TalkingData的AARRR模型给出了移动应用数据分析的通用方法论。本文以TalkingData AARRR模型为基础，结合移动游戏的行业特点，给出了移动游戏运营者在业务运营各阶段应当关注的关键数据指标。
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)
CAC = 投入成本/有效用户数，以CPX(Cost per X，如获取每个登录用户的成本)的方式呈现
将CAC按渠道进行拆解，就可以得出渠道推广的成本。
用户活跃度与用户留存(Activation and Retention)
传统较粗犷的数据运营通常只会关注到用户数量这个层次，而实际上除了关注用户数量之外，用户的质量对于运营者来讲其实更为关键。AARRR模型为我们指出了一条精细化数据运营的定律，就是LTV(用户生命周期价值) > >CAC。也就是说，在投入成本获取用户后需要着重的关注和提升用户在整个生命周期中所创造的实际收入价值，从而确保获得最大的ROI。
本文将继续沿着AARRR模型体系，将重心从成本方面转向价值方面，着重给出移动游戏在提升用户生命周期价值过程中应当关注的重要指标。
移动游戏的用户生命周期运营可以归纳为如下的这个转化过程：
获得用户(下载安装) -> 转化成活跃用户(登录使用) ->留住用户(回访留存)->转化成付费用户(应用内支付) 。
一、用户活跃(Activation)
用户活跃是用户价值转化过程最开始的一步。
1. 活跃用户
指标定义：
u 活跃用户：一段时间内启动/登录过移动游戏的用户
l 每日活跃用户数量(DAU)
l 每月活跃用户数量(MAU)
u 活跃用户比例：一段时间内活跃用户数量/一段时间内累计用户数量
l 日活跃率
l 周活跃率
l 月活跃率
u 一次性用户(One-Day User)：根据当前时间，自新增以来再没有使用过应用的用户。只有新增时的一次启动/登录，之后再无启动/登录。
u 一次性用户比例：一次性用户数/累计用户数。
反应问题：
游戏用户质量。活跃用户的绝对数量低，或相对总用户数量比例低，说明用户的质量不高，应结合渠道等维度深入分析是否目标用户群是否准确或者深入分析产品使用是否存在问题。反之并不能绝对说明用户质量高，产品使用不存在问题，还应当结合其它指标深入分析判断。
一次性用户。虽然从定义上这部分用户也属于活跃用户，但应当格外给予关注。绝大部分一次性用户都是无效的量，不能创造任何价值。比如渠道的刷量作弊会带来大量一次性用户。在观测活跃用户数量的同时，请同时注重观测此指标，以客观评价分群体(如渠道)的用户质量。对于移动游戏来讲，健康的一次性用户比例应当不大于15%
产品状况：活跃度可以有效的反映用户首次游戏体验情况。游戏的界面效果、启动加载时间、交互操作体验、用户引导等因素都将对用户的活跃度带来直接影响。
健康表现：
成熟、健康的游戏运营的MAU从长期的发展趋势来看，应当呈现出稳定的趋势曲线(图)
一次成功的推广活动或版本上线应当带来活跃用户数量明显的增长曲线，同时一次性用户保持在健康的比例范围。(图)
以下指标着重反应的是活跃用户的参与使用情况，也是游戏产品质量的有效体现。在做用户活跃度分析的时候可以综合各个指标进行分析，从而发现产品运营中的问题，指导产品优化。
2. 启动次数
指标定义：
用户对移动游戏的一次使用记为一次启动。启动次数就是用户对游戏的启动总量。可以按不同时间区间进行统计。做数据追踪统计时，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。
l 日启动次数
l 周启动次数
l 月启动次数
l 日平均启动次数：该日平均每用户启动应用次数。日启动次数/日启动用户数
反应问题：
启动次数反应游戏的用户使用频率。可以作为游戏产品质量的一个指标。
健康表现：
不同类型的移动游戏会有不同级别的启动次数量级。该指标应当结合用户分布维度来看，主要用户应当分布在较高的启动次数上。(图)
3. 使用时长
指标定义：
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/启动次数
平均日使用时长：当日用户使用游戏时间综合的算数平均值
反应问题：
使用时长反映用户持续停留在游戏中的状况，是用户参与使用游戏的体现。可以作为游戏产品质量的一个指标。同时也可以结合用户分布维度来分析游戏用户质量。
健康表现：
不同类型的移动游戏会有不同级别的使用时长量级。好的游戏应当有更长的使用时长。该指标应当结合用户分布维度来看，主要用户应当分布在较高的使用时长上。如果存在大量短使用时长用户存在，排除产品主要因素之外说明目标用户群体存在问题，可能存在如渠道作弊等异常情况。该指标可作为监控渠道用户获取质量的一个指标。
4. DAU/MAU
指标定义：
当日的日活跃用户数与30日活跃用户数的比值
反应问题：
DAU/MAU是社交游戏类和在线类应用常用的一项评估指标，被用来分析用户粘度。比值越趋近于1表明用户活跃度越高，在比值低于0.2时，应用的传播性和互动性将会很弱。行业中也常用DAU/MAU乘以30来计算每月用户平均活跃天数。
健康表现：
好的游戏会有更高的DAU/MAU比值。通常健康的Freemium游戏
DAU/MAU不低于0.15, 并且长期趋势呈现平稳的曲线。如果长期趋势曲线出现急剧增减，就要结合其它指标综合分析问题原因了。
二、用户留存Retention
用户的留存(Retention)可以告诉您用户对游戏的忠诚度有多高。简单的讲，就是留住活跃的用户。用户留存是用户最终向付费转化，创造实际收入价值的过程中最关键的阶段。
指标定义：
用户在某段时间内开始使用游戏，经过一段时间后，仍然继续使用游戏的被认作是留存用户;这部分用户占当时新增用户的比例即是留存率。
n 日留存(1Day Retention)
n 周留存(7Day Retention)
n 月留存(30Day Retention)
反应问题：
留存一直都是用来评定用户粘度的最好指标，从字面上就很好理解“有多少用户留下来了”，这是对你总体游戏应用质量最直观的说明。留存率越高，说明游戏应用的质量越高，用户的忠诚度越好。
关注某日/某周的新增用户在之后的不同时期还有多少人仍在使用，从而了解到您的应用在使用多久后容易流失用户。找出最易流失用户的时间段，通过调整应用的策略、活动激励等措施来降低用户的流失。
在行业中，很多应用都很重视首日留存率(1Day Retention)这项指标，这是对应用质量的直接反映，这项指标还可以在一定程度上说明用户首次体验的满意度。
健康表现：
用户的留存在推广渠道，产品版本既定的情况下应当呈现一定的发展趋势。一般来讲用户留存会呈现如下的发展趋势曲线：
从指标角度将，用户的留存1日，7日和30日留存存在着一定的转化关系。健康的移动游戏1日，7日，30日用户留存率应不低于50% – 25% – 10% 的水平。也就是说一款好的移动游戏应用首日用户留存率应维持在50%左右的水平，周留存率在25%水平，月留存率在10%水平。
更详细用户留存分析指导请移步TalkingData blog查看”如何读懂用户留存”
三、用户生命周期
用户的生命周期是指用户从开始使用一款游戏应用到卸载应用的整个过程，因为移动应用很难捕捉用户的卸载动作，通常会根据用户的使用频率低于某个极限值来判断用户流失。
LTV(Lifetime Value)就是一个用户在生命周期内创造的价值总和。对于移动游戏来讲就是一个用户在生命周期中创造的收入综合。
收入(Revenue)
前面的文章讲到了评估用户获取成本(CAC)应当关注的指标，以及用户在创造价值的转化过程中应当关注的指标。而移动游戏用户创造的价值最终将体现为游戏运营收入(Revenue)。本篇的重点就将放在移动游戏收入相关的指标上，并最终给出衡量游戏用户创造价值的关键指标概念：用户生命周期价值(LTV, Lifetime value)
目前移动游戏主要通过以下三种模式创造收入：
l 付费下载
l 应用内广告
l 应用内付费
对于付费下载的收入计算比较简单，Revenue = 每下载单价* 下载次数(Installation)
对于应用内广告模式(主要是单机游戏)，衡量应用的广告价值可以通过“用户生命周期广告价值”这个指标来体现(详细解读请移步TalkingData blog查看”如何评估免费移动应用的广告价值?”)
应用内付费(IAP)目前已经成为未来移动游戏盈利模式的主要发展趋势，越来越多的游戏采用F2P(Free to play)+ IAP的盈利模式。以下的指标也主要是针对应用内付费模式的移动游戏。
收入宏观指标：
1. ARPPU
指标定义：
ARPPU, Average Revenue per Paying User, 即平均每付费用户收入。一般以月为单位计算，计算方法如下：月游戏总收入/月付费用户数。
ARPPU反映的是平均每个付费玩家的付费额度。对于F2P的游戏来讲，大多数玩家是不花钱的，ARPPU计算的是那部分花钱用户的情况。
移动游戏受类型、地域等因素的影响，ARPPU会有明显的不同。以下给出一些参考案例：
Virtual World: Habbo Hotel: $30 ARPPU (Sulake)
Online Game: Puzzle Pirates, Three Rings: $50 ARPPU (Gamasutra)
Social Game: Playdom: $20 ARPPU (Lightspeed Venture Partners)
德国Sci-Fi MMO ARPPU: $58.77
法国Sci-Fi MMO ARPPU: $14.83
对于付费用户来讲付费额度分布也不平均，一般少量大额付费用户(whales, 鲸鱼用户)带来的收入会占整体付费收入的绝大部分。因此，在做收入分析时应着重对这部分用户的收入变化做重点的分析，并根据实际情况采取相应的行动策略(如增强VIP客服等)。
2. ARPU
指标定义：
ARPU, Average Revenue per User, 即平均每用户(活跃用户)收入。一般以月为单位计算，计算方法如下：月游戏总收入/月活跃用户数。
ARPU反映的是总体收入在整体用户中均摊的情况，通常该值会远小于ARPPU。ARPU可以用来评估各个用户获取渠道的质量。
参考案例：
休闲社交游戏: $0.10 – $0.20
卡牌类游戏
例如Zynga Poker, Slotomania: $0.25 – $1.25
Virtual Worlds游戏: 例如Habbo Hotel, Club Penguin, Runescape, and Puzzle Pirates：$0.84 – $1.62
3. 付费转化率(Conversion Rate)
指标定义：
付费用户占整体活跃用户的比例。一般以月为单位计算。
计算方法如下：月付费用户数/月活跃用户数
反映问题：
游戏产品引导玩家付费的能力如何?
玩家的付费倾向和意愿如何?
收入、ARPPU、付费转化率之间存在如下的关系：Revenue = ARPPU * MAU * 付费转化率
运营者应当通过监测付费转化率，结合其它产品运营指标因素(如游戏应用事件转化情况等)以制定提升收入的策略。
健康表现：
付费转化率不能直接反映收入的变化情况。付费转化率低并不一定意味着付费用户的减少，有可能是某一时期(如推广活动后)有大量新用户进入游戏造成，还应结合首次付费时间等其它指标因素综合考量对收入变化的影响。相反，付费转化率变高也不一定就意味着用户付费额的增加。
不同类型的游戏的付费转化率水平也有所不同。例如对于社交游戏来讲，付费转化率会因类型的不同在1%-5%范围内变化。MMO等硬核游戏的付费转化率则依赖于传播途径以及地域等因素也会有所不同(10%-50%)。
4. 用户生命周期价值(LTV)
用户的生命周期是指一个用户从第一次启动游戏应用，到最后一次启动游戏应用之间的时间。LTV就是某个用户在生命周期内为该游戏应用创造的收入总计，可以看成是一个长期累计的ARPU值。
每个用户平均的LTV = 每月ARPU * 用户按月计的平均生命周期。
比如，如果游戏的ARPU = $0.5, 游戏用户平均生命周期为3个月，那么LTV = $0.5 * 3 = $1.5
LTV帮助运营者了解平均玩家会在游戏里呆多久，他们会花多少钱。结合之前提过的用户获取成本(CAC)，LTV – CAC的差值，就可以视为该游戏应用从每个用户身上获取的利润。所以最大化利润，就变成如何在降低CAC的同时，提高LTV，使得这两者之间的差值最大化。结合分群(segmentation)，断代(cohort)等分析方法，可以针对特定的群体或渠道计算LTV和CAC，从而评估特定特定群体和渠道的利润。
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
运营数据分析指标文档 一.流量分析 1.1概览 ①时间范围选择功能：以数据记录时间为筛选条件显示本页下数据，默认首个时间范围框为当前日期前30天，第二个时间范围框为当前日期前一日。点击每一个选择区域弹出日历，用户可选择年份、月份和日期，日历内日期默认选择为当前日期前一日，最终结果以两个选择区域内选择的时间的时间差为筛选标准，不分前后。有按照昨天、最近7天和最近30天的快速筛选按钮，点击对应按钮以对应时间进行数据筛选。选择范围最长为365天。选择范围最长为365天。 ②时间统计方式选择：可选择按小时和按单日来作为统计的维度，如选择小时则可显示每天12:00到13:00（或其他时间段内）网站浏览量（或访客数）的数据统计。 ③数据统计区域(表格)：首行显示全网站昨日的浏览量、独立访客数、新独立访客数、ip、跳出率和平均访问时长，第二行对应显示全网站从统计之日起至昨日的上述平均数值。 ④折线图：可选指标为pv、uv、pv/uv、vv、平均访问时长,默认选中uv,指标支持单选。横坐标为时间轴，与1.1和1.2中的时间范畴相关；纵坐标为各项指标对应的数据。鼠标移至折线图上时会浮窗显示鼠标所处位置垂直线所对应的日期或时间段，以及选中指标的具体数值,默认选中uv。 ⑤在新页面查看完整数据：点击该按钮跳转至“概览信息详情页。” 1.1.1概览信息详情页 ①时间范围选择功能：以数据记录时间为筛选条件显示本页下数据，默认首个时间范围框为当前日期前30天，第二个时间范围框为当前日期前一日。点击每一个选择区域弹出日历，用户可选择年份、月份和日期，日历内日期默认选择为当前日期前一日，最终结果以两个选择区域内选择的时间的时间差为筛选标准，不分前后。有按照昨天、最近7
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
提起数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表。其实，“分析”本身是每个人都具备的能力；比如根据股票的走势决定购买还是抛出，依照每日的时间和以往经验选择行车路线；购买机票、预订酒店时，比对多家的价格后做出最终选择。 这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。 1.数据分析的战略思维 无论是产品、市场、运营还是管理者，你必须反思：数据本质的价值，究竟在哪里？从这些数据中，你和你的团队都可以学习到什么？ 数据分析的目标 对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值，驱动企业业务增长。 数据分析的作用 我们常常讲的企业增长模式中，往往以某个业务平台为核心。这其中，数据和数据分析，是不可或缺的环节。 通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务，重新投入用户的使用，从而形成形成一个完整的业务闭环。这样的完整业务逻辑，可以真正意义上驱动业务的增长。 数据分析进化论 我们常常以商业回报比来定位数据分析的不同阶段，因此我们将其分为四个阶段。 阶段 1：观察数据当前发生了什么？ 首先，基本的数据展示，可以告诉我们发生了什么。例如，公司上周投放了新的搜索引擎 A 的广告，想要
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
淘宝代运营数据分析指标一览表 【基础统计类】 1浏览量（PV）： 店铺各页面被查看的次数。用户多次打开或刷新同一个页面，该指标值累加。 2、访客数（UV）: 全店各页面的访问人数。所选时间段内，同一访客多次访问会进行去重计算。 3、收藏量： 用户访问店铺页面过程中，添加收藏的总次数（包括首页、分类页和宝贝页的收藏次数）。 4、浏览回头客： 指前6天内访问过店铺当日又来访问的用户数，所选时间段内会进行去重计算。 5、浏览回头率：浏览回头客占店铺总访客数的百分比。 6、平均访问深度：访问深度，是指用户一次连续访问的店铺页面数（即每次会话浏览的页 面数），平均访问深度即用户平均每次连续访问浏览的店铺页面数。【月报-店铺经营概况】中，该指标是所选月份日数据的平均值。 7、跳失率：表示顾客通过相应入口进入，只访问了一个页面就离开的访问次数占该入口总访问次数的比例。 8人均店内停留时间（秒）：所有访客的访问过程中，平均每次连续访问店铺的停留时间。 9、宝贝页浏览量：店铺宝贝页面被查看的次数，用户每打开或刷新一个宝贝页面，该指标就会增加。 10、宝贝页访客数：店铺宝贝页面的访问人数。所选时间段内，同一访客多次访问会进行去重计算。 11宝贝页收藏量：用户访问宝贝页面添加收藏的总次数。 12、入店页面：单个用户每次浏览您的店铺时查看的第一个页面为入店页面。出店页面：单个用户每次浏览您店铺时所查看的最后一个页面为出店页面。 13、入店人次：指从该页面进入店铺的人次。 14、出店人次：指从该页面离开店铺的人次。 15、进店时间：用户打开该页面的时间点，如果用户刷新页面，也会记录下来。 16、停留时间：用户打开本店最后一个页面的时间点减去打开本店第一个页面的时间点（只访问一页的顾客停留时间暂无法获取，这种情况不统计在内，显示为“一”。 17、到达页浏览量：到达店铺的入口页面的浏览量。 18、平均访问时间：打开该宝贝页面到打开下一个宝贝页面的平均时间间隔。（用户访问该宝贝页后，未点击该页其他链接的情况不统计在内，显示为“一” 19、全店宝贝查看总人次：指全部宝贝的查看人次之和。 20、搜索次数：在店内搜索关键词或价格区间的次数。
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/9b15798854.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
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
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