我们的一个发现就是多数成功游戏都有较好的初始安装量，我们认为有必要对此深入挖掘。
分析方法
样本描述
我们查看了2014年实现1000次安装量的208款游戏的玩家情况。我们分析的是在这些样本中收益表现最成功的游戏(即分位数在50%以上的游戏)，但考虑到我们执行分析的工具可能存在误差等原因，这里排除了一些存在异常值的游戏。
以下图表显示了这些游戏题材的分布情况(基于游戏在App Store的分类情况)。
样本题材分布(from gamasutra)
用户群组描述
为确定之前所观察到的差异源于何处，我们分析观察了两个用户群组：
*群组1：游戏发布首周(或达到1000次安装量)就进行安装的用户
*群组2：游戏发布90天/达到1000次安装量当周进行安装的用户
以下结果基于每个群组的中间值计算，以便观察两个不同群组在头12周的不同参数表现。
参数
以下图表描述了我们所考虑和分析的参数：
metrics2(from gamasutra)
结果
我们从查看两个玩家群组的累计收益入手。群组1的玩家比群组2多30%，因此图表上所显示的数据差距并不令人意外。
群组1的累计收益明显高于群组2(from gamasutra)
有趣的是群组1在此呈现了陡峭的曲线。乍一看图表似乎比数据更有说服力。这能看出群组1的累计收益为何增长更快吗?
这其中的差距究竟在哪里?
显然我们要去查看的参数是留存率和转化率。在以下图表中，这两者的留存率似乎差别不大，但它却能够影响群组的收益。因此，这种微小的差距影响可能十分深远。
conversion_fixed(from gamasutra)
让我们粗略计算一下：同样是1万DAU，0.4%左右的转化率差距意味着每天多400个付费用户。如果每个付费用户消费10美元，30天后就意味着该群组收益增加12万美元。
retention_fixed(from gamasutra)
群组1的转化率刚开始高于群组2，之后与群组2持平，但这两组的留存率基本相当。
留存率和转化率也不能完全回答我们的问题，我们只能继续深入挖掘。也许ARPPU图表存在答案：
ARPPU(from gamasutra)
群组1的ARPPU不但起点更高，而且之后的发展也更为稳定。以下图表是我们对这2个群组在游戏发布头12周的ARPPU值的预测：
群组2的ARPPU在第4周之后就开始衰落，而群组1的ARPPU在12周之后几乎还是保持了原来的水平。
所以，群组1付费玩家的消费水平比之后的用户更高，为什么?
这个查看每DAU平均交易次数的图表显示，群组1付费玩家消费频率远高于后来者。
每活跃用户平均交易次数(from gamasutra)
不仅如此，这一群组的玩家每笔交易额似乎也高于后来者。
平均每笔交易额(from gamasutra)
我们的样本显示这两个群组最初平均每笔交易额存在4美元的差距，在头12周趋于尾声时这种差值才“正常化”为1.5美元左右。
总结
从累计收益图表入手，我们研究了游戏首批玩家与后来者之间的差异。
结果表明游戏的首批玩家有可能：
*执行更多笔交易
*更有可能购买昂贵的道具
这是两个群组所存在的主要差异。
但我们仍然无法解答为何他们会在游戏中投入更多金钱。虽然我们也查看了游戏会话长度，会话频率等其他参数，仍然无法找到答案。
这次分析让我们得到另一个发现，我们仍然认为以下两个图表比数据更有说服力：
这两个群组的留存率和转化率差别不大(from gamasutra)
这两个群组的这两个参数几乎趋向一致，我们认为这一点足以说明游戏设计的重要性。游戏并不仅局限于数据。游戏设计与数据和分析一样，都是用于提升丰富而有趣的玩家体验所采用的手段。
