游戏数据分析基础知识

时间 2015-1-31

数据分析——基础知识

一、新登用户数

日新登用户数 每日新注 并登录游 的用户数

周新登用户数 本周7天日新登用户数累计之和

新登用户数： 本 30天日新登用户数累计之和

可解决的问题：

1)渠道贡献的新用户份额情况

2)宏 走势，是否需要进行投放

3)是否存在渠道作弊行

二、一次会话用户数

日一次会话用户数 即新登用户中只 一次会话，且会话时长 于规定阈值 周一次会话用户数： 本周7天日一次会话用户数累计之和

一次会话用户数： 本 30天日一次会话用户数累计之和

可解决的问题：

1) 广渠道是否 刷量作弊行

2)渠道 广 量是否合格

3)用户导入是否存在障碍点，如 网络状况 载时间等;

4)D步SU 于评估新登用户 量，进一 分析则需要定 活跃用户的 一次

会话用户数

三、用户获取 本 CAC

用户获 本义 广 本/ 效新登用户

可解决的问题：

1)获 效新登用户的 本是多少

2)如何选择 确的渠道优化投放

3)渠道 广 本是多少

四、用户活跃 Activation

日活跃用户数 DAU ：每日登录过游 的用户数

周活跃用户数 WAU 截至当日，最 一周 含当日的7天 登录游 的用户数，一般按照自然周进行计算

活跃用户数 正AU 截至当日，最 一个 含当日的30天 登录过游 的用户数，一般按照自然 计算

可解决的问题：

1)游 的 心用户规模是多少 游 的总体用户规模是多少

2)游 产品用户规模稳定性 游 产品周期 化趋势衡量

3)游 产品老用户流失 活跃情况 渠道活跃用户 存周期

4)游 产品的粘性如何 正AU结合 广效果评估

备注

正AU层级的用户规模 化相对较小，能够表现用户规模的稳定性，但某个时期的 广和版本更新对正AU的影响也可能比较明显

外游 命周期处于 同时期，正AU的 化和稳定性也是 同的

五、日参与次数 DEC

日参 次数 用户对移 游 的使用记 一次参 ，即日参 次数就是用户每日对游 的参 总次数

可解决的问题：

1)衡量用户粘性 日 均参 次数

2)什 渠道，什 用户参 频率较高

3)用户对产品参 频率是什 的

备注

*一般建议30秒内重复开启记录 一次完整使用， 单独计量

*周参 次数 用户一周对游 的参 总量

* 参 次数同

*日 均参 次数 该日 均每用户参 游 次数

计算公式 日参 次数/日参 用户数

*通过对 同参 次数的分布分析，可帮 分析版本更新影响， 广渠道刺激

六、日均使用时长 DAOT/AT ：

活跃用户 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义ACU*24/DAU

可解决的问题：

1)用户的游 参 度如何

2)产品 量把 指标

3)渠道 量如何

4) 单次使用时长结合分析留存和流失问题

5)用户持续游 能力如何

备注

* 均单次使用时长 一定时间内，用户 均每次游 使用的多长时间义时间内用户总使用时长/参 次数

*帮 分析作弊行 ，版本粘性和效果

* 据需要，可以 察用户每周， 周， 的 均使用时长情况，了解游 的粘性

七、用户活跃度 DAU/MAU

可解决的问题：

1)用户的游 参 度如何

2)游 人气是否增长 衰 稳定

3)用户活跃天数如何

备注

DAU/正AU理论 于0.2，0.2*30义6天，即用户登录次数 少于6天

(2)数据分析——用户留存&流失

一、留存

用户留存 统计时间区间内，新登用户在随后 同时期的登录使用情况 次日留存率 日新登用户在次日 含首次登录当天 登录的用户数占新登用户比例

日留存率：日新登用户在第 日 含首次登录当天 登录用户数占新登用户比例

七日留存率：日新登用户在第七日 含首次登录当天 登录用户数占新登用户比例

留存率：日新登用户在第 十日 含首次登录当天 登录用户数占新登用户比例

注 留存率需要进行长期跟踪， 据需要可设定30日 60日或者送0日 可解决的问题：

1)用户对于游 的 应性如何

2)评估渠道用户 量

3)投放渠道效果评估

4)用户对于游 的粘性如何

5)新登用户什 时期流失会 剧

备注

*留存率一定意 代表了新登用户对游 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 进行分析，例如 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 满意度， 要 映游 初期新手对于游 引导和玩法的 应性

二、流失

用户流失：统计时间区间内，用户在 同时期离开游 的情况

日流失率：统计日登录游 ，但随后七日未登录游 的用户占统计日活跃用户比例， 定 按需求可延长 测长度， 备注

周流失率： 周登录过游 ，但本周未登录游 的用户占 周周活跃用户比例

流失率： 个 登录过游 ，但本 未登录过游 的用户占 个 活跃用户比例

解决问题：

1)活跃用户的 命周期是多少

2)哪一个渠道的流失率比较高

3)拉 收入的 营手段，版本更新对于用户的流失影响是多大

4)什 时期的流失率比较高

备注

*流失率+留存率 等于100%， 处留存率遵循 文定 标准

*日流失率的定 可发 据需求进行调整，比如统计当日登录游 ，但随后14日或者30日未登录游 的用户数

*流失率在游 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 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 ，流失率作 一个风向标， 预警作用

(3)数据分析——游戏收入ARPU/ARPPU

目前移动游 创造收入有三种形态：

*付费 载

*应用内广告

*应用内付费

付费率 MPR ：统计时间区间内，付费用户占活跃用户的比例 一般以 计

计算公式 正PR义APA/正AU 中APA 付费用户数

可解决的问题：

1)游 产品的付费引导是否合理

2)用户付费倾向 意愿 需结合首次付费 能 道 等级，整体分析

3)付费转化是否达到预期效果

备注

*正PR包含历史付费用户在统计时间区间内 次付费的用户以及在统计时间区间内新转化的付费用户

*正PR的高 并 一定代表游 付费用户的增 或者减少

*游 类型的 同，相应的正PR表现也是 同的

活跃付费用户数 APA ：统计时间区间内， 付费的用户数 一般以 计 如果按 进行计算，则 以 关系 APA义正AU*正PR 中正AU 活跃用户数，正PR 付费率

可解决的问题：

1)游 产品的付费用户规模如何

2)APA如何构 ？如鲸鱼用户 海豚用户 小鱼用户的比例

3)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 次付费的用户以及在统计时间区间内新转化 付费的用户

*APA 据需求可细分 充值活跃用户和消费活跃用户

均每用户收入 ARPU ：统计时间区间内，活跃用户对游 产 的 均收入 一般以 计

ARPU义收益/玩家数

ARPU义收益/正AU

计算方式 游 总收入除以游 的总活跃用户数，一般按照 来计算，即ARPU义 总收入/ 活跃用户数 正AU

可解决的问题：

1) 同渠道获 的用户 量如何

2)游 收益贡献如何

3)游 活跃用户 人均贡献的关系

4)游 人增收益水 如何

备注

*严格定 的ARPU 同于国内认识的ARPU，国内ARPU义总收入/付费用户数

*ARPU用于产品定 初期 同规模 的收入预估

均每付费用户收入 ARPPU ：统计时间区间内，付费用户对游 产 的 均瘕入 一般以 计

ARPPU义收益/付费用户数

ARPPU义收益/APA

可解决的问题：

1)游 付费用户 均的付费水 如何

2)付费用户整体的付费趋势如何

3)对鲸鱼用户的分析

备注

*ARPPU容易 到鲸鱼用户 小鱼用户的影响，分析时需谨慎

*ARPPU APA 正PR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 量和规模

命周期 Life Time ：一个用户从第一次参 游 ，到最后一次参 游 之间的时间，一般计算 均值

命周期价值：用户在 命周期内 该游 创造的收入总计 可以看 是一个长期累计的ARPU值

计算方式 对每个用户的 均止TV计算如

止TV义ARPU*止T 按 计 均 命周期

中止T 止控fe T控me，即 命周期，按照 统计，也就是玩家留存在游 中的

均 的数量

例如，一款游 的ARPU义2元，止T义5，那 止TV义2*5义10元

可解决的问题：

1)用户在游 中会待多久

2)用户对于游 的贡献价值是多少

3)用户群 渠道的利润贡献如何 止TV>CAC)

备注

*ARPU遵循严格的定 术语，即总收入/总活跃用户数

*止TV是针对活跃用户的计算，没 付费 非付费用户之分

以 指标仅 移 游 指标 代表性的部分，在实际分析过程中， 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 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

附：另外部分常用指标未详细说明，此处仅列出部分说明：

PCU Peak Con受urrentUsers 最高同时在线玩家人数

ACU AverageCon受urrent Users 均同时在线玩家人数

New Users Converstion Rate 新用户转化率 可 据渠道进行划分 Cl控受ks->Install->Reg控ster->止og控n

K-Factor：K因子

K-Fa受tor义感染率*转化率

转化率 当感染后转化 新用户的比率

感染率 每个用户发 的邀请数量，一般 均值

若K>1，游 用户群通过自传播增长较快

若K么1，游 用户群到达一定规模后就会停 通过自传播增长