2022年运营数据指标 .pdf

网游运营数据指标分类指标含义备注DAUDAU日活跃用户 (Day Active User)：在当天登录过游戏的用户。有效反映和衡量一款游戏核心用户数DAU分类?新用户： 当天注册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?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。DAU/MAU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。DAU/MAU 比例是社交游戏的重要参数，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。每日流失用户?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 新用户次日留存（率）?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。三日留存（率）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 号的新用户在7月 11 号-13 号登录过的用户7 日留存（率）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名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 6 页 - - - - - - - - - 转化率用户新手无操作（率）?新手无操作率=无操作的新用户数/ 总的新用户数。?各平台的定义都不同。一般情况下，指的是没有完成加载过程，或者是无任何操作的新用户。( 具体定义方法由各平台确定) WAUWAU?周活跃用户 (Weekly Active User)：周活跃用户，在一周之内登录过游戏的WAU 细分?忠实用户： 连续三周登录的用户这个分类只能据具体情况而定，且结果仅为了查看用户的类型结构。具体情况依不同产品而定。?回归僵尸用户：本周登录过，上周没有登录过的用户?留存僵尸用户：WAU- 回归僵尸用户 - 新用户 - 本周新用户?新用户： 本周注册的用户?留存新用户： 上周注册且本周登录的用户WAU 细分（登录频次）?轻度用户： 每周登录 12 次的用户。这个只能是对周用户的一般结构解释?中度用户： 每周登录 35 次的用户。?重度用户： 每周登录 67 次的用户。* 注：登录次数是1 次/ 天周流失率本周登陆下周不再继续登陆的用户各级别周流失率本周各级别用户在下周不再继续登陆的用户流失用户级别分布本周登陆下周不在继续登陆的用户在本周的级别分布忠诚用户数量本周登陆3次以上（当天重复登陆算一次），最高角色等级超过 15 级，在线时长超过14 小时的用户视具体游戏情况而定忠诚度忠诚用户数量 /WAU* 修正值（新进人数的变化比例）忠诚流失率本周忠诚用户下周未继续登陆的用户/ 本周忠诚用户转化率本周登陆的用户在下周转化为忠诚用户的比例MAUMAU月活跃用户 (Monthly Active User)：月 活跃用户，在一个月之内登录过游戏的。用户测量一款游戏的总体范围水平高活跃用户每月规定超过一定规定的在线时间的用户尝试用户未达到高活跃用户且未消费的用户MAU 细分?新用户 ：本月注册的新用户仅为了查看MAU 用户基本结构?上月活跃用户 ：上个月登陆过在本月继续登陆的用户?回归流失用户 ：上个月之前登陆过但在上个月流失掉，本月重新继续登录的用户WAU 细分：登陆登陆一天算一次；高活跃用户的定义名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 6 页 - - - - - - - - - 频次用户在线CCU ： 实时在线曲线平均在线时长平均在线时长 =总的在线时长 / 总登录人数ACU:平均同时在线人数每小时在线人数每个小时的登录用户数。每小时注册用户每个小时注册的用户数最高在线人数（PCU ： 每日峰值）同时在线人数的最高峰病毒性发送邀请人数时间段内，成功发送邀请的用户数接受邀请人数时间段内，收到邀请信的用户，点击了接受邀请发送率发送邀请人数 / 活跃用户数接受率接受邀请的用户/ 收到邀请的用户；点击接受的信数/ 接受到邀请的信数K-FactorK-Factor= （感染率） X（转化率）。用于衡量产品的病毒传播率。感染率是形容某个用户向其他用户传播游戏的程度。转化率是指将感染用户转化成新注册用户的比例。1KFactor 表示平均1 个用户带来1 个新用户。 KFactor越高，社交游戏发行商越受益，因为这是个获取新用户的有效工具。被邀请用户比例每天新用户中，被邀请来的用户占新用户的比例付费/充值APA ： 付费用户时间段内有过付费行为的用户数量付费额时间段内付费用户消费总额ARPU 值时间段内，消费额除以活跃用户数。日ARPU值：日消费额除以 DAU ；月 ARPU值：月消费额除以MAU 用来衡量每一用户带来的平均收益ARPPU 值时间段内，消费额除以付费用户数。日ARPPU 值：日消费额除以日付费用户；月ARPU 值：月消费额除以月付费用户。用户衡量已转化成付费用户的那部分用户，带来的平均收益付费率时间段内，付费用户数除以活跃用户数。日付费率：日付费用户除以 DAU ；月付费率：月付费用户除以MAU 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 6 页 - - - - - - - - - LTV新用户后续付费能力指标。例如：14 日 LTV是指今天注册的新用户在后续14 天内付费额除以注册的新用户数新增付费用户日新增；周新增；月新增付费用户流失数量本周付费用户下周未登陆的用户; 依次，可算月付费流失用户数量付费流失率本周付费用户下周未登陆的用户比例；依次，可算月付费流失率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( 其实就是7 天 LTV) 活跃付费用户视游戏情况而定用户终生价值Kontegent 公式：用户终生价值=1/ （1-K）X日 ARPU X用户寿命（用户平均生命周期：累计，非连续）。前期流失率用户从进入游戏到消费阶段之时间内，流失的用户站全体用户的比率。这是指社交游戏活跃用户的更换率。社交游戏的活跃程度很高，其用户基础变幻莫测，这是因为玩家时常放弃体验某款游戏或删除游戏。用户流失指的就是用户持续增损流失自然流失率用户在进入付费期后，流失的比率用户自然增长率可用等级来度量一般流失率每日流失用户、周流失率，月流失率（前面有）用户自然增长率可用等级来度量网游运营活动中有：活跃付费账户（APA ），平均同时在线人数（ACU ），最高同时在线人数（PCU ）活跃付费账户（APA) Active Paid Account 平均同时在线人数（ACU ） Average concurrent users 最高同时在线人数（PCU) Peak concurrent users ARPU 值是指一个消费群体消费总额除以群体总人数ARPU 就是每用户平均收入(ARPU-Average Revenue Per User) 游戏数据分析指标解析之一 DAU/MAU之前总结了SNS游戏行业的一些基本分析指标，当时说要对每一个指标进行细细分析以及案解释的，但一直忙着新公司的组建BI 团队工作，估计这是借口吧。以后要严格规范自己，对过去的分析工作进行总结，不断进步才行了DAU/MAU 。社交游戏的分析指标大部分跟大型网游数据分析基本是一致的，只是在思考的角度上有所差距。今天就来探讨一下业界内一般比较肯定的指标：DAU/MAU 。DAU ：日活跃用户 (Day Active User) ，在当天登录过游戏的用户，有效反映和衡量一款游戏核心用户数。关于这个指标，存在一定的争议，有的把每日重复登陆的用户也记录在内（user_id不去重） , 这种情况一般很难说明一款游戏的真实数据，个人感觉不宜用。另外一种方式是不计算重复登陆的用户（user_id要去重），即计算当天曾经登陆过的用户，登名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 6 页 - - - - - - - - - 陆两次也只算1, 这个可以清晰地分析到每日用户的变化情况，可表现这款游戏的衰退速度。大部分情况下业界均使用这种方式，个人也更倾向于这种，因而此处我们还是选择第一种。MAU ：月活跃用户 (Monthly Active User) ，在一个月之内登录过游戏的用户，自统计之日起在 30 天内登陆过游戏的用户数（类如DAU ，也有两种解释，依然以去重为取法）DAU/MAU: 一般可叫做当前用户留存率，两者相比主要比较来看用户每月访问游戏的平均天数是多少（举例：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。当比值接近于1 时，就说明用户超级活跃，在一个月内用户天天登陆，流失率低，用户粘性强）。DAU/MAU 比例是社交游戏的重要参数，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。其实之前也从这个角度来看：月活跃用户登陆天数分布，这主要也是看一个月用户的活跃度情况，当然，这又是另一个分析角度了。各游戏 DAU/MAU 值基本在30%-60%之间（ 20% 是临界状态，低于这个值认为这款游戏粘度太低，基本可放弃投入大量精力运营），说明这些游戏都是基本能保证游戏达到临界模式的病毒性传播和用户粘性。 从图中观察各游戏的DAU/MAU 值： 产品 1 和产品 3 总体来看较平稳 （产品相对稳定） ；产品 2波动较大 （突然上升突然下降的原因是什么？可结合用户登陆来源来看，比如是否来自request的用户黏度明显降低了？等等）；产品 4 的用户粘度值较高但是有下降趋势，即游戏可能属于衰退时期（但需联合之前是否有活动强刺激来看）；产品5高主要是游戏游戏刚上线，由于初次安装、交叉推广以及大量广告投入而导致DAU和 MAU都会保持稳定增长，所以产品 5 其实跟其它产品没有可比性，真正看一款游戏的品质以及活跃力应该从游戏基本稳定之后算起。同时对于横向对比，最好要把各游戏DAU/MAU 统计值进行比较：在统计学上， 一般就是均值和变异系数比较，均值说明一款游戏改值的集中趋势，异系数可以说明一款游戏的DAU/MAU是否是属于平稳状态下的。数据分析指标解析之二 LTVSNS社交游戏营收能力是无非就是游戏“能吸引多少用户付费”和“能使付费用户付费多少”的综合体现，LTV就就是为了说明一款游戏用户从开始至结束所产生的价值进行评价的一个重要数据指标，其定位为新用户注册后续付费能力指标。以前在各种行业的数据分析中， 很少能有看到LTV这个指标， 偶尔看到也很少人能理解这个英文缩写详细的含义，但是，现在在社交游戏行业，越来越多的人把这个视为营收上一个非常重要的参考指标。LTV就是每个用户注册后能为游戏带来所少收入，这个解释其实非常含糊，所以引发了两种解释：第一种就是新用户注册后后续在几天内的付费情况，例如：14 日 LTV是指今天注册的新用户在后续14 天内付费额除以注册的新用户数；另外一种是新用户注册后在每一天内的付费情况， 例如：游戏 2011-01-01 有 1W人注册， 这 1W人当天（第 1 天）总付费 0.4W酷币、 次日（第 2 天）总付费 0.8W 酷币, ，则在2013 年 1 月 1 日平均 1 个新用户注册后第 1 天付费额 0.4 酷币（ l 日 LTV=0.4/1W）、第 2 天付费额 0.8 酷币（ 2 日 LTV=0.8W酷币/1W）,当然， 两者只是在表达上有所不一样而已，但所表达的意思大同小异，均来指代一款游戏新用户进来注册后所带来的营收价值（付费能力） ， 今天更多游戏公司更喜欢使用第一种方式，即新用户注册后在后续N天内的累积付费情况，N日 LTV=today 注册用户在totay至 N日内的付费总额 /totay的注册用户，即N日 LTV随时间呈上升趋势。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 6 页 - - - - - - - - - 活跃付费账户 （APA) Active Paid Account 平均同时在线人数 （ACU ） Average concurrent users 最高同时在线人数（PCU) Peak concurrent users MAU =Monthly Activited Users 月活跃用户应用在 SNS 社交游戏和大型网络游戏中，其含义表示在自统计之日算起一个月内登录过游戏的玩家总量。DAU =Daily Activited Users 日活跃用户关于此数据，存在一定的争议，有的度量是把每日重复登录的用户也统计在内，但是这种情况下没有适当的代表游戏的真实数据水平。另外一种度量方式是不计算重复登录的玩家，统计每日登录过游戏的玩家即可。这两个目标可以衡量服务的衰退周期。DAU / MAU 用户活跃度指数衡量用户的黏性，留存率，游戏收益情况，这在社交游戏中使用率非常高， 可以认定为用户活跃度指数，也就是用户的活跃度如何，理论上可以接受的风险值是 0.2 ，也就是说当值低于 0.2 时，游戏的整体服务进入一个衰退的阶段，只不过这个衰退的阶段依据游戏本身的寿命还有长短之分。当比值接近 1 时，那么用户很活跃，流失率低，黏性强。DAU / MAU 怎么解释来解释原理？我们假设MAU 是不变的， 如果 DAU在增加， 说明游戏对用户的口碑和黏性开始发生深度的交互作用，在每日登录游戏的用户规模越大，越逼近MAU的水平， 那么就是说用户上线的天数和频率增加。如果 DAU下降，那么用户开始对游戏失去兴趣。 “MAU 和 DAU分别从宏观和微观角度对服务的用户黏性进行了权衡，也可以这么说，MAU 更像战略层面的表征，DAU更像战术层面的表征。” 示例：如果一款游戏拥有 50 万DAU ，100 万 MAU ，那么比值是 0.5 ，也就说玩家每月平均体验游戏时间为 0.5*30=15 天。说明游戏黏性比较强。DAU / MAU 的最低极限是 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。事实上，对于一款产品，如果在 OBT 的前三个月DAU和 MAU 都会保持稳定的增长，因为这个时期， 用户处在初次安装以及大量的广告投入，而真正看游戏的品质和生命力应该从 OBT 之后的 3 个月算起。也就是说能够指示我们游戏成功运营的标志之一就是DAU / MAU ，如果在之后该值保持在 20%以上， 那么他拥有稳定的用户留存率，并持续获利。 而这个值应该在OBT3 个月后再来衡量，换句话如果只在初期获得高的值，而后迅速下跌，那么说明游戏本身对玩家吸引力不足，留存率不高。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 6 页 - - - - - - - - -