1. 总则
1.1. 概述
本文档主要介绍移动游戏运营数据指标的定义、作用、交叉关系以及各种可能引起相关数据波动的因素。所有数据指标的定义按照国际规范梳理，并且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领域。数据指标的作用、交叉关系以及各种可能引起数据波动的因素会从数据统计与分析技术和业务需求的分析设计两方面入手，进行经验的提炼和沉淀，并且逐步完善。
1.2. 目的
希望通过本文档，能让运营人员熟悉各项数据指标的准确含义，同时了解相关数据指标作用与联系，从而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。
1.3. 整体框架
本文档涉及数据指标分为基础性指标和游戏内容指标两大类。
基础性指标是从游戏产品中整体用户特性出发，从用户状态和用户行为等方面中发掘出来，典型的、全局的游戏分析指标，分为在线类、用户类和收入类；而游戏内容指标则是从游戏产品中各种游戏内容系统体系出发，进行相关联元素的整体和专题分析，根据游戏内容的PVE/PVP设计模式，我们分别对玩家(P)，游戏元素(E)以及游戏交互(V)进行了分类分析。对于这两大类指标，框架分别从观察角度与指标度量、应用场景分析以及典型菜单应用三个层次上进行分析和阐述，最终形成整体框架体系。
2. 基础性指标
2.1. 在线类
本部分包括实时在线和历史在线。其中实时在线即同时在线人数,以最小时间刻度(例如分钟)对当天24小时所有用户在线情况进行监控；历史在线包含以日为单位对过往时间的游戏PCU、ACU及平高比。
2.1.1 CCU(Concurrent user)同时在线人数
观察角度与指标
所属主题 观察角度 度量
在线类—>CCU
同时在线玩家人数 区服
时间段
主要用户属性(付费/非付费) 在线用户数
备注 区服:iOS/Android平台、大区
主要用户属性：主要分为付费与免费用户
游戏运营数据分析策略
当前游戏的数据非常多，数据分析的目的，是对游戏中出现各式各样的问题进行查询，最后发现问题解决问题；
运营数据类型：
i. 宏观数据；
收入公式：
月收入 = 本日导入新用户数量 * 新人本日累积LTV + 老用户数量 * 老用户累积LTV；（该公式不够严谨，核心意思是月收入由新服收入和老服收入构成）
月收入会随着上面的四个参数变化；四个参数增加，意味着收入可以上涨；这四个参数，由更多的宏观数据构成：
1. 导入新用户数量；
1） 日均导入数量；
考核点：新服的导入人数；
影响：各个渠道位置、广告、市场推广、曝光度等；
我们可以做的事情：渠道洽谈、市场推广、买量调整、素材调整、游戏前期调整、美术风格调整；
2） 次日留存；七日留存；
考核点：新服的留存情况；
影响：导入用户质量、版本质量；
我们可以做的事情：前期数值、活动调整；前期玩法调整；
2. 新人本月累积LTV；
1） 新服首日付费率，7日平均付费率；
考核点：新服的付费率情况
影响：游戏基本品质，游戏前期基础付费点设定；
我们可以做的事情：游戏内付费设定和调整；7日活动调整；
2） 新服arppu，7日平均arppu；
考核点：付费用户的个人贡献RMB数量；
影响：游戏前期付费深度的设定，用户付费分层的设定都会影响arppu。
我们可以做的事情：付费设定（包含不同层次用户的付费感受和资源释出）
3. 老用户数量；
1） 老用户DAU；
考核点：除当日的所有老用户的人数；
我们可以做的事情：新版本的玩法延续；不断优化游戏；市场宣传和推广；用户关系维护；
2） 老用户月留存、3月留存；
考核点：老服A月导入的用户，在A+2月留下来的用户；
影响：游戏玩法深度、游戏生态感受；
我们可以做的事情：玩法延续，生态调整等。
4. 老用户累积LTV；
1） 老用户当日付费率；
考核点：老用户在每日的条件下，付费率的多少；
影响：当日活动； 我们可以做的事情：游戏内付费，以及全服活动调整；
对宏观指标进行监控(小时、天、周、月、季度、年等)，发现异常(人数
掉线、新增用户增长异常、 ARPU 升高等) ,给公司提供客观的数据来衡量和判断
游戏的运营情况
注册用户
在线人数(最高在线人数；日、周、月活跃人数；活跃用户平均在线时间、
平均在线人数)
每一个(平均在线人数、付费用户、活跃用户)每月贡献人民币 运营成本(服务器、带宽、客户服务、推广成本)
产品毛收益
时间卡模式的固定 ARPU
增值模式的动态 ARPU
时间卡+增值模式的动态 ARPU
付费率
.
推广成本(宣传成本、人力成本、时间成本)
推广效果(各个路径的转化率：看广告人数 — 目标用户看广告人数 — 目标
用户记住人数— 目标用户感兴趣人数— 目标用户尝试人数)
前期流失率
自然流失率
游戏流失率重要节点分布(初始化页、选线+创建角色、 1级、 5级、 6级、 7
级、累计)
普通流失率(日、周、月)
发送邀请人数、发送率
接受邀请人数、比例 接受率
K-Factor=感染率*转化率
2.1.1.2微观方面
对微观指标进行监控(小时、天、周、月、季度、年等)，发现异常(道具
销量异常等)，并指导开辟团队修正游戏版本， 为新版本和新功能提供决策依据。
职业等级分布
任务统计(每一个任务参加、完成和取销次数或者人数)
经济系统统计
{ 总剩余金钱、 背包存放金钱总量、 仓库存放金钱总量、 邮件存放金钱总量
. .
经济产出：任务产出金钱、玩家卖给 NPC 物品获得金钱、打工获得金钱
经济消耗： (任务消耗、 NPC 购买消耗、道具合成消耗、道具加工消耗、道
具打孔消耗、道具镶嵌消耗、装备升级消耗、装备炼化消耗、兑换家族声望
消耗、家族升级消耗、修理装备消耗)
}
活动统计(活动参预人数、活动完成人数、奖励产量、意外预警)
商城统计(销售统计工具，销量排行)
职业等级分布
资源使用统计
排名统计(增加荣誉感)
游戏数据分析报告样例
1. 引言
本报告旨在通过对游戏数据的分析，提供关于游戏运营和玩家行为的洞察，为游戏开发商和运营商提供决策支持。本报告采用的数据来源包括用户注册信息、游戏内的玩家数据以及游戏服务器的日志记录。
2. 数据收集与整理
为了进行数据分析，我们首先收集了游戏的注册用户信息。通过这些信息，我们可以了解到游戏的用户人群特征，例如年龄分布、性别比例等等。另外，我们还收集了游戏内的玩家数据，包括游戏时长、等级、道具使用情况等。最后，我们也获取了游戏服务器的日志记录，其中包含了玩家的行为数据，例如每日活跃用户数、付费用户数等。
3. 数据分析
3.1 用户人群特征分析
通过对注册用户信息的分析，我们可以得到以下结论：
• 游戏的用户主要集中在年龄段为18至35岁之间。
• 游戏的用户中男性占比约为60%，女性占比约为40%。
• 用户的地理分布主要集中在城市地区。
这些结果可以帮助游戏开发商和运营商更好地了解他们的目标用户，并制定相应的市场策略。
3.2 玩家活跃度分析
通过分析游戏服务器的日志记录，我们可以得到以下结论：
• 游戏的每日活跃用户数呈现出较为稳定的趋势，大约在5000人左右。
• 在每周的周末，游戏的活跃用户数会有所增加。
• 游戏的平均游戏时长为2小时。
这些结果可以帮助游戏开发商和运营商在运营活动中选择合适的时间段，并根据用户的活跃程度进行相应的推广和奖励活动。
3.3 付费用户分析
通过分析游戏服务器的日志记录，我们可以得到以下结论： • 游戏的付费用户占注册用户的比例约为10%。
• 游戏的付费用户主要集中在30至40岁之间的男性用户。
• 游戏的付费用户的付费额度平均为100元。
这些结果可以帮助游戏开发商和运营商了解游戏的付费用户群体，并制定相应的营销策略，以提高付费用户的比例。
4. 结论与建议
基于以上的数据分析结果，我们可以得出以下结论和建议：
• 游戏的目标用户主要是年龄在18至35岁之间的男性用户，因此在游戏的宣传和推广中，可以重点关注这一用户群体。
