
在跟很多朋友聊游戲分析指標(biāo)的時(shí)候,提到活躍和留存大家都會(huì)有一些疑問。
1、活躍相關(guān)的指標(biāo)基本都是描述性指標(biāo),DAU、MAU、AT、MAU/DAU、PCU、ACU,除了描述游戲的在線規(guī)模和用于一些異常監(jiān)控以外,還有什么用。
2、留存是最蛋疼的事情,因?yàn)槭忻嫔嫌懈鞣N各樣的留存算法,各有各的道理,但是不知道他們之間的區(qū)別到底是什么,在哪些情況下應(yīng)該應(yīng)用哪些算法。
還是回到CP的根本任務(wù)“最大化活躍用戶規(guī)模,并在此規(guī)模之上最大化用戶付費(fèi)轉(zhuǎn)化及付費(fèi)強(qiáng)度”;
最大化活躍用戶規(guī)模可以拆解為2個(gè)部分:
1是規(guī)模,更多的人玩,除了通過增加新增導(dǎo)入以外,還需要延遲用戶生命周期(玩的更久)也就是提高留存,再有就是沉默用戶的喚醒;
2是活躍,更高的參與度(每日游戲時(shí)長,每月游戲天數(shù)),在固定周期內(nèi),用戶參與游戲的時(shí)間越久,我們就越有機(jī)會(huì)讓用戶轉(zhuǎn)換為付費(fèi)用戶;
========在做進(jìn)一步講解之前,我們先對(duì)活躍用戶進(jìn)行一下定義===========
AU(Active Users)活躍用戶:統(tǒng)計(jì)周期內(nèi),登錄過游戲的用戶數(shù);根據(jù)統(tǒng)計(jì)周期不同又劃分為DAU(日活躍用戶),WAU(周活躍用戶),MAU(月活躍用戶);
備注:入門篇中所定義的“用戶”均以“賬號(hào)”進(jìn)行衡量;賬號(hào):游戲賬號(hào)庫中的唯一標(biāo)識(shí),在單款游戲中全局唯一;
===================================================
回到正題,活躍比較好理解,所以我們先來說留存,業(yè)內(nèi)有很多留存的算法,首先我們來看一下最簡(jiǎn)單的留存定義:
DRR(Daily Retention Rate)日留存率:統(tǒng)計(jì)當(dāng)日登錄過游戲,且后一日也有登錄游戲的用戶 占 統(tǒng)計(jì)當(dāng)日活躍用戶的比例
WRR(Weekly Retention Rate)周留存率:統(tǒng)計(jì)當(dāng)周登錄過游戲,且下一周至少登錄一次游戲的用戶占 統(tǒng)計(jì)當(dāng)周活躍用戶比例;
MRR(Monthly Retention Rate)月留存率:統(tǒng)計(jì)當(dāng)月登錄過游戲,且下一月至少登錄一次游戲的用戶占 統(tǒng)計(jì)當(dāng)月活躍用戶比例;
簡(jiǎn)而言之,就是當(dāng)前統(tǒng)計(jì)周期(日、周、月)內(nèi)有登錄游戲的用戶,在下一個(gè)統(tǒng)計(jì)周期內(nèi)還有登錄過的用戶,即為留存用戶;所以留存率的時(shí)效性會(huì)延遲一個(gè)統(tǒng)計(jì)周期.
關(guān)于 日留存率 業(yè)界有一個(gè)拓展定義:統(tǒng)計(jì)當(dāng)日登錄游戲的用戶,在之后N日內(nèi)至少登錄一次游戲的用戶 占 統(tǒng)計(jì)當(dāng)周活躍用戶比例;
為什么要做這樣一個(gè)拓展定義?我們?cè)谧?a target="_blank" href="http://www.3lll3.cn/">數(shù)據(jù)分析的時(shí)候,留存率只是告訴我們一個(gè)值,這個(gè)值本身意義不是非常大,但是流失它可以幫助我們發(fā)現(xiàn)游戲存在的問題;
大多數(shù)人在做數(shù)據(jù)分析的時(shí)候,都會(huì)干一件事情,把“流失玩家”的等級(jí)分布拉出來,計(jì)算一個(gè)等級(jí)流失率,觀察出現(xiàn)流失高峰時(shí)候的用戶狀態(tài),在通過這次狀態(tài)去反推游戲設(shè)計(jì)上可能存在的問題;這個(gè)時(shí)候就“流失”判斷的精度要求就比較高,只有發(fā)現(xiàn)真正意義上的流失用戶,在去排查他們?cè)诹魇е暗男袨?、流失?dāng)下的屬性等,才能更準(zhǔn)確的幫助我們發(fā)現(xiàn)游戲內(nèi)的問題;
那么,在簡(jiǎn)單的留存算法下,定義的流失會(huì)有2個(gè)問題:
拓展后的日留存定義,本質(zhì)上是在嘗試定義精確的流失;
Users Leave用戶流失:統(tǒng)計(jì)日登錄游戲后,在隨后N日內(nèi)未登錄過游戲的用戶;
筆者通過某平臺(tái)的登錄流水?dāng)?shù)據(jù)進(jìn)行計(jì)算,N=1 流失概率56.71%;N=7 流失概率 95.16%;N=14 流失概率98.56%;以N=14為例,即一個(gè)賬號(hào)連續(xù)14天不登陸游戲,則再次登錄(自然上線或通過運(yùn)營活動(dòng)召回)的概率不到1.44%;
在定義精確流失之后,在RPG游戲中一個(gè)經(jīng)典的應(yīng)用就是計(jì)算等級(jí)流失高峰;
如果只是單純的把流失等級(jí)分布拉出來意義不大,因?yàn)楸厝皇堑偷燃?jí)流失的用戶最多,所以通常情況下我們可以觀察每個(gè)等級(jí)的流失概率;
等級(jí)流失概率:截止統(tǒng)計(jì)當(dāng)日,某等級(jí)的流失用戶數(shù) / 服務(wù)器上大于等于該等級(jí)的所有用戶數(shù);
以上留存算法都是以統(tǒng)計(jì)周期內(nèi)的所有用戶為基數(shù)進(jìn)行的計(jì)算;
在頁游時(shí)代和手游時(shí)代 針對(duì)新增用戶,還有另外一套留存算法,我更喜歡稱為新增用戶活躍度.
也就是大家平時(shí)經(jīng)常聽到的次日留存、7日留存、14日留存等
ACT_N(Active N_Day)用戶活躍度:統(tǒng)計(jì)周期內(nèi),新增用戶在隨后不同時(shí)期的登錄情況;
公式:ACT _N = 統(tǒng)計(jì)周期內(nèi),一批新增用戶在其首次登入后第N天還有登錄的用戶數(shù) / 新增用戶數(shù);
備注:活躍度需要長期跟蹤,根據(jù)需求可以設(shè)定30日、60日 或 90日;ACT僅針對(duì)統(tǒng)計(jì)周期內(nèi)新增賬號(hào)進(jìn)行觀察;
主要的作用是幫助CP、發(fā)行商和渠道商 快速的判斷產(chǎn)品的質(zhì)量;
如何應(yīng)用 留存的數(shù)值對(duì)產(chǎn)品在線做估算,會(huì)在《【進(jìn)階篇】產(chǎn)品收益預(yù)估模型》里詳解.
===================================================
除了留存&流失 之外,還有一個(gè)重要指標(biāo)就是 回歸率;
回歸率:曾經(jīng)流失,重新登錄游戲的用戶占 流失用戶的比例;
公式:回歸率 = 回歸用戶 / 流失用戶池;
回歸用戶:曾經(jīng)流失,重新登錄游戲的用戶;
流失用戶池:過去一段時(shí)間內(nèi)流失的用戶數(shù);
備注:精準(zhǔn)的回歸率 分母除以 歷史以來流失的用戶總數(shù),但是由于游戲的用戶是不斷累積的,因此會(huì)導(dǎo)致回歸率越來越低趨近于0;因此,通常去過去3個(gè)月內(nèi)流失的用戶作為流失用戶池;
回歸率最經(jīng)常應(yīng)用的場(chǎng)景就是評(píng)估運(yùn)營活動(dòng)的效果
最后是活躍相關(guān)的數(shù)據(jù)指標(biāo):
文章開篇有提到,除了增加活躍用戶的規(guī)模之外,還需要提高活躍用戶的質(zhì)量,即游戲參與度,在固定周期內(nèi),用戶參與游戲的時(shí)間越久,我們就越有機(jī)會(huì)讓用戶轉(zhuǎn)換為付費(fèi)用戶,因此在游戲中,我們通常會(huì)關(guān)心以下2個(gè)指標(biāo):
AT(Daily Avg. Online Time)日均使用時(shí)長:活躍用戶平均每日在線時(shí)長;
EC(Engagement Count)用戶登錄頻率:用戶開打游戲客戶端記為一次登錄,登錄頻率即統(tǒng)計(jì)周期內(nèi)平均每用戶登錄游戲的總次數(shù);
衡量用戶的游戲參與度,游戲人氣的變化趨勢(shì)等
如何結(jié)合游戲內(nèi)的數(shù)據(jù),做分析并幫助指定運(yùn)營計(jì)劃和版本功能,以達(dá)到提升活躍的目的,這部分會(huì)在 進(jìn)階篇中列舉詳細(xì)案例具體說明;
===================小結(jié):活躍相關(guān)======================
AU(Active Users)活躍用戶
定義:用戶開打游戲客戶端記為一次登錄;
拓展應(yīng)用:根據(jù)統(tǒng)計(jì)周期段又劃分為DAU(日活躍用戶),WAU(周活躍用戶),MAU(月活躍用戶);
應(yīng)用場(chǎng)景:衡量產(chǎn)品的核心用戶規(guī)模,觀察產(chǎn)品在線的周期性變化;
PCU(Peak Concurrent Users)最高同時(shí)在線用戶人數(shù)
定義:統(tǒng)計(jì)周期內(nèi),同一時(shí)點(diǎn)(通常精確至分)的最高在線人數(shù);
備注:PCU<=DAU,通常情況下PCU受游戲內(nèi)運(yùn)營活動(dòng)影響較大;
ACU(Average Concurrent Users)平均同時(shí)在線用戶人數(shù)
定義:統(tǒng)計(jì)周期內(nèi),每個(gè)時(shí)點(diǎn)(通常精確到分)的平均在線人數(shù);
公式:DAU * AT / 時(shí)間精度(若精確到分鐘,則除以 24*60);
AT(Daily Avg. Online Time)日均使用時(shí)長:
定義:活躍用戶平均每日在線時(shí)長;
公式:AT = 日總在線時(shí)長 / DAU
EC(Engagement Count)用戶登錄頻率:
定義:用戶開打游戲客戶端記為一次登錄,登錄頻率即統(tǒng)計(jì)周期內(nèi)平均每用戶登錄游戲的總次數(shù);
備注:根據(jù)統(tǒng)計(jì)周期不同,通常每日登錄頻率統(tǒng)計(jì)的是登錄次數(shù);周及月的登錄頻率統(tǒng)計(jì)的是登錄天次(一天登錄多次記為一次)
應(yīng)用場(chǎng)景:衡量用戶的游戲參與度,游戲人氣的變化趨勢(shì)等
===================小結(jié):留存相關(guān)====================
UsersLeave 用戶流失
定義:統(tǒng)計(jì)日登錄游戲,但在隨后N日內(nèi)未登入游戲的用戶占 統(tǒng)計(jì)日活躍用戶的比例 ;
應(yīng)用場(chǎng)景:精確定義流失行為,通過觀察流失用戶的狀態(tài)、流失前行為來判斷游戲產(chǎn)品可能存在的問題;
流失標(biāo)準(zhǔn):根據(jù)N的取值不同,可設(shè)置不同流失標(biāo)準(zhǔn):N=1 流失概率56.71%;N=7 流失概率 95.16%;N=14流失概率98.56%;
DRR(Daily Retention Rate)日留存率
定義:統(tǒng)計(jì)當(dāng)日登錄游戲的用戶,在之后N日內(nèi)至少登錄一次游戲的用戶 占 統(tǒng)計(jì)當(dāng)周活躍用戶比例;
WRR(Weekly Retention Rate)周留存率
定義:統(tǒng)計(jì)當(dāng)周登錄過游戲,且下一周至少登錄一次游戲的用戶 占 統(tǒng)計(jì)當(dāng)周活躍用戶比例;
MRR(Monthly Retention Rate)月留存率
定義:統(tǒng)計(jì)當(dāng)月登錄過游戲,且下一月至少登錄一次游戲的用戶 占 統(tǒng)計(jì)當(dāng)月活躍用戶比例;
ULR(Users Leave Rate)用戶流失率
定義:1-留存率;
備注:根據(jù)統(tǒng)計(jì)周期不同,可以區(qū)分為日留存、周留存、月留存;
ACT_N(Active N_Day)用戶活躍度
定義:統(tǒng)計(jì)周期內(nèi),新增用戶在隨后不同時(shí)期的登錄情況;
公式:ACT _N = 統(tǒng)計(jì)周期內(nèi),一批新增用戶在其首次登入后第N天還有登錄的用戶數(shù) / 新增用戶數(shù);
備注:活躍度需要長期跟蹤,根據(jù)需求可以設(shè)定30日、60日 或 90日;ACT僅針對(duì)統(tǒng)計(jì)周期內(nèi)新增賬號(hào)進(jìn)行觀察;
應(yīng)用場(chǎng)景:主要的作用是幫助CP、發(fā)行商和渠道商快速的判斷產(chǎn)品的質(zhì)量;
回歸率:曾經(jīng)流失,重新登錄游戲的用戶 占 流失用戶的比例;
公式:回歸率 = 回歸用戶 / 流失用戶池;
回歸用戶:曾經(jīng)流失,重新登錄游戲的用戶;
流失用戶池:過去一段時(shí)間內(nèi)流失的用戶數(shù);
備注:精準(zhǔn)的回歸率 分母除以歷史以來流失的用戶總數(shù),但是由于游戲的用戶是不斷累積的,因此會(huì)導(dǎo)致回歸率越來越低趨近于0;因此,通常去過去3個(gè)月內(nèi)流失的用戶作為流失用戶池;(文章來源:CDA數(shù)據(jù)分析師)
推薦學(xué)習(xí)書籍
《CDA一級(jí)教材》適合CDA一級(jí)考生備考,也適合業(yè)務(wù)及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校,累計(jì)已有10萬+在讀~
免費(fèi)加入閱讀:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10