說，30日留存達到5%就非常厲害了。這意味100位玩家最多只有5位玩家會留到第30日，而這5位玩家對於LTV的提升，會被已經流失的95位玩家所稀釋。因此如果不考慮與成本之間的關係，某方面來說無法掌握那些真正留下玩家的貢獻狀況。
而利用百分位數來監控「活躍用戶的LTV」，就能知道領先集團的付費成長變化。
譬如前50%的活躍用戶LTＶ變化，可以幫助我們專注在「領先集團」玩家的付費表現上，甚至推估領先集團的生命週期變化。
一般業界通常會用伺服器、等級、用戶進入時間來推估老玩家與新玩家目前狀態。但問題是，這無法排除玩家付費縮短進程的現象。第一服的非付費玩家，很有可能在一段時間就被30服的大戶玩家所超越，可能等級相同，但戰鬥力、卡組滿足程度、坑點填滿度後者都好很多。
前20%、30%、50%的活躍用戶LTＶ變化，就能把各伺服器不同時間，但坑點滿足狀況差不多的大戶集中在一起觀測。不過話說回來，透過不同VIP等級玩家的LTV變化，也可能收到類似的效果，但也不是每個遊戲都有此機制就是。
對於強調20/80法則的免費遊戲來說，專注付費領先集團的變化，是非常重要的事情。
--
●活躍用戶中只購買過一次付費的玩家比例
現在很多的遊戲設計，都是想盡辦法讓玩家進行「第一次的付費」。包括首儲獎勵、基金、月卡、免費訂閱活動等等。過往我們認為只要第一次付費的用戶，產生第二次、第三次付費的機率就會大。
然而，隨著遊戲越來越多，觸發首儲的機制做法也大同小異，這造成「蝗蟲型」玩家的比例提升，很多用戶只會購買月卡，淺嚐幾天後就會離開，甚至啟動退費程序。
在作者的研究中，大概有35~40%的用戶只會進行一次付費行為。因此，我們應該要把目光放在第二次購買後。活躍玩家中「一次付費用戶」的比例將會影響我們對於活動的規劃中，到底應該放多少心力在“培養用戶付費習慣”，還是驅動“玩家往更深的付費點”。
--
●活躍用戶中過去N天有進行過購買的比例
這是一個觀測大戶流失的先行指標。通常玩家變成付費用戶後，就開啟了前往核心玩家的通道；反之，當核心玩家開始停止付費時，這也開啟了前往流失的不歸路。
這個指標我認為也可搭配活躍LTV或VIP等級來看，大戶用戶的付費頻率通常較高，可能三天就會付一次，而中間付費用戶可能是1週~兩周進行一次付費。
但不管哪個階層，當付費的頻率下降時，就代表其正在轉變其遊戲習慣，也許對於目前的遊戲模式感到疲倦，也許對新功能的投報率感到遲疑，而對繼續投入有所保留。
而在未來訂閱制越來越普及的狀況下，這個指標可以利用不同的天數、不同的用戶群體來判斷訂閱制的效用，應該會有不錯的應用空間。
--
●活躍用戶中已消耗完遊戲內容的比例
這個指標通常會用等級或關卡的抵達人數來替代檢驗。通常最早觸及遊戲內容盡頭的玩家，都是帶來最大收入的核心玩家。
這個指標的難度在於決定「觸發更新的比例」。
到底多少比例用戶到達內容盡頭時，才應該開啟新的更新內容。太早開啟會縮短遊戲生命週期，無法爭取時間給研發進行下一個版本的開發；太晚開啟又會造成核心付費用戶的流失。
最好的甜蜜點在於，大戶玩家抵達版本盡頭，但依舊可以鑽研玩法，並從其他分支功能中得到付費與留存的動力。而當這些核心玩家的付費頻率、上線時間有了下滑的趨勢，那就代表該準備釋放改版的相關消息了。
---
小結：
在遊戲業中，一般的收入公式是
=「活躍用戶」X「付費率」X「付費用戶平均金額」。
但在免費模式的遊戲中，由於大部分的收入都集中在20%的玩家中，因此所有數據分析如果都以平均數來看，一定會有失真的問題。
如果要更理解數據背後的遊戲世界，將每個數據進行適度的拆分、重構、角度切換，是必須不斷嘗試的事情。而這篇，就為「活躍用戶」這指標的理解，提供了很好的思考。
希望對你有幫助。
PS.介紹一下Alexandre Macmillan這個部落格，作者是媒體方面的博士，對於手機遊戲的貨幣化(Monetization)提出了許多值得思考的觀點。
建議對於遊戲營運數據分析有興趣者，可以多多參閱
#遊戲數據分析
#No59
#Alexandre Macmillan
中時專欄：林建甫》學測求公平 15級分制已不夠
2018年04月30日 20:57 林建甫
最近一群朋友的聚會，大家不約而同都在抱怨帶小孩轉戰各大學進行推甄的過程。我們老一代參加過大學聯考，比較子女這一代的甄選，我們覺得升大學的壓力並沒有減輕，考試仍然決定一切，而且現在的制度並沒有比較公平。多元入學，變成多錢入學。三級貧戶絕不容易上好的大學。更嚴重的是考試這把量尺，15級分制比起以前的原始百分制也高明不到哪裡去。由於目前的制度牽涉問題很多，我就集中在量尺與級分問題的討論。
級分制立意良善，將各科考試原始分數轉為模糊化的級分，擺脫分數斤斤計較的悲哀。15級分制的作法先將原始分數依高低排名，以最前面1%考生的原始平均分數除以15作為該科的級距；原始得分0分者為0級分，每增加1個級距，增加1級分，最高為15級分。例如前1%考生平均分數為90分，90除以15得出級距為6，因此原始分數0.01分至6分為1級分，6.01至12分為2級分，依此類推84.01至100分就是15級分。級分制的標準化差距，也矯正考科難易不同產生的偏差。當年的聯考，某一科太簡單或太難，大家都拿相對的高分或低分，造成總分受該科影響很大，搞混了考試的鑑別度。
但現在的15級分制，還是有很多問題。首先，每一個級分的影響力變大，1個級分可能代表幾千人，鑑別度就很有限。其次，原始分數位於兩級分間隔附近，差距反被拉大。以前述例子為例，若有2考生其中1人考了84分，另1個人考了84.01分，結果前者是14級分，後者為15級分，原本只差0.01分，但在級分制下卻差了1個級分，公平性變差。
再者原始分數如出現明顯的集中，級分更無法分出高下。104年度國文頂、前兩標，竟然同為13。頂標位於第88百分位數之考生，前標是位於第75百分位數之考生，這表示前25%的考生都沒鑑別度。又例如大多數人分數集中在高分區，此時級分能反映的資訊也很少。例如從過去10年學測級分分布來看，國文、英文及社會科的高標大多落在13級分，均標都落在10至11級分，底標在7至8級分，換言之，大多數人的分數集中在7至13級分之間，只用7到8個級距要區分所有考生的程度，無疑是相當困難的事。即便是分布較為平均的數學及自然2科，要在15級分下區分考生的程度，也不是容易的事情。
而且如果倒楣的人每科都差一點可以躍上更高級分，那5科就差了5個級分，就落到很後面的志願。報上有1個案例，105年學測5科原始分數，總和為580分，滿級分之原始分數最低分，加總約為495分。若甲生各科表現平均都過門檻，總分496分，總級分即為75分；乙生總分505分，4科略低於15級分門檻，1科高過門檻甚多，卻僅得71級分。乙生原始總分較高，級分卻遠不如甲生，校系選擇落差極大，難以令人心服？
現在的甄試入學，第1階段的篩選步驟全是依靠級分，先是檢定篩選，其次是倍率篩選，再透過加權計算將總級分比序挑人。但級分本身的鑑別度都有問題的情況下，又要加權放大，會造成更不公平的結果。而學校以此舉才，真是盲人騎瞎馬，不知何去何從。
級分是一種標準化的量尺排序。量尺越粗，就越難細量。民國84年學測開辦，當時甄選名額極少，各科滿分為10級分，足以應付篩選所需；到了88年以後，甄選名額日益擴增，為了滿足篩選需求，滿分增為15級分。現在學測申請入學占6成多，指考分發只剩3成多。看似「學測制度」成效彰顯，但其實很多的高中表示，是愈來愈多的高三生不想熬到指考。先求有學校念、入學再轉系或重考。因此級分的量尺應該更細。
現在級分的標準化用分數等距切割，因試題難易不一，每年分數起伏不定，造成各級分人數不均，也造成篩選的困擾。級分標準化也可用人數切割，讓各級分的人數固定，這樣的排序更有意義，也就不會受考題難易影響。
縮小量尺，每科30級分、50級分，甚至恢復100級分都可以。畢竟大學入學考試在台灣還是社會非常重視的關卡，一個有鑑別度的考試，公平公正，還是大家期待的。
（作者為台灣經濟研究院院長、國立台灣大學經濟系教授）
