
日新登用戶數(shù)(Daily New Users,DNU):每日注冊并登錄游戲的用戶數(shù)。
解決問題:
*渠道貢獻的新用戶份額情況;
*宏觀走勢,是否需要進行投放;
*是否存在渠道作弊行為。
備注:
*周新登用戶數(shù)為本周7天日新登用戶數(shù)累計之和;
*月新登用戶數(shù)計算同上;
*根據(jù)需要,可細分為自然增長用戶(非推廣期)和推廣用戶(推廣期)。
日一次會話用戶數(shù)(Daily One Session Users,DOSU):一次會話用戶,即新登用戶中只有一次會話,且會話時長低于規(guī)定閾值。
解決問題:
*推廣渠道是否有刷量作弊行為;
*渠道推廣質(zhì)量是否合格;
*用戶導(dǎo)入是否存在障礙點,如:網(wǎng)絡(luò)狀況、加載時間等。
備注:
*周一次會話用戶數(shù)為本周7天日一次會話用戶數(shù)累計之和;
*月一次會話用戶數(shù)計算同上;
*游戲引導(dǎo)設(shè)計分析點之一;
*DOSU有助于評估新登用戶質(zhì)量,進一步分析則需要定義活躍用戶的月一次會話用戶數(shù)。
用戶獲取成本(Customer Acquisition Cost,CAC)=推廣成本/有效新登用戶
解決問題:
*獲取有效新登用戶的成本是多少;
*如何選擇正確的渠道優(yōu)化投放;
*渠道推廣成本是多少。
備注:
*CAC計算要根據(jù)渠道來進行細分。
日活躍用戶數(shù)(Daily Active Users,DAU):每日登錄過游戲的用戶數(shù)
解決問題:
*游戲的核心用戶規(guī)模是多少;
*游戲產(chǎn)品周期變化趨勢衡量;
*游戲產(chǎn)品老用戶流失與活躍情況;
*渠道活躍用戶生存周期;
*游戲產(chǎn)品的粘性如何(與MAU結(jié)合)。
備注:
DAU對于核心用戶規(guī)模的衡量需要謹慎對待新登用戶和回流用戶在DAU中的變化情況,具體需要依據(jù)詳細的DAU細分才能夠了解用戶規(guī)模和質(zhì)量。
周活躍用戶數(shù)(Weekly Active Users,WAU):截止當(dāng)日,最近一周(含當(dāng)日的7天)登錄過游戲的用戶數(shù),一般按照自然周進行計算。
解決問題:
*游戲的周期用戶規(guī)模是多少;
*游戲產(chǎn)品周期性(每周)變化趨勢衡量。
備注:
WAU按照周作為一個周期來分析用戶規(guī)模,利于在不同活躍用戶規(guī)模的維度上發(fā)現(xiàn)問題和掌握游戲用戶規(guī)模的波動。
月活躍用戶數(shù)(Monthly Active Users,MAU):截止當(dāng)日,最近一個月(含當(dāng)日的30天)登錄過游戲的用戶數(shù),一般按照自然月計算。
解決問題:
*游戲的總體用戶規(guī)模是多少;
*游戲產(chǎn)品用戶規(guī)模穩(wěn)定性;
*推廣效果評估;
*游戲產(chǎn)品的粘性如何(與DAU結(jié)合)。
備注:
*MAU層級的用戶規(guī)模變化相對較小,能夠表現(xiàn)用戶規(guī)模的穩(wěn)定性,但某個時期的推廣和版本更新對MAU的影響也可能比較明顯;
*此外游戲生命周期處于不同時期,MAU的變化和穩(wěn)定性也是不同的。
日參與次數(shù)(Daily Engagement Count,DEC):用戶對移動游戲的使用記為一次參與,即日參與次數(shù)就是用戶每日對游戲的參與總次數(shù)。
解決問題:
*衡量用戶粘性(日平均參與次數(shù));
*什么渠道,什么用戶參與頻率較高;
*用戶對產(chǎn)品參與頻率是什么樣的。
備注:
*一般建議30秒內(nèi)重復(fù)開啟記錄為一次完整使用,不單獨計量;
*周參與次數(shù)為用戶一周對游戲的參與總量;
*月參與次數(shù)同上;
*日平均參與次數(shù):該日平均每用戶參與游戲次數(shù)。
計算公式:日參與次數(shù)/日參與用戶數(shù);
*通過對不同參與次數(shù)的分布分析,可幫助分析版本更新影響,推廣渠道刺激。
日均使用時長(Daily Avg.Online Time,DAOT/AT):活躍用戶平均每日在線時長。即:日總在線時長/日活躍用戶數(shù)。一般的精略計算公司:AT=ACU*24/DAU
解決問題:
*用戶的游戲參與度如何;
*產(chǎn)品質(zhì)量把控指標(biāo):
*渠道質(zhì)量如何;
*與單次使用時長結(jié)合分析留存和流失問題;
*用戶持續(xù)游戲能力如何。
備注:
*平均單次使用時長:一定時間內(nèi),用戶平均每次游戲使用的多長時間=時間內(nèi)用戶總使用時長/參與次數(shù);
*幫助分析作弊行為,版本粘性和效果;
*根據(jù)需要,可以觀察用戶每周,雙周,月的平均使用時長情況,了解游戲的粘性。
用戶活躍度(DAU/MAU)
percentage(from rainbowgrp.co.uk)
解決問題:
*用戶的游戲參與度如何;
*游戲人氣是否增長、衰退、穩(wěn)定;
*用戶活躍天數(shù)如何。
備注:
DAU/MAU理論不低于0.2,0.2*30=6天,即用戶登錄次數(shù)不少于6天。
用戶留存(Users Retention):統(tǒng)計時間區(qū)間內(nèi),新登用戶在隨后不同時期的登錄使用情況。
次日留存率(Day 1 Retention Ratio):日新登用戶在次日(不含首次登錄當(dāng)天)登錄的用戶數(shù)占新登用戶比例。
三日留存率(Day 3 Retention Ratio):日新登用戶在第三日(不含首次登錄當(dāng)天)登錄用戶數(shù)占新登用戶比例。
七日留存率(Day 7 Retention Ratio):日新登用戶在第七日(不含首次登錄當(dāng)天)登錄用戶數(shù)占新登用戶比例。
月留存率(Day 30 Retention Ratio):日新登用戶在第三十日(不含首次登錄當(dāng)天)登錄用戶數(shù)占新登用戶比例。
留存率需要進行長期跟蹤,根據(jù)需要可設(shè)定30日、60日或者90日。
解決問題:
*用戶對于游戲的適應(yīng)性如何;
*評估渠道用戶質(zhì)量;
*投放渠道效果評估;
*用戶對于游戲的粘性如何;
*新登用戶什么時期流失會加劇。
備注:
*留存率一定意義上代表了新登用戶對游戲的滿意度;
*關(guān)注留存率的同時需要關(guān)注用戶流失節(jié)點;
*留存率的統(tǒng)計和計算也可以按照自然周和自然月進行分析,例如上周新登用戶在隨后幾周的留存情況分析;
*次日留存率代表了游戲滿意度,主要反映游戲初期新手對于游戲引導(dǎo)和玩法的適應(yīng)性。
用戶流失(Users Churn):統(tǒng)計時間區(qū)間內(nèi),用戶在不同時期離開游戲的情況。
日流失率(Day 1 Churn Ratio):統(tǒng)計日登錄游戲,但隨后七日示登錄游戲的用戶占統(tǒng)計日活躍用戶比例,此定義按需求可延長觀測長度,見備注;
周流失率(Day 7 Churn Ratio):上周登錄過游戲,但本周未登錄游戲的用戶占上周周活躍用戶比例;
月流失率(Day 30 Churn Ratio):上個月登錄過游戲,但本月示登錄過游戲的用戶占上個月月活躍用戶比例。
解決問題:
*活躍用戶的生命周期是多少;
*哪一個渠道的流失率比較高;
*拉動收入的運營手段,版本更新對于用戶的流失影響是多大;
*什么時期的流失率比較高。
備注:
*流失率+留存率不等于100%,此處留存率遵循上文定義標(biāo)準(zhǔn);
*日流失率的定義可發(fā)根據(jù)需求進行調(diào)整,比如統(tǒng)計當(dāng)日登錄游戲,但隨后14日或者30日未登錄游戲的用戶數(shù);
*流失率在游戲進入穩(wěn)定期是值得關(guān)注的,穩(wěn)定期的活躍和收入都比較理想,如果流失率波動較大,就需要引起警惕。需要仔細關(guān)注是哪一部分用戶離開了游戲,流失率作為一個風(fēng)向標(biāo),具有預(yù)警作用。
目前移動游戲創(chuàng)造收入有三種形態(tài):
*付費下載
*應(yīng)用內(nèi)廣告
*應(yīng)用內(nèi)付費
此處重新點考慮第三種情況進行指標(biāo)定義,以下描述不分開描述充值和消費,僅以付費統(tǒng)稱。
月付費率(Monthly Payment Ratio,MPR):統(tǒng)計時間區(qū)間內(nèi),付費用戶占活躍用戶的比例。一般以月計。計算公司:MPR=APA/MAU 其中APA為月付費用戶數(shù)(見下文)
解決問題:
*游戲產(chǎn)品的付費引導(dǎo)是否合理;
*用戶付費傾向與意愿(需結(jié)合首次付費功能、道具、等級,整體分析);
*付費轉(zhuǎn)化是否達到預(yù)期效果。
備注:
*MPR包含歷史付費用戶在統(tǒng)計時間區(qū)間內(nèi)再次付費的用戶以及在統(tǒng)計時間區(qū)間內(nèi)新轉(zhuǎn)化的付費用戶;
*MPR的高低并不一定代表游戲付費用戶的增加或者減少;
*游戲類型的不同,相應(yīng)的MPR表現(xiàn)也是不同的。
活躍付費用戶數(shù)(Active Payment Account,APA):統(tǒng)計時間區(qū)間內(nèi),成功付費的用戶數(shù)。一般以月計。如果按月進行計算,則有以下關(guān)系:APA=MAU*MPR 其中MAU為月活躍用戶數(shù),MPR為月付費率。
解決問題:
*游戲產(chǎn)品的付費用戶規(guī)模如何;
*APA如何構(gòu)成?如鯨魚用戶、海豚用戶、小魚用戶的比例;
*付費用戶的整體穩(wěn)定性如何。
備注:
*APA包含歷史付費用戶在統(tǒng)計時間區(qū)間內(nèi)再次付費的用戶以及在統(tǒng)計時間區(qū)間內(nèi)新轉(zhuǎn)化為付費的用戶;
*APA根據(jù)需求可細分為充值活躍用戶和消費活躍用戶。
平均每用戶收入(Average Revenue per Uers,ARPU):統(tǒng)計時間區(qū)間內(nèi),活躍用戶對游戲產(chǎn)生的平均收入。 一般以月計。
ARPU=收益/玩家數(shù)
月ARPU=收益/MAU
計算方式:游戲總收入除以游戲的總活躍用戶數(shù),一般按照月來計算,即ARPU=月總收入/月活躍用戶數(shù)(MAU)
解決問題:
*不同渠道獲取的用戶質(zhì)量如何;
*游戲收益貢獻如何;
*游戲活躍用戶與人均貢獻的關(guān)系;
*游戲人增收益水平如何。
備注:
*嚴(yán)格定義的ARPU不同于國內(nèi)認識的ARPU,國內(nèi)ARPU=總收入/付費用戶數(shù);
*ARPU用于產(chǎn)品定位初期不同規(guī)模下的收入預(yù)估。
平均每付費用戶收入(Average Revenue per Paying User,ARPPU):統(tǒng)計時間區(qū)間內(nèi),付費用戶對游戲產(chǎn)生的平均瘕入。一般以月計。
ARPPU=收益/付費用戶數(shù)
月ARPPU=收益/APA
解決問題:
*游戲付費用戶平均的付費水平如何;
*付費用戶整體的付費趨勢如何;
*對鯨魚用戶的分析。
備注:
*ARPPU容易受到鯨魚用戶、小魚用戶的影響,分析時需謹慎;
*ARPPU與APA、MPR等結(jié)合可對付費用戶的留存情況,特定付費群體的流失進行深度分析,保證付費質(zhì)量和規(guī)模。
生命周期價值(Life Time Value,LTV)
生命周期(Life Time):一個用戶從第一次參與游戲,到最后一次參與游戲之間的時間,一般計算平均值。
生命周期價值:用戶在生命周期內(nèi)為該游戲創(chuàng)造的收入總計??梢钥闯墒且粋€長期累計的ARPU值。
計算方式:對每個用戶的平均LTV計算如下:
LTV=ARPU*LT(按月計平均生命周期)
其中LT為Life Time,即生命周期,按照月統(tǒng)計,也就是玩家留存在游戲中的平均月的數(shù)量。
例如,一款游戲的ARPU=2元,LT=5,那么LTV=2*5=10元。
解決問題:
*用戶在游戲中會待多久;
*用戶對于游戲的貢獻價值是多少;
*用戶群與渠道的利潤貢獻如何(LTV>CAC)。
備注:
*ARPU遵循嚴(yán)格的定義術(shù)語,即總收入/總活躍用戶數(shù);
*LTV是針對活躍用戶的計算,沒有付費與非付費用戶之分。
以下指標(biāo)僅為移動游戲指標(biāo)具有代表性的部分,在實際分析過程中,根據(jù)分析維度,可以進行指標(biāo)的深入展開,比如收入分析部分可以加入回流用戶貢獻、持續(xù)付費用戶貢獻、付費留存用戶、付費用戶流失率、二次付費分析、用戶付費周期轉(zhuǎn)化等等。
另外部分常用指標(biāo)未詳細說明,此處僅列出部分說明:
PCU(Peak Concurrent Users):最高同時在線玩家人數(shù)
ACU(Average Concurrent Users):平均同時在線玩家人數(shù)
New Users Converstion Rate:新用戶轉(zhuǎn)化率(可根據(jù)渠道進行劃分) Clicks->Install->Register->Login
K-Factor:K因子
K-Factor=感染率*轉(zhuǎn)化率
轉(zhuǎn)化率:當(dāng)感染后轉(zhuǎn)化為新用戶的比率。
感染率:每個用戶發(fā)送的邀請數(shù)量,一般取平均值。
若K>1,游戲用戶群通過自傳播增長較快;
若K<1,游戲用戶群到達一定規(guī)模后就會停止通過自傳播增長。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(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 動態(tài)隨機一般均衡(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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(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)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(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” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 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)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(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 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(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值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(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” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(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)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“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:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,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)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10