数据分析指标白皮书
作者：TalkingData
TalkingData本次推出的《数据分析指标白皮书》，旨在规范行业数据指标定义。所有数据指标的定义按照国际规范重新梳理，并对传统游戏运营数据分析方法中的常用指标进行调整，使之更适合移动游戏这一新领域。统一的数据分析指标，有助于运营人员理解、分析用户行为，改进产品，制定运营策略，让数据化运营更有效率。
一、用户获取（Acquistion）
日新登用户数（Daily New Users，DNU）：每日注册并登录游戏的用户数。
解决问题：
*渠道贡献的新用户份额情况；
*宏观走势，是否需要进行投放；
*是否存在渠道作弊行为。
备注：
*周新登用户数为本周7天日新登用户数累计之和；
*月新登用户数计算同上；
*根据需要，可细分为自然增长用户（非推广期）和推广用户（推广期）。
日一次会话用户数（Daily One Session Users，DOSU）：一次会话用户，即新登用户中只有一次会话，且会话时长低于规定阈值。
*推广渠道是否有刷量作弊行为；
*渠道推广质量是否合格；
*用户导入是否存在障碍点，如：网络状况、加载时间等。
备注：
*周一次会话用户数为本周7天日一次会话用户数累计之和；
*月一次会话用户数计算同上；
*游戏引导设计分析点之一；
*DOSU有助于评估新登用户质量，进一步分析则需要定义活跃用户的月一次会话用户数。用户获取成本（Customer Acquisition Cost，CAC）=推广成本/有效新登用户
解决问题：
*获取有效新登用户的成本是多少；
*如何选择正确的渠道优化投放；
*渠道推广成本是多少。
备注：
*CAC计算要根据渠道来进行细分。
二、用户活跃（Activation）
日活跃用户数（Daily Active Users，DAU）：每日登录过游戏的用户数
*游戏的核心用户规模是多少；
*游戏产品周期变化趋势衡量；
*游戏产品老用户流失与活跃情况；
*渠道活跃用户生存周期；
*游戏产品的粘性如何（与MAU结合）。
备注：
DAU对于核心用户规模的衡量需要谨慎对待新登用户和回流用户在DAU中的变化情况，具体需要依据详细的DAU细分才能够了解用户规模和质量。
周活跃用户数（Weekly Active Users,WAU）：截止当日，最近一周（含当日的7天）登录过游戏的用户数，一般按照自然周进行计算。
解决问题：
*游戏的周期用户规模是多少；
*游戏产品周期性（每周）变化趋势衡量。
备注：
WAU按照周作为一个周期来分析用户规模，利于在不同活跃用户规模的维度上发现问题和掌握游戏用户规模的波动。
月活跃用户数（Monthly Active Users，MAU）：截止当日，最近一个月（含当日的30天）登录过游戏的用户数，一般按照自然月计算。
解决问题：
*游戏的总体用户规模是多少；
*游戏产品用户规模稳定性；
*推广效果评估；
*游戏产品的粘性如何（与DAU结合）。
备注：
*MAU层级的用户规模变化相对较小，能够表现用户规模的稳定性，但某个时期的推广和版本更新对MAU的影响也可能比较明显；
*此外游戏生命周期处于不同时期，MAU的变化和稳定性也是不同的。
日参与次数（Daily Engagement Count，DEC）：用户对移动游戏的使用记为一次参与，即日参与次数就是用户每日对游戏的参与总次数。
解决问题：
*衡量用户粘性（日平均参与次数）；
*什么渠道，什么用户参与频率较高；
*用户对产品参与频率是什么样的。
备注：
*一般建议30秒内重复开启记录为一次完整使用，不单独计量；
*周参与次数为用户一周对游戏的参与总量；
*月参与次数同上；
*日平均参与次数：该日平均每用户参与游戏次数。
计算公式：日参与次数/日参与用户数；
*通过对不同参与次数的分布分析，可帮助分析版本更新影响，推广渠道刺激。
日均使用时长（Daily Time，DAOT/AT）：活跃用户平均每日在线时长。即：日总在线时长/日活跃用户数。一般的精略计算公司：AT=ACU*24/DAU
解决问题：
*用户的游戏参与度如何；
*产品质量把控指标：
*渠道质量如何；
*与单次使用时长结合分析留存和流失问题；
*用户持续游戏能力如何。
备注：
*平均单次使用时长：一定时间内，用户平均每次游戏使用的多长时间=时间内用户总使用时长/参与次数；
*帮助分析作弊行为，版本粘性和效果；
*根据需要，可以观察用户每周，双周，月的平均使用时长情况，了解游戏的粘性。
用户活跃度（DAU/MAU）
解决问题：
*用户的游戏参与度如何；
*游戏人气是否增长、衰退、稳定；
*用户活跃天数如何。
备注：
DAU/MAU理论不低于，*30=6天，即用户登录次数不少于6天。
三、留存&流失（Retention & Churn）
用户留存（Users Retention）：统计时间区间内，新登用户在随后不同时期的登录使用情况。次日留存率（Day 1 Retention Ratio）：日新登用户在次日（不含首次登录当天）登录的用户数占新登用户比例。
三日留存率（Day 3 Retention Ratio）：日新登用户在第三日（不含首次登录当天）登录用户数占新登用户比例。
七日留存率（Day 7 Retention Ratio）：日新登用户在第七日（不含首次登录当天）登录用户数占新登用户比例。
月留存率（Day 30 Retention Ratio）：日新登用户在第三十日（不含首次登录当天）登录用户数占新登用户比例。
留存率需要进行长期跟踪，根据需要可设定30日、60日或者90日。
解决问题：
*用户对于游戏的适应性如何；
*评估渠道用户质量；
*投放渠道效果评估；
*用户对于游戏的粘性如何；
*新登用户什么时期流失会加剧。
备注：
*留存率一定意义上代表了新登用户对游戏的满意度；
*关注留存率的同时需要关注用户流失节点；
*留存率的统计和计算也可以按照自然周和自然月进行分析，例如上周新登用户在随后几周的留存情况分析；
*次日留存率代表了游戏满意度，主要反映游戏初期新手对于游戏引导和玩法的适应性。
用户流失（Users Churn）：统计时间区间内，用户在不同时期离开游戏的情况。
日流失率（Day 1 Churn Ratio）：统计日登录游戏，但随后七日示登录游戏的用户占统计日活跃用户比例，此定义按需求可延长观测长度，见备注；
周流失率（Day 7 Churn Ratio）：上周登录过游戏，但本周未登录游戏的用户占上周周活跃用户比例；
月流失率（Day 30 Churn Ratio）：上个月登录过游戏，但本月示登录过游戏的用户占上个月月活跃用户比例。
解决问题：
*活跃用户的生命周期是多少；
*哪一个渠道的流失率比较高；
*拉动收入的运营手段，版本更新对于用户的流失影响是多大；
*什么时期的流失率比较高。
备注：
*流失率+留存率不等于100%，此处留存率遵循上文定义标准；
*日流失率的定义可发根据需求进行调整，比如统计当日登录游戏，但随后14日或者30日未登录游戏的用户数；
*流失率在游戏进入稳定期是值得关注的，稳定期的活跃和收入都比较理想，如果流失率波动较大，就需要引起警惕。需要仔细关注是哪一部分用户离开了游戏，流失率作为一个风向标，具有预警作用。
四、游戏收入（Revenue）
目前移动游戏创造收入有三种形态：
*付费下载
*应用内广告
*应用内付费
此处重新点考虑第三种情况进行指标定义，以下描述不分开描述充值和消费，仅以付费统称。
月付费率（Monthly Payment Ratio，MPR）：统计时间区间内，付费用户占活跃用户的比例。一般以月计。计算公司：MPR=APA/MAU 其中APA为月付费用户数（见下文）
解决问题：
*游戏产品的付费引导是否合理；
*用户付费倾向与意愿（需结合首次付费功能、道具、等级，整体分析）；
*付费转化是否达到预期效果。
备注：
*MPR包含历史付费用户在统计时间区间内再次付费的用户以及在统计时间区间内新转化的付费用户；
*MPR的高低并不一定代表游戏付费用户的增加或者减少；
*游戏类型的不同，相应的MPR表现也是不同的。
活跃付费用户数（Active Payment Account，APA）：统计时间区间内，成功付费的用户数。一般以月计。如果按月进行计算，则有以下关系：APA=MAU*MPR 其中MAU为月活跃用户数，MPR为月付费率。
解决问题：
*游戏产品的付费用户规模如何；
*APA如何构成？如鲸鱼用户、海豚用户、小鱼用户的比例；
*付费用户的整体稳定性如何。
备注：
*APA包含历史付费用户在统计时间区间内再次付费的用户以及在统计时间区间内新转化为付费的用户；
*APA根据需求可细分为充值活跃用户和消费活跃用户。
平均每用户收入（Average Revenue per Uers，ARPU）：统计时间区间内，活跃用户对游戏产生的平均收入。一般以月计。
ARPU=收益/玩家数
月ARPU=收益/MAU
计算方式：游戏总收入除以游戏的总活跃用户数，一般按照月来计算，即ARPU=月总收入/月活跃用户数（MAU）
解决问题：
*不同渠道获取的用户质量如何；
*游戏收益贡献如何；
*游戏活跃用户与人均贡献的关系；
*游戏人增收益水平如何。
备注：
*严格定义的ARPU不同于国内认识的ARPU，国内ARPU=总收入/付费用户数；
*ARPU用于产品定位初期不同规模下的收入预估。
平均每付费用户收入（Average Revenue per Paying User，ARPPU）：统计时间区间内，付费用户对游戏产生的平均瘕入。一般以月计。
ARPPU=收益/付费用户数
月ARPPU=收益/APA
解决问题：
*游戏付费用户平均的付费水平如何；
*付费用户整体的付费趋势如何；
*对鲸鱼用户的分析。
备注：
*ARPPU容易受到鲸鱼用户、小鱼用户的影响，分析时需谨慎；
*ARPPU与APA、MPR等结合可对付费用户的留存情况，特定付费群体的流失进行深度分析，保证付费质量和规模。
生命周期价值（Life Time Value，LTV）
生命周期（Life Time）：一个用户从第一次参与游戏，到最后一次参与游戏之间的时间，一般计算平均值。
生命周期价值：用户在生命周期内为该游戏创造的收入总计。可以看成是一个长期累计的ARP U值。
计算方式：对每个用户的平均LTV计算如下：
LTV=ARPU*LT（按月计平均生命周期）
其中LT为Life Time，即生命周期，按照月统计，也就是玩家留存在游戏中的平均月的数量。例如，一款游戏的ARPU=2元，LT=5，那么LTV=2*5=10元。
解决问题：
*用户在游戏中会待多久；
*用户对于游戏的贡献价值是多少；
*用户群与渠道的利润贡献如何（LTV>CAC)。
备注：
*ARPU遵循严格的定义术语，即总收入/总活跃用户数；
*LTV是针对活跃用户的计算，没有付费与非付费用户之分。
以下指标仅为移动游戏指标具有代表性的部分，在实际分析过程中，根据分析维度，可以进行指标的深入展开，比如收入分析部分可以加入回流用户贡献、持续付费用户贡献、付费留存用户、付费用户流失率、二次付费分析、用户付费周期转化等等。
另外部分常用指标未详细说明，此处仅列出部分说明：
PCU（Peak Concurrent Users）：最高同时在线玩家人数
ACU（Average Concurrent Users）：平均同时在线玩家人数
New Users Converstion Rate：新用户转化率（可根据渠道进行划分）Clicks->Install->
Register->Login
K-Factor：K因子
K-Factor=感染率*转化率
转化率：当感染后转化为新用户的比率。
感染率：每个用户发送的邀请数量，一般取平均值。
若K>1，游戏用户群通过自传播增长较快；
若K<1，游戏用户群到达一定规模后就会停止通过自传播增长。
任何一款游戏运营，都是以UED、数据分析为导向，如何开发、运营好一款成功的全球社交游戏，是每个社交游戏产品经理头等大事。用数据说话，是一个简单明快的操作方式，但社交游戏的数据如何分类海内外关注点有何区别相信作为每个社交游戏产品经理是非常关心的话题，那么我们就从基础知识入手，逐步梳理出符合运营需求的核心数据环节，抛弃冗长复杂的多类数据，为自己的成功打下扎实的基础。 付费率=付费用户÷活跃用户x100 活跃率=登陆人次÷平均在线人数 ARPU值=收入÷付费用户 用户流失率=游戏当前活跃用户规模÷历史注册总量 同时在线峰值=24小时内同时在线最高达到人数 平均在线=24小时每小时同时在线相加总和÷24小时 中国大陆运营游戏平均同时在线用户=ACU 【有称ACCU】 采用道具收费模式游戏活跃付费用户=APC 活跃付费账户=APA 付费用户平均贡献收入=ARPU 当日登录账号数=UV 用户平均在线时长=TS 最高同时在线人数=PCU 【有称PCCU】 同时在线人数=CCU 付费人数一般是在线人数2～4倍。 活跃用户（玩家）：是指通过你的推广代码注册，不属于小号或作弊情况、正常进行游戏一个月以上未被官方删除的用户视为活跃用户。 您推广的两个用户目前还没有通过至少1个月的审查时间，您可以在您的推广纪录中查看您推广用户的注册时间。且这两个用户需要满足上述对活跃玩家的定义才能称为活跃玩家！
活跃付费账户=APA。 每个活跃付费用户平均贡献收入=ARPU。 【活跃天数计算定义】 活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天。 当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天。当天0：00-23：59登陆游戏时间小时至2小时、活跃天数累积天。 当天0：00-23：59登陆游戏时间小时以下、不为其累积活跃天数。 每日： －－－－－－－－－用户数量描述 在线人数：（取的当日某个时刻最高在线，一般发生在9:30左右） 新进入用户数量：（单日登录的新用户数量） 当日登录用户数量： 每日登录/在线： －－－－－－－－－盈利状况描述 每日消耗构成：（根据金额和数量做构成的饼状图） 每日消耗金额： 每日消费用户数量： 每日充值金额： 每日充值用户数量： 每日充值途径： －－－－－－－－－产品受关注程度描述 官网首页访问量：
如何写好一款产品的运营数据分析报告 戏运营期间，我们可以在后台看到一堆游戏相关数据，对于这些数据我们要怎么怎么进行处理分析呢?下面将围绕一份报告实例做详细的分析。内容主要包括分析目标、分析综述、一周运营数据分析、运营数据总体分析四块内容。 一、 确定分析目标 分析目标主要包括以下三个方面： 分析目的。 分析范围。 分析时间。 如下图所示，分析目标除了主要包括三个方面外，还有备注一栏，这里备注的是计算周期问题。强调一点，我们做运营数据分析的时候通常都会拿更新前和更新后的数据进行比较，因此我们的设定的分析周期一般都会跟着游戏实际的更新情况走。 二、 分析综述 分析综述主要包括两方面的内容
1上周/本周充值数据对比 充值总额 充值人数 服务器数 服务器平均充值 服务器平均充值人数 针对上述内容进行差额对比以及增减率对比，如游戏有特殊要求，可以适当增加其它数据内容。 2上周/本周更新内容对比 主要陈列两周内分别更新的活动内容或一些重大调整。 三、 一周运营数据分析 1本周收入概况 日均充值金额，环比上周日均充值金额 用户ARPU值，环比上周ARPU值 简述与上周或之前的充值情况的比较，如上升还是下降、影响充值的较大的因素。 2新用户概况
新用户就是新进游戏的玩家，这里主要介绍这些新玩家的动态数据，一般以两个月为总时长进行陈列比较，具体周期数据仍以周为单位。 新用户数据主要包括：安装下载数、创建角色数、安装→角色转化率、付费人数、创建角色→付费转化率、ARPU值、次日留存、三日留存、七日留存等，可根据游戏实际情况进行添加。 3活跃用户概况 活跃用户概况主要包括三部分内容： 日均在线人数，环比上周实时在线人数，提升/下降百分比 日均付费用户登陆人数，环比上周付费登陆数，提升/下降百分比 日均活跃玩家数，环比日均活跃玩家数，提升/下降百分比
游戏运营数据分析指标 一.用户数量： 1.注册用户： 数据价值不高因为每个不同项目注册用户的质量完全不同。前两年被用得很广泛，用来宣传我们的游戏拥有了多少多少用户，当然，有几个是真实的呢？连运营商给出来的都不真实的话，那些数据调查报告的真实性呢？（“你们用户多少啦？”“13万注册用户”，“才这么点，我们有个网站500万”。他根本没有明白用户质量的意义） 2.在线人数： a.最高在线：某个时间能达到的最高在线。 b.活跃人数：此数据也最具欺骗性。如果一个活跃人数不带上时间，没有任何参考意义。必须是“每日活跃用户”，“每周活跃用户”，“每月活跃用户”，“每季活跃用户”等。也就是在这段时间内进入游戏的人。 c.每个活跃用户平均在线时间：如果没有本数据，活跃人数是没有意义的。如果每个用户上来2分钟，马上就下去，这样的活跃用户的价值是多少呢？能和一上来就十几个小时在线的玩家等值吗？平均每个活跃用户上来究竟玩多久？这是网络游戏中一个特别需要注意的数据 d.游戏平均在线人数：非常重要且有价值的参数，但仍然不是唯一的决定因素。
（1）.24小时内平均在线人数：数据采样时间越紧密，越精确。 （2）.不同的游戏，每个平均在线时间是由不同数量的用户造就的。 （3）.平均在线=（每24活跃人*小时） （4）.活跃用户每天活跃5分钟，就必须60/5*24=288个活跃用户，才能达到1个平均在线人数。 二.ARPU值： 每个平均在线，每月贡献的人民币因为对于运营商来说，需要根据多少平均在线，来确定服务器、带宽、客户服务、需要多少推广成本才能累计这些平均在线等运营成本。 1.产品毛收益：产品毛收益=平均在线*ARPU值也就是说，要想创收，要么增加用户的在线数量，要么增加每个人的消费数量。 2.时间点卡模式的ARPU固定值：每小时4毛*24小时*30天=288元/月（或其它点卡定价）一款百万在线的收费网游的大致输入，就是1000000*288，每月2.88亿的毛收入（当然其中还有很多小数字，例如免费试用期的用户比例导致真实值减少、各种因素导致的免费游戏，用户比例导致真实收入减少、用户购买点卡很多人没用完导致真实收入增多，渠道压了货但是最后却没有退的导致收入增多等） 3.增值模式的动态ARPU值：目前由于绝大多数网络游戏都在学习免费模式，利用增值服务、收费道具等来盈利的模式，这种模式下，ARPU值的大小是关系到
移动游戏运营必备的数据分析指标 用户获取(Acquisition) AARRR模型指出了移动游戏运营两个核心点： 1) 以用户为中心，以完整的用户生命周期为线索 2) 把控产品整体的成本/收入关系，用户生命周期价值(LTV)远大于用户获取成本(CAC)就意味着产品运营的成功 移动游戏的运营会经历如下从投入到产出的循环过程： Acquisition用户获取(投入) Activation & Retention用户活跃及留存 Revenue用户转化(产出) 1．用户获取-Acquisition关键指标 这个阶段是业务的投入期。运营者通过各种推广渠道(Channel)，以各种方式获取目标用户。这个阶段数据分析最重要的就是通过组合各种维度(如时间、地域、渠道)对各种营销渠道的效果进行评估，从而更加优化合理的确定投入策略，最小化用户获取成本(CAC) 关键数据: 1. 用户数量(以时间、地域、版本、推广渠道等不同维度来拆解分析新增、总数及增长率，组合各种维度来分析各种营销渠道的用户获取效果以及目标用户分布)： 点击用户数(Click) 安装用户数(Install)
注册用户数(Sign-Up) 在线用户数(Login): 最高在线(PCU) 平均在线(ACU) 日活跃(DAU) 周活跃(WAU) 月活跃(MAU) 有效用户数：不同类型产品会有不同的定义(可能是注册用户或者登录用户或者付费用户) 2.渠道转化率：点击->安装->注册->登录的转化比率(分渠道) 3．自然增长用户Organic Users：非推广手段获得的用户，如果此数据增长率相对Marketing Users的增长率很高，或者说明产品已经进入成熟稳定期，或者说明营销推广需要加强了。 推广获得用户Marketing Users：推广渠道获得的用户，含有渠道标签，用于宏观的评价渠道推广效果。 4．虚假用户数(One Session/Day User)：顾名思义，一次会话用户。主要用于监控渠道刷量作弊。同时也可反映目标用户的使用习惯，判断渠道获取的用户是否有效，从而评价渠道推广质量 5．渠道增长率：评价渠道长期运转健康度 6．渠道份额：渠道对比 7．最后说说CAC(Consumer Acquisition Cost)
日新增用户数：DNU;每日注册并登陆游戏用户数，主要衡量渠道贡献新用户份额以及质量。 一次会话用户：DOSU;新登用户中只有一次会话的用户，主要衡量渠道推广质量如何，产品初始转化情况，用户导入障碍点检查。 日活跃用户：DAU;每日登陆过游戏的用户数，主要衡量核心用户规模，用户整体趋势随产品周期阶段变化，细分可概括新用户转化、老用户活跃与流失情况。 周/月活跃用户：WAU、MAU;截止统计日，周/月登陆游戏用户数，主要衡量周期用户规模，产品粘性，以及产品生命周期性的数据趋势表现。 用户活跃度：DAU/MAU;主要衡量用户粘度，通过公式计算用户游戏参与度，人气发展趋势，以及用户活跃天数统计。 留存：次日、三日、七日、双周、月留存;表现不同时期，用户对游戏的适应性，评估渠道用户质量;衡量用户对游戏黏性。 付费率：PUR，统计时间内，付费用户占活跃用户比例;主要衡量产品付费引导是否合理，付费点是否吸引人;付费活动是否引导用户付费倾向，付费转化是否达到预期。 活跃付费用户数：APA;统计时间内，成功付费用户数，主要衡量产品付费用户规模，付费用户构成，付费体系稳定性如何。 每活跃用户平均收益：ARPU;统计时间内，活跃用户对游戏产生的人均收入，主要衡量不同渠道的用户质量，游戏收益，以及活跃用户与人均贡献关系。 每付费用户平均收益：ARPPU;统计时间内，付费用户对游戏产生的平均收入，主要衡量游戏付费用户的付费水平，整体付费趋势，以及不同付费用户有何特征。 平均生命周期：TV;统计周期内，用户平均游戏会话时长，主要衡量产品粘性，用户活跃度情况。 生命周期价值：LTV;用户在生命周期内，为游戏贡献价值;主要衡量用户群与渠道的利润贡献，用户在游戏中的价值表现。 用户获取成本：CAC;用户获取成本，主要衡量获取有效用户的成本，便于渠道选择，市场投放。 投入产出比：ROI;投入与产出关系对比，主要衡量产品推广盈利/亏损状态，筛选推广渠道，分析每个渠道的流量变现能力，实时分析，衡量渠道付费流量获取的边际效应，拿捏投入力度，结合其他数据(新增、流失、留存、付费等)调整游戏，进行流量转化与梳理。
常见的18种游戏运营活动优缺点 平台游戏要成功，运营活动必不可少，各种运营的活动到底有怎样的规律？以下总结常见的18种游戏运营活动的优缺点。其实再多的方法论都需要与实践结合，以下所述，所有的活动类型都有利弊，选择一个最适合你的，才是最好的。 一、征集式活动 优点： 1,易在玩家之剑形成讨论点和话题，可在网站和论坛一定时间内聚集人气 2,玩家的截图和征文可作为软文素材，可提供一定的宣传点 3,讷讷感了解玩家的游戏建议和想法，可作为游戏运营和修改的参考缺点： 需要专门人员对征集的信息进行分类整理，审核周期较长 二、注册式活动 优点： 1,短时间内吸引大量玩家注册帐号，利于游戏人数提升 2,可为市场提供宣传点，增加媒体曝光量 缺点： 实体奖比虚拟奖对新玩家更具有吸引力，但也容易造成活动结束后人气和在线人数的急剧滑落，还容易造成大量小号生成对数据模型产生偏移。 三、评选式活动 优点: 1,利于拉票，曾近玩家间互动，通过玩家和好友间拉票行为，引入潜在用户并能宣传游戏 2,利于美女、帅哥、最强等词眼做噱头，吸引媒体注意，提升关注度 3,通过参赛人员的八卦新闻来延长曝光周期，配合软文达到炒作效果缺点： 投入成本较高，在活动期需要不断制造花边新闻来维持热点 四、充值式活动 优点： 1，能在短期内促使付费玩家充值大量现金，提升营业收入 2，吸引潜在的未付费用户进行付费，提升付费率
3，能促使付费用户在之后较长的期间内驻留不易于流失 缺点： 促销会减少部分收益，同时出现较多的高级道具会间接影响游戏平衡，加剧了付费用户和非付费用户之间的差距。应当注意首次促销给予的奖励数量，避免恶性循环造成盲目送礼。 五、抽奖式活动 优点： 1，以极品道具或者实体奖为诱饵，利用玩家赌博心理，获取高额收入 2，准入门槛低，通过页面抽奖形式让更多的用户浏览官网，利于游戏推广 缺点： 1，活动页面涉及小游戏需要进行开发和测试，策划周期长 2，对于抽奖类的活动玩家会认为有内定中奖嫌疑，公开公平公正是玩家所关心的重点 3，政府监管下对赌博性质的处罚 六、其他式活动 优点： 此类活动基本属于穷吆喝，获奖门槛很高，主要为的是媒体曝光度 缺点: 需要进行量度限制以及活动详细条款的指定，避免产生活动漏洞。 七、比赛式活动 特点： 能激发潜在消费大户的热情，增加此类玩家的付费额并提升游戏兴趣度 缺点： 参与面过窄，普通玩家通常认为此类活动是专门针对特定玩家打造 八、帮派式活动 特点： 利用团队凝聚力为启动要点，人为设置玩家之间纷争，让玩家体验团队对抗乐趣同时增加游戏道具消耗，侧面提高收入 缺点： 程序支持的内置公会对抗活动受网络等因素影响较大 九、冲级式活动 特点：
一、中国网络游戏行业概况 我国网游经过10年的发展，已经实现大跨步的发展。今年我国网游对外出口达4亿美元。截止2012上半年中国游戏市场(包括PC网络游戏市场、移动网络游戏市场、PC单机游戏市场等)达248.4亿，比2011上半年增长了18.5%。 图1 中国游戏市场实际销售收入及增长率 2011年中国网游用户的增长率10%相比2010年有非常大的下滑。并且从2011年开始，中国网游活跃用户增速整体放缓，市场将进入调整期。2013年中国网游用户规模明显放缓，从2012年的59.5%降至54.7%，网游用户规模为3.38亿，增长数量为234万。 图2 中国网游用户数及年增长率 二、细分市场情况 网游市场按服务的终端不同亦可分为：手游、页游、端游、单机游戏。 1、手游市场高速发展 2013年被称为手游元年，在这一年中，中国移动游戏无论是用户，市场占有率还是市场规模方面都呈现高速增长态势。【最新资料，
WORD 文档，可编辑修改】 图3 移动游戏用户规模
图4 移动游戏市场占有率 图5 移动游戏市场实际销售收入 2013年，中国移动游戏用户规模从8000万上升到3.1亿，增长248.5%，不可谓不多，主要原因还是得力于智能手机的普及，以及移动网速的提升，致使手游用户快速增长；于此同时，整个移动游戏市场实际销售收入达112.4亿元人民币，同比上升246.9%；移动游戏市场占有率为13.5%，同比上升8.1个百分点。总体来看自2008年起，移动游戏市场的这三项数据均获得空前高速的增长，2013年表现的尤为突出。 2 、
页游增长明显放缓 2013年中国网页游戏市场实际收入约127.7亿元，同比增长57.4。相比于2010年的198.9%的爆发式增长，2011年到2013年页游市场的收入增长速度正逐步放缓，但稳重有升。 图6网页游戏用户规模 图7 网页游戏市场占有率 图8 网页游戏市场实际销售收入 2013年中国页游用户数约为3.3亿人，同比增长21.2%，较2012年有所减缓；市场占有率达到15.4%，仅保持同比1.9%的小幅增长。实际销售收入达127.7亿元，同比增长57.4%。 3、端游市场占有率下降，销售收入依然可观 2013年，端游市场实际收入536.6亿元，市场占有率达到64.5%，同比下降10.4%，其中国内自研端游市场手机收入约为476.6亿元人民币，同比
手游运营，怎么做一份数据日报? 文/小白学分析 很多人反映刚刚接手数据分析工作，不知道怎么来做一份数据日报，不知道取哪些数据，关注哪些重点指标，事实上对于新手而言最好的办法就是去参考前辈和看看行业一些日报的形式，但是核心在于你的产品是页游，还是app，还是手游，还是网站，还是开放平台，还是端游，或者是一款互联网应用，产品定位和属性决定了数据分析日报的形式和内容。 今天要说的这些指标和内容，基本可以保证基本的日报数据需求，换句话这是要关注的一些方面，剩下的要根据你的产品来了，不全或者纰漏错误还请各位批评指正。 在开始之前还要明确一点，仔细想清楚你的报告服务于谁，给谁看，怎么做怎么展现，都需要你自己来衡量，下面的一切都是一个基本的思路和例子，曾经看过一个面试题，在这里与各位分享一下，看看大家的答案是什么。如果你是京东商城的DMA，现在要你给刘强东提供三个数据分析指标，你会选择哪几个？ 第一部分 日报摘要信息 基础运营数据 基础运营数据部分首先要把重点摘要写出来，所谓摘要就是重点的数据指标的情况写出来，实际上大家要明白这些数据都是起到了解和预警的作用，其涉及的指标有： 1）人气数据 DAU（每日活跃帐号数：每日登录过游戏的玩家） 新增用户（每日注册的玩家） 新增有效用户（每日注册的玩家并保证登录过游戏的玩家）：建立时间序列的数据源，分宣传期与非宣传期数据，可结合ACU，PCU等数据，观察游戏对用户的黏
PCU（峰值）：建立时间序列的数据源，观察并得出属于自己游戏的波动范围ACU（平均同时在线人数）：建立时间序列的数据源，观察并得出属于自己游戏的波动范围 平均在线时长 平均游戏时长 客户端下载量 官网&论坛PV，独立IP，UV，论坛的浏览次数，发帖量 2）收益数据 每日充值金额 每日充值人数（日充值APA）：建立时间序列的数据源，对比业内平均水准，测试游戏消费引导能力 每日ARPU（可以理解平均充值金额）：建立时间序列的数据源，测试游戏消费点挖掘能力 每日新增充值帐号： 每日购买金额 每日购买人数（日购买APA） 每日ARPU（可以理解平均消费金额） 3）流失率信息 流失率作为单独的一块要重点的进行描述，流失率的变动意味着产品在发生变化，主要要从以下几个流失率指标进行每日预警监控： 日流失帐号：统计日内有登录但统计日后7天都未登录的账号数 日流失率：统计日内有登录但统计日后7天都未登录的账号数 / 统计日的活跃帐号数 日流失充值帐号数：统计日前30天有充值行为，但统计日内无登录，且无充值行
数据分析指标白皮书 作者：TalkingData TalkingData本次推出的《数据分析指标白皮书》，旨在规范行业数据指标定义。所有数据指标的定义按照国际规范重新梳理，并对传统游戏运营数据分析方法中的常用指标进行调整，使之更适合移动游戏这一新领域。统一的数据分析指标，有助于运营人员理解、分析用户行为，改进产品，制定运营策略，让数据化运营更有效率。 一、用户获取（Acquistion） 日新登用户数（Daily New Users，DNU）：每日注册并登录游戏的用户数。 解决问题： *渠道贡献的新用户份额情况； *宏观走势，是否需要进行投放； *是否存在渠道作弊行为。 备注： *周新登用户数为本周7天日新登用户数累计之和； *月新登用户数计算同上； *根据需要，可细分为自然增长用户（非推广期）和推广用户（推广期）。 日一次会话用户数（Daily One Session Users，DOSU）：一次会话用户，即新登用户中只有一次会话，且会话时长低于规定阈值。
*推广渠道是否有刷量作弊行为； *渠道推广质量是否合格； *用户导入是否存在障碍点，如：网络状况、加载时间等。 备注： *周一次会话用户数为本周7天日一次会话用户数累计之和； *月一次会话用户数计算同上； *游戏引导设计分析点之一； *DOSU有助于评估新登用户质量，进一步分析则需要定义活跃用户的月一次会话用户数。用户获取成本（Customer Acquisition Cost，CAC）=推广成本/有效新登用户 解决问题： *获取有效新登用户的成本是多少； *如何选择正确的渠道优化投放； *渠道推广成本是多少。 备注： *CAC计算要根据渠道来进行细分。 二、用户活跃（Activation） 日活跃用户数（Daily Active Users，DAU）：每日登录过游戏的用户数
游戏运营数据基本常识 付费率=付费用户÷活跃用户x100 活跃率=登陆人次÷平均在线人数 ARPU值=收入÷付费用户 用户流失率=游戏当前活跃用户规模÷历史注册总量 同时在线峰值=24小时内同时在线最高达到人数 平均在线=24小时每小时同时在线相加总和÷24小时 中国大陆运营游戏平均同时在线用户=ACU【有称ACCU】 采用道具收费模式游戏活跃付费用户=APC 活跃付费账户=APA 付费用户平均贡献收入=ARPU 当日登录账号数=UV 用户平均在线时长=TS 最高同时在线人数=PCU【有称PCCU】 同时在线人数=CCU 付费人数一般是在线人数2～4倍。 活跃用户（玩家）：是指通过你的推广代码注册，不属于小号或作弊情况、正常进行游戏 一个月以上未被官方删除的用户视为活跃用户。 您推广的两个用户目前还没有通过至少1个月的审查时间，您可以在您的推广纪录中查看 您推广用户的注册时间。且这两个用户需要满足上述对活跃玩家的定义才能称为活跃玩家！ 活跃付费账户=APA。 每个活跃付费用户平均贡献收入=ARPU。 【活跃天数计算定义】 活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天。 当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天。 当天0：00-23：59登陆游戏时间0.5小时至2小时、活跃天数累积0.5天。 当天0：00-23：59登陆游戏时间0.5小时以下、不为其累积活跃天数。 每日： －－－－－－－－－用户数量描述 在线人数：（取的当日某个时刻最高在线，一般发生在9:30左右） 新进入用户数量：（单日登录的新用户数量）
手机游戏运营主要的指标是什么 数据采集越细，手段越丰富，所获得的数据也就更加详实，虽然手机游戏没有网游那么复杂，但也需要数据化运营，而且是必要的，是优化游戏收入的关键，大家最主要关心的是下面三类数据的指标 1. 用户数量 首先，在移动设备上，用户获取的路径是有很多步的，尽量缩短获取路径或提高每一步的转化率是降低用户获取成本的关键。 以标准的用户转化路径为例, 渠道->点击->下载->安装->激活 ?渠道：收集数据可以从源头知道用户的数量，后期结合其他数据推算出激活成本，而且后期也需要评估分析渠道用户的质量，来评估是否与推广初期设定的目标相符。 ?点击率：如果是做广告，广告的文案和样式的设计会直接影响。 ?安装：安装方式（PC下载或手机下载），安装包大小（不宜太大），安装环境（Wifi或3G）会影响安装率。 ?激活：安装完成最后打开产品后叫做激活，运营一款产品时通常会综合推广成本和激活数来计算出激活成本，也叫用户获取成本，这是很关键的一个指标，主要通过这个指标来考核各个渠道推广的效果 2. 用户质量 体现用户质量的数据有几个重要指标，分别是 ?活跃用户，日（DAU），周（WAU），月（MAU） ?平均停留时长 ?启动频率 ?留存率（次日留存，7日留存，月留存） 最重要的一个指标是留存率，因为用户来了，能把他们留住才是王道 那么，如何才能提高用户留存率呢？ 想要提高用户的留存率，其实就要发现用户是在哪个环节流失的，并且找到流失的原因，然采取改进的解决方案，最大可能的减少用户流失率才行 以新手玩家的流程为例，新用户流失环节通常就是用户流失严重的地方，所以分析的价值比较高，来看这个转化路径 登陆->注册->创建角色->新手教程->完成前三关
网络游戏相关数据涵义释疑 现如今的人,特别是刚学到点东西的人, 特别爱看数据, 拿着几个半业余、或者带有某种商业目的的数据把自己装扮得很权威。 当然, 也有一群新手策划, 根本没有机会接触到网络游戏的运营数据, 他们认为数据完全无用,而网络游戏中的各种重要数据,大多在 pc 网游和手机网游同样适 用。 1、用户数量 a 某游戏用户数量 --注册用户。 这个数据其实相当无用的, 因为每个不同项目注册用户的质量完全不同。前两年被用得很广泛,用来宣传“ 我们的游戏拥有了 xxx 用户” ,当然,有几个是真实的呢?连运营商给出来就不真实的话, 那些数据调查报告的真实性呢? (“ 你们用户多少啦? ”“13万注册用户” , “ 才这么点,我们有个网站 500万” 。。。他根本没有明白用户质量的意义 b 在线人数 i. 最高在线— -在某个时间能达到的最高在线,想到这个词,就想到了 a3,强大的市场宣传能力,和推广能力,让他们敢在公测第一天说 15万人在线,然而几个月时间,游戏中的玩家走光了。 ii. 活跃人数— -这个数据也是最具欺骗性的数字,如果一个活跃人数不带上时间,哪怕是真实的,都没有任何参考意义。必须是“ 每日活跃用户” 、“ 每周活跃用户”“ 每月活跃用户”“ 每季活跃用户” 、“ 最近多少天内活跃用户” 等等。也就是在这段时间内进入游戏的人。 iii. 每个活跃用户的平均在线时间— -上面说了活跃用户数,如果没有本数据,上面的那个也是没有意义的。如果每个用户都上来 2分钟,马上就下去,这样的活跃用
户的价值是多少呢?能和一上来就十几个小时在线的玩家等值么?平均每个活跃用户上来究竟玩多久? 这是网络游戏中一个特别需要注意的数据。 iv. 游戏平均在线人数—一这是个非常重要、有价值的参数,但仍然不是绝对 唯一的决定因素。 1 24小时内平均的在线人数,数据采样时间越密集,越精确。 2 不同的游戏,每一个平均在线是由不同数量的用户造就的。例如一个好的游戏,可以大量的粘住玩家的时间,让玩家长时间舍不得下线。 3 (每 24人 *小时等于一个平均在线 4 如果你能让每次上来的活跃用户,每次平均在线 6小时,那么你需要 4个活跃用户,就能多一个平均在线了,如果你的游戏每次只让用户玩 5分钟,他就走了,哪怕你的游戏非常好,他每天都上来 5分钟,那么你必须有 60/5*24=288个活跃用户,才能达到一个平均在线人数。你要根据你的游戏用户特性, 判断推广多一个活跃用户容易, 还是增加游戏的粘着度更容易。 c 一般来说,平均在线、总注册用户、活跃人数、以及最高在线有一个比例 曾经有专家说是 xxxx 是 4%, xxxx 是 8.7%等, 他们可能是针对某款他们所能接触到的网络游戏的数据而来的, 但是如果你只听了这个, 不知道这个数据是在其他各种什么条件下产生的,你就错了,每款产品都是不一样的,这个比例随着不同的市场、不同的产品、不同的渠道、不同的服务,会导致精确数据和比例完全不一样。哪怕一模一样相同的产品, 都可能完全不一样的数据,别人注册 100万用户能有 3万在线,不代表你宣传注册 100万,就也一定有 3万。双方的各方面细节太多了,资本家很少看全面企业家成功创业者所付出的所有努力。 数据是用来参考的、辩证型论证的, 用来与其它相关事务关联的, 单独的某个数据,往往不具备论证力度。不同项目的数据具有不一致性。 2、 Arpu 值
游戏数据运营解决方案背景 行业综述 随着游戏行业市场竞争局面的扩大，玩家对于品质的要求越来越高，游戏项目的生命周期越来越短，直接影响项目的投入产出比，通过数据运营则可以有效的延长项目的生命周期，对各个阶段的业务走向进行精准把控。而随着流量成本的日益上升，如何构建经济、高效的精细化数据运营体系，以更好的支撑业务发展，也变得愈发重要起来。 在这样的背景下，越来越多的游戏企业加入到数据运营行列，也促进
了大数据产业生态链的发展，第三方数据公司TalkingData、Dataeye、友盟、热云数据等就是在这一个时代中快速成长起来的。但同时受限于业务理解，通用平台往往无法满足游戏企业的定制化需求，所以随着业务的发展，最终还是要选择自建数据分析平台——因为技术门槛、资源投入等原因，目前大部分游戏企业只实现了数据统计，少部分企业实现了数据挖掘，在深度学习层面目前趋近空白。业务需求及痛点分析 按照游戏领域的行业细分，不同类型的公司对数据化运营的业务需求各有侧重，构建数据化运营平台的技术手段也表现为不同的方式。按照行业属性，可以将生态中的公司分为游戏研发商、游戏渠道商、游戏研发商三类，根据业务特点他们对于数据运营的需求也各有侧重，从表现形式讲，基础指标集、客户画像、精准投放&效果分析、智能算法等等，不一而足。
而从实现数据运营的技术手段来分析，也分别表现出不同的特征，各阶段使用的技术栈、驱动因素及演进方向，可以简单通过下图来表述：
而在这样的业务背景下，传统来料加工、被动响应的数据处理架构，显然无法匹配数据化运营的分析需求，主要存在的问题： 1、数据来源单一，缺少精准用户画像，运营策划、实施不能”投 其所好”，用户转化率低； 2、平台沉淀、积累了大量的数据，但是通过数据驱动业务创新、 辅助决策方面没有经验，导致数据 业务价值的转化率低；3、开发定制化，项目实施周期长，响应需求速度慢，无法有效支 撑业务的灵活变化； 4、数据的应用场景单调，大多只是止于简单的看指标、报表，对
游戏运营数据分析-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN
任何一款游戏运营，都是以UED、数据分析为导向，如何开发、运营好一款成功的全球社交游戏，是每个社交游戏产品经理头等大事。用数据说话，是一个简单明快的操作方式，但社交游戏的数据如何分类海内外关注点有何区别相信作为每个社交游戏产品经理是非常关心的话题，那么我们就从基础知识入手，逐步梳理出符合运营需求的核心数据环节，抛弃冗长复杂的多类数据，为自己的成功打下扎实的基础。 付费率=付费用户÷活跃用户x100 活跃率=登陆人次÷平均在线人数 ARPU值=收入÷付费用户 用户流失率=游戏当前活跃用户规模÷历史注册总量 同时在线峰值=24小时内同时在线最高达到人数 平均在线=24小时每小时同时在线相加总和÷24小时 中国大陆运营游戏平均同时在线用户=ACU 【有称ACCU】 采用道具收费模式游戏活跃付费用户=APC 活跃付费账户=APA 付费用户平均贡献收入=ARPU 当日登录账号数=UV 用户平均在线时长=TS 最高同时在线人数=PCU 【有称PCCU】 同时在线人数=CCU 付费人数一般是在线人数2～4倍。 活跃用户（玩家）：是指通过你的推广代码注册，不属于小号或作弊情况、正常进行游戏一个月以上未被官方删除的用户视为活跃用户。 您推广的两个用户目前还没有通过至少1个月的审查时间，您可以在您的推广纪录中查看您推广用户的注册时间。且这两个用户需要满足上述对活跃玩家的定义才能称为活跃玩家！ 活跃付费账户=APA。 每个活跃付费用户平均贡献收入=ARPU。 【活跃天数计算定义】 活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天。 当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天。 当天0：00-23：59登陆游戏时间小时至2小时、活跃天数累积天。 当天0：00-23：59登陆游戏时间小时以下、不为其累积活跃天数。
https://www.doczj.com/doc/544245878.html,/p-47366351.html网游运营数据的分析！ 【每周】用户群体描述 活跃用户数量：当周登录过游戏的用户数量 忠诚用户数量：本周登陆3次以上（当天重复登陆算1次），最高角色等级超过15级，在线时长超过14小时的帐号 流失用户数量：上周登录但本周没有登录的用户数量 流失率：流失用户/上周活跃数量 忠诚流失率：上周忠诚用户当周没有登录用户的数量/上周忠诚用户数量 忠诚度：忠诚用户数量/活跃用户数量*修正值（新进人数的变化比例） 转化率：上周登录的用户在本周转化为忠诚用户的比例 【每周】盈利变化描述 ARPU值（周）：当周充值总额/当周付费用户数量；当周充值总额/当周平均最高在线付费用户：该周有过付费行为的玩家数量 新增付费用户数量：本周新增的付费用户 付费率：该周付费用户数量/该周登录用户 付费用户流失数量：上周付费用户本周未登录数量 付费流失率：上周付费用户本周未登录的比例 注册转付费：某一天注册的用户在一周后付费的用户数量及比例 【每月】 ARPU值：该月充值总额/当月付费用户数量；当月充值总额/当月平均最高在线 付费用户：该月有过付费行为的玩家数量 新增付费用户数量： 付费用户流失数量： 付费流失率： 活跃用户数量：该月登录过的用户；
【计算方式】 付费率=付费用户÷活跃用户x100 活跃率=登陆人次÷平均在线人数 ARPU值=收入÷付费用户 用户流失率=流失帐号数÷除以总注册帐号数 同时在线峰值=24小时内同时在线最高达到人数 平均在线=当天所有在线人数的平均值 中国大陆运营游戏平均同时在线用户=ACU=100000 采用道具收费模式游戏活跃付费用户=APC=5%~12% 活跃付费账户=APA 付费用户平均贡献收入=ARPU=180~240 当日登录账号数=UV按10万人计算，一天60万~80万 用户平均在线时长=TS 最高同时在线人数=PCU 【活跃天数计算定义】 活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天 当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天当天0：00-23：59登陆游戏时间0.5小时至2小时、活跃天数累积0.5天 当天0：00-23：59登陆游戏时间0.5小时以下、不为其累积活跃天数
1、用户数量 a)某游戏用户数量--注册用户。 这个数据其实相当无用的，因为每个不同项目注册用户的质量完全不同。前两年被用得很广泛，用来宣传“我们的游戏拥有了xxx用户”，当然，有几个是真实的呢？连运营商给出来就不真实的话，那些数据调查报告的真实性呢？（“你们用户多少啦？”“13万注册用户”，“才这么点，我们有个网站500万”。。。他根本没有明白用户质量的意义） b)在线人数 i.最高在线—－在某个时间能达到的最高在线，想到这个词，就想到了a3，强大的市场宣传能力，和推广能力，让他们敢在公测第一天说15万人在线，然而几个月时间，游戏中的玩家走光了。ii.活跃人数—－这个数据也是最具欺骗性的数字，如果一个活跃人数不带上时间，哪怕是真实的，都没有任何参考意义。必须是“每日活跃用户”、“每周活跃用户”“每月活跃用户”“每季活跃用户”、“最近多少天内活跃用户”等等。也就是在这段时间内进入游戏的人。 iii.每个活跃用户的平均在线时间—－上面说了活跃用户数，如果没有本数据，上面的那个也是没有意义的。如果每个用户都上来2分钟，马上就下去，这样的活跃用户的价值是多少呢？能和一上来就十几个小时在线的玩家等值么？平均每个活跃用户上来究竟玩多久？这是网络游戏中一个特别需要注意的数据。 iv.游戏平均在线人数—一这是个非常重要、有价值的参数，但仍然不是绝对唯一的决定因素。 1)24小时内平均的在线人数，数据采样时间越密集，越精确。 2)不同的游戏，每一个平均在线是由不同数量的用户造就的。例如一个好的游戏，可以大量的粘住玩家的时间，让玩家长时间舍不得下线。 3)（每24人*小时）等于一个平均在线 4)如果你能让每次上来的活跃用户，每次平均在线6小时，那么你需要4个活跃用户，就能多一个平均在线了，如果你的游戏每次只让用户玩5分钟，他就走了，哪怕你的游戏非常好，他每天都上来5分钟，那么你必须有60/5*24=288个活跃用户，才能达到一个平均在线人数。你要根据你的游戏用户特性，判断推广多一个活跃用户容易，还是增加游戏的粘着度更容易。c)一般来说，平均在线、总注册用户、活跃人数、以及最高在线有一个比例
DAU 日活跃用户(Day Active User)：在当天登录过游戏的用户。有效 网游运营数据指标 分 类 指标含义备注 反映和衡量一款游戏核心用户数 ?新用户：当天注册的用户 DAU分类?7天活跃用户：7天内登录过的用户。如7月10日DAU中的7天活 跃用户是指7月10日登录过游戏，并且在7月3日至7月9日曾 经登录过游戏的用户。 ?回归僵尸用户：7天前没有登录过游戏的用户（不包括新用户）。 如7月10日DAU中的回归僵尸用户指的是7月10日登录过游戏， 但是在7月3日至7月9日没有登录过游戏的用户。 此分类视具体产品 而定，但对DAU细 分是为了看用户群 体大体情况 DAU DAU/MAU比例是社交 游戏的重要参数，DAU/MAU 每日流失用 户 日活跃用户和月活跃用户进行比较来看用户每月访问游戏的平均天 数是多少。如果游戏拥有50万DAU，100万MAU，其DAU/MAU比值 就是0.5，也就是说玩家每月平均体验游戏的时间是15天，说明游 戏粘度比较强。 ?当天登录，后续7天内不登录游戏。如7月10的DAU中，在7 月11日至7月17日不登录游戏的用户。[可分为新用户，有效活 跃用户和回归僵尸用户来求] 同社交游戏成败息 息相关。一般最低 极限是0.2。这保证 游戏能够达到临界 规模的病毒式传播 和用户粘性。 次日留存 （率） 三日留存 ?注册后第二天登录游戏的用户。如7月10日的新用户中，在7月 11日登录游戏的人数。 两种方式： ?点三日留存：注册后第三天登录游戏的用户。如7月10日的新用 （率）户在7月12日登录游戏的用户。 ?区间三日留存：注册后三天内登录过的用户。如7月10号的新用 新 用 户 7日留存户在7月11号-13号登录过的用户 两种方式： ?点7日留存：注册后第七天登录游戏的用户。如7月10日的新用 （率）户在7月16日登录游戏的人数。 ?区间7日留存：注册后七天内登录过游戏的用户。如7月10号的 新用户在7月11号-7月17号登录过的用户。 流失（率）?留存的反义词。即不登录游戏的人数。 新手引导转 化率 新手引导每一步的转化率=进行本步的用户除以进行上一步的用户
网络游戏运营的数据分析二 任何一款游戏运营，都是以UED、数据分析为导向，如何开发、运营好一款成功的全球社交游戏，是每个社交游戏产品经理头等大事。用数据说话，是一个简单明快的操作方式，但社交游戏的数据如何分类？海内外关注点有何区别？相信作为每个社交游戏产品经理是非常关心的话题，那么我们就从基础知识入手，逐步梳理出符合运营需求的核心数据环节，抛弃冗长复杂的多类数据，为自己的成功打下扎实的基础。 付费率=付费用户÷活跃用户x100 活跃率=登陆人次÷平均在线人数 ARPU值=收入÷付费用户 用户流失率=游戏当前活跃用户规模÷历史注册总量 同时在线峰值=24小时内同时在线最高达到人数 平均在线=24小时每小时同时在线相加总和÷24小时 中国大陆运营游戏平均同时在线用户=ACU 【有称ACCU】 采用道具收费模式游戏活跃付费用户=APC 活跃付费账户=APA 付费用户平均贡献收入=ARPU 当日登录账号数=UV 用户平均在线时长=TS 最高同时在线人数=PCU 【有称PCCU】 同时在线人数=CCU 付费人数一般是在线人数2～4倍。 活跃用户（玩家）：是指通过你的推广代码注册，不属于小号或作弊情况、正常进行游戏一个月以上未被官方删除的用户视为活跃用户。 您推广的两个用户目前还没有通过至少1个月的审查时间，您可以在您的推广纪录中查看您推广用户的注册时间。且这两个用户需要满足上述对活跃玩家的定义才能称为活跃玩家！ 活跃付费账户=APA。 每个活跃付费用户平均贡献收入=ARPU。 【活跃天数计算定义】 活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天。当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天。 当天0：00-23：59登陆游戏时间0.5小时至2小时、活跃天数累积0.5天。 当天0：00-23：59登陆游戏时间0.5小时以下、不为其累积活跃天数。
网络游戏运营数据名词解析 作者：july_we 邮箱：july_we@https://www.doczj.com/doc/544245878.html, 近日有很多朋友及同事问到我一些游戏运营相关的名词，虽然网络上也有很多类似的名词解析，但比较分散，有些英文缩写没有全称，有些名词解析存在着一些偏颇，于是本人花了点时间整理了份《网络游戏运营数据名词解析》文档供有心往运营方向发展的同学学习。本人由于经验还有知识面不够完善，不排除文中有存在偏颇的地方，还希望有心的同学给予纠正。
游戏数据分析指标解析之一DAU/MAU 之前总结了SNS游戏行业的一些基本分析指标，当时说要对每一个指标进行细细分析以及案解释的，但一直忙着新公司的组建BI团队工作，估计这是借口吧。。。以后要严格规范自己，对过去的分析工作进行总结，不断进步才行了。 社交游戏的分析指标大部分跟大型网游数据分析基本是一致的，只是在思考的角度上有所差距。今天就来探讨一下业界内一般比较肯定的指标：DAU/MAU。 DAU：日活跃用户(Day Active User)，在当天登录过游戏的用户，有效反映和衡量一款游戏核心用户数。关于这个指标，存在一定的争议，有的把每日重复登陆的用户也记录在内（user_id不去重）,这种情况一般很难说明一款游戏的真实数据，个人感觉不宜用。另外一种方式是不计算重复登陆的用户（user_id要去重），即计算当天曾经登陆过的用户，登陆两次也只算1,这个可以清晰地分析到每日用户的变化情况，可表现这款游戏的衰退速度。大部分情况下业界均使用这种方式，个人也更倾向于这种，因而此处我们还是选择第一种。
MAU：月活跃用户(Monthly Active User)，在一个月之内登录过游戏的用户，自统计之日起在30天内登陆过游戏的用户数（类如DAU，也有两种解释，依然以去重为取法） DAU/MAU:一般可叫做当前用户留存率，两者相比主要比较来看用户每月访问游戏的平均天数是多少（举例：如果游戏拥有50万DAU，100万MAU，其DAU/MAU比值就是0.5，也就是说玩家每月平均体验游戏的时间是15天，说明游戏粘度比较强。当比值接近于1时，就说明用户超级活跃，在一个月内用户天天登陆，流失率低，用户粘性强）。DAU/MAU比例是社交游戏的重要参数，同社交游戏成败息息相关。一般最低极限是0.2。这保证游戏能够达到临界规模的病毒式传播和用户粘性。其实之前也从这个角度来看：月活跃用户登陆天数分布，这主要也是看一个月用户的活跃度情况，当然，这又是另一个分析角度了。 各游戏DAU/MAU值基本在30%--60%之间（20%是临界状态，低于这个值认为这款游戏粘度太低，基本可放弃投入大量精力运营），说明这些游戏都是基本能保证游戏达到临界模式的病毒性传播和用户粘性。从图中观察各游戏的DAU/MAU值：产品1和产品3总体来看较平稳（产品相对稳定）；产品2波动较大（突然上升突然下降的原因是什么？可结合用户登陆来源来看，比如是否来自request的用户黏度明显降低了？等等）；产品4的用户粘度值较高但是有下降趋势，即游戏可能属于衰退时期（但需联合之前是否有活动强刺激来看）；产品5高主要是游戏游戏刚上线，由于初次安装、交叉推广以及大量广告投入而导致DAU 和MAU都会保持稳定增长，所以产品5其实跟其它产品没有可比性，真正看一款游戏的品质以及活跃力应该从游戏基本稳定之后算起。 同时对于横向对比，最好要把各游戏DAU/MAU统计值进行比较：在统计学上，一般就是均值和变异系数比较，均值说明一款游戏改值的集中趋势，异系数可以说明一款游戏的DAU/MAU是否是属于平稳状态下的。