Качественный анализ мобильной игры — это не просмотр дашбордов, а цикл: гипотеза → событие → когорта → решение → проверка. Материал раскладывает этот цикл на метрики, воронки, инструменты и ритуалы команды.
От чего начинается любой анализ
Многие команды открывают Amplitude или devtodev, смотрят на DAU и ARPU, кивают и закрывают вкладку. Это не анализ, это наблюдение. Анализ начинается с бизнес-вопроса: почему день 1 упал на 3 процента? Стоит ли запускать новый ивент? Какой CPI мы готовы платить за платящего пользователя из США?
Без вопроса метрики — просто шум. С вопросом каждая цифра становится доказательством или опровержением гипотезы. Процесс выглядит так: формулируешь гипотезу, определяешь нужные события и срезы, собираешь выборку, сравниваешь с базой или когортой, принимаешь решение по продукту или UA, засекаешь влияние на следующей когорте.
«Если упростим онбординг, D1 вырошет на 5%»
tutorial_start, tutorial_step_1… tutorial_complete
Сравнение новых пользователей с базой по неделям
Убираем шаг 3, меняем тексты, тестируем на 10%
Пирамида ключевых метрик: удержание, вовлечение, монетизация
Метрик сотни. В работающем процессе команда фокусируется на 5–7 «звездных» показателях, остальные — диагностические. Пирамида помогает не потеряться: база — удержание, середина — вовлечение, вершина — монетизация и юнит-экономика.
Удержание (Retention)
D1, D7, D30. Когортные кривые. Rolling Retention для живых сервисов. Главный индикатор Product-Market Fit.
Вовлечение (Engagement)
Сессии в день, длительность, глубина прохождения контента, использование ключевых фич (Core Loop).
Монетизация
ARPU, ARPPU, Paying Share, LTV, ROAS. Средний чек, частота платежей, конверсия в первую покупку.
Юнит-экономика
CPI, CAC, Payback Period, ROI когорт. Связка UA-расходов и пожизненной ценности игрока.
Удержание: декомпозиция кривых и сегментов
D1 показывает качество онбординга и первых впечатлений. D7 отражает наличие привычки и контента на неделю. D30 — маркер долгосрочной мотивации (мета-игра, соцфункции,LIVE-опс). Посмотр на агрегированную кривую бесполезен — она скрывает провалы сегментов.
Три типа ретеншн и когда их применять
Classic Retention (N-day)
Вернулся ли пользователь ровно в день N. Стандарт для бенчмарков и отчетов инвесторам. Жесткий, но понятный.
Rolling Retention
Вернулся ли пользователь в день N или позже. Честнее для игр с нерегулярными сессиями (стратегии, RPG). Показывает «живых» игроков.
Bracket / Range Retention
Вернулся ли за период (например, дни 7–14). Полезен для измерения удержания между контентными апдейтами или ивентами.
Ключевая мысль
Сравнивай когорты одинакового возраста (например, все когорты на 14-й день жизни). Сравнение «вчерашней» когорты с «месячной» дает ложный тренд из-за сезонности и изменений в UA.
Монетизация: за чем следить, кроме выручки
Выручка — задерживающий индикатор. Она показывает результат прошлых решений. Ведущие индикаторы — конверсия в платящего (Payer Conversion), средний чек (ARPPU) и частота платежей (Frequency). Разбивка по источникам трафика и странам (Tier-1 vs Tier-3) обязательна: ARPU в США может быть в 10 раз выше, чем в Бразилии, при одинаковом геймплее.
Ловушка среднего чека
ARPPU растет, но Paying Share падает — вы выжимаете китов, но теряете платящую базу. Здоровый рост: оба показателя стабильны или растут синхронно. Следите за распределением чеков (медиана vs среднее), киты смещают среднее.
Воронки и событийная аналитика: от установки к платежу
Воронка — это не красивая диаграмма в презентации, а карта потерь пользователей. Главная воронка: Install → Launch → Tutorial Start → Tutorial Complete → Day 1 Retention → First Purchase. Каждая ступень требует своих событий.
Правила именования событий (таксономия)
Хаос в названиях (level_up, LevelUp, lvl_up) убивает аналитику. Принят стандарт: Object_Action (screen_open, button_click, purchase_complete). Параметры события — контекст: level_id, source, currency, amount, success. Без параметров воронку не построишь.
Было (плохо)
- start, begin, go
- buy, pay, purchase_ok
- lvl1, stage_1, mission1
- event_1, event_2 (без смысла)
Стало (хорошо)
- tutorial_start, tutorial_step_complete, tutorial_finish
- purchase_initiated, purchase_success, purchase_failed
- level_start {level_id: 1}, level_complete {level_id: 1, stars: 3}
- ad_reward_request, ad_reward_claim {placement: ‘shop’}
Когортный анализ: почему средние значения обманывают
Средний ARPU по игре — $0.25. Кажется нормально. Но когорты органики дают $0.40, а платный трафик из TikTok — $0.08. Среднее скрывает убыточный канал. Когортный анализ — единственный способ видеть динамику LTV и Payback без опоздания в месяц.
Срез по источникам трафика (Channel)
Organic, Facebook, Google, TikTok, Cross-promo, Influencer. Каждый канал — своя когорта с разным LTV и Retention.
Срез по географии (Geo / Tier)
Tier-1 (USA, UK, JP, KR), Tier-2, Tier-3. Разные платежеспособность, разные креативы, разные CPI.
Срез по версии билда (App Version)
Сравнение когорт на старом и новом билде — главный способ валидировать апдейт. Не ждите глобального релиза, смотрите на тестовых когортах.
Срез по платформе (iOS / Android)
После ATT на iOS атрибуция сложнее, LTV часто выше, но объемы меньше. Android дает масштаб, iOS — маржу.
Инструментарий: от сырых логов до BI
Нет универсального инструмента. Есть стек, который закрывает разные задачи. Попытка сделать «всё в одном» приводит к компромиссам. Типичный стек зрелой команды:
Собственный трекинг (Snowplow, кастом) + Server-side API. Контроль качества, PII, офлайн-события. Основа для доверия к данным.
AppsFlyer, Adjust, Branch. Cost aggregation, SKAN/AdAttributionKit, защита от фрода, диплинки. Обязателен для платного UA.
Amplitude, Mixpanel, devtodev, GameAnalytics. Воронки, ретеншн, паттерны, персонализация. UI для продуктовой команды.
Metabase, Superset, Tableau, Power BI. Дашборды для руководства, финансов, UA-менеджеров. SQL-доступ к DWH.
Firebase Remote Config + встроенный A/B, Optimizely, кастомный фреймворк. Только рандомизированные эксперименты дают каузальность.
ClickHouse, BigQuery, Snowflake, Redshift. Сырые события для ad-hoc запросов, ML-фичей, объединения с финансами и CRM.
Типичные ошибки и как их избежать
Ошибки в аналитике стоят дорого: неделя затраченного бюджета на плохом трафике, релиз фичи, которая убивает ретеншн, игнорирование бага в платежке. Вот частые паттерны и лекарства.
Ошибка: Vanity Metrics
Гоняться за DAU, Downloads, MAU без привязки к LTV и Retention. Рост DAU за счет мотивированного трафика убивает экономику.
Решение: North Star Metric
Введите одну метрику успеха (например, D7 Payers или Revenue per DAU). Все эксперименты оцениваются только по её движению.
Ошибка: Игнорирование дисперсии
Смотрят на средний LTV $5, а медиана $0.8. Решают масштабировать UA. Киты скрывают тот факт, что 95% юзеров не платят.
Решение: Перцентили и когорты
Строить LTV по перцентилям (p50, p75, p90, p99). Принимать решения по UA на основе p50–p75 когорты, а не среднего.
Ошибка: Анализ постфактум
Релизнули фичу, через месяц смотрят: «а, D1 упал». Время потеряно, пользователи ушли.
Решение: Real-time алерты иfeature flags
Алерты на аномалии D0/D1 retention, краш-фри, конверсию в покупку. Feature flag позволяет откатить фичу за секунды без релиза.
Ошибка: Данные в вакууме
Продукт смотрит Amplitude, UA — AppsFlyer, Финансы — Excel. Никто не видит полную карту: CPI вырос, LTV упал, ROI отрицательный.
Решение: Единый DWH и неделя синхронизации
Все источники в ClickHouse/BigQuery. Еженедельный стендап: Продукт + UA + Финансы + Аналитика. Один дашборд на всех.
Ритуалы аналитики: как не утонуть в данных
Инструменты и метрики бесполезны без процесса. Аналитика — это гигиена, а не проект. Внедрите регулярные ритуалы, чтобы данные превращались в решения автоматически.
Чек-лист еженедельного ритуала (30–45 минут)
- Понедельник утро: Проверка здоровья когорт за прошедшую неделю (D1, D7, ARPU, ROAS D7). Есть аномалии? → Глубинный дайв.
- Среда: Результаты A/B тестов, запущенных на прошлой неделе. Статистическая значимость достигнута? Роллим или убиваем.
- Пятница: План экспериментов на следующую неделю. Готовы события? Есть гипотезы? Размер выборки посчитан?
- Ежедневно (авто): Алерты в Slack/Telegram: краш-фри 2σ, ROAS D3 10%.
Месяцовые глубокие дайвы
Раз в месяц команда садится за 2–3 часа и разбирает стратегические темы: LTV-кривые по годам, эффект LIVE-опсов, churn-анализ у китов, платформа vs жанр бенчмарки. Это не операционка, это стратегия продукта на квартал вперед.
Принцип «Данные → Инсайт → Действие»
Любой дашборд, из которого не вытекает тикет в Jira/Trello за неделю — мусор. Удаляйте лишнее. Оставляйте только то, что триггерит действие: масштаб UA, откат билда, изменение баланса, запуск ивента.
Анализ мобильной игры — это не магия и не sql-запросы ради запросов. Это дисциплинированный процесс перевода неопределенности в управляемые риски. Начните с одной верной когорты, одной чистой воронки и одного вопроса, который болит бизнесу прямо сейчас. Остальное — итерации.
Целое приключение — в одном телеграм-боте 🌍
Не нужно ничего скачивать, регистрироваться и разбираться в сложных интерфейсах. Открыли Telegram — и вы уже в текстовой ролевой игре с ИИ. Идеально на 10 минут в обеденный перерыв или на целый вечер: история подождёт и продолжится с того же места, где вы остановились.
Открыть бота 👉 https://clck.ru/3Ta8kQ
