【Gamelook专稿，转载请注明出处】

Gamelook报道/对于游戏厂商而言，出色的买量效果可以带来更大的自然新增量，迅速提高商店排名，而较高的排名可以让你的游戏被更多人看到，继而带来持续的自然新增量。

Glu曾在财报中透露，该公司的休闲游戏《ob电竞》2017年第二季度的买量用户占比为52%，即另外48%的用户是自然新增量。

对于手游营销者而言，找到获取更多自然新增量的方式非常重要，因为大多数用户都靠买量是不现实的。为此，有过研发经历的ASO公司LabCave总结了多年来的经验，并且总结了自然新增量和买量之间的关系。

实际上，两者之间的关系又被称为K-Factor，很多营销者认为自然新增量和买量之间始终是正相关的，但事实并非如此。有时候两者之间的关系可能没有一个固定值甚至不存在关系，因为它受到很多因素的影响，比如买量活动、流量、目标市场或者买量目的等等。

因此，为了明确自然新增量和买量之间的关系，我们需要大量的信息才能确定，而且要根据这些情况进行单独分析。

如何分析二者关系？

LabCave对自然新增量和买量活动带来的安装量进行了线性关联，并且用流量来源和用户所在国家等细节信息对比，希望弄清楚它们之间是否真正有直接关系。

该公司认为，我们不能使用全球数据，因为每个商店都有不同的运营方式，而且买量活动在每个国家的定位也不同，买量活动也会带来完全不同的效果，比如排名Top 10和进入前100名就有很大差距。这些差异化的原因都会对我们的流量带来影响，而且可能会得出与事实不符的结果。

在数据采用上，LabCave选择单独分析了自然搜索和浏览量流量，按照以往经验，取决于买量活动的不同，其中的一个数据可能会受到影响，有时候两者都可能受到影响，当然，也不排除，有时候两个数据都不受影响。

比如，如果你给游戏做电视广告活动，而广告里是无法直接点击产品链接的，不管来自哪里，所有的安装都是自然新增流量。在这些情况下，我们只能去判断有多少流量是因为广告带来的，有多少是真正的自然新增。

另外，我们还可以看出这个流量对于搜索的影响，而不是浏览，这种情况可能在YouTube主播或者大V推广活动也会发生。为了搞清楚这部分活动带来的自然新增量，我们就需要有视觉化的数据。

如何分析流量数据？

对于自然新增量和买量活动带来的安装量数据，我们需要它们是完整的，而且数据量必须充足。如果不够完整，我们可以用技术手段填补缺失数据，并且用更多手段获得尽可能多的准确数据。

某产品德国安卓平台的买量安装与自然新增之间的对比

一旦数据齐备，我们就可以做接下来的一步：我们的目标是得到皮尔逊相关系数，为了实现这个目的，我们需要相关数据符合要求条件，并且执行分析，所以，要用不同的测试方式来验证，确保结果的正确性。

基于不同的测试结果，很多时候我们可能需要作出改变。一旦确定数据满足所有要求，就可以分析两者的关系，得到相关系数，这样，我们就可以得到如下图表：

这张图告诉我们的是买量与自然搜索安装量之间在30个时间段里的交叉关系，为了得到影响自然新增量的K-factor，我们应该始终得到正相关的系数，这就意味着我们买辆越多，可以得到的自然新增量就会越多。

如果模型结果告诉我们某个时间段有比较高的关联性，我们就可以标出买量与自然新增安装量，然后分析它们之间的关系。

买量与自然搜索安装量的关系

分析到这里，我们已经可以得出自然新增和买量活动之间是否有比较强的联系，如果结果是有关联，那么接下来营销者们要做的就是验证这个关系，换句话说，要得到K-factor。