京公网安备 11010802034615号
经营许可证编号:京B2-20210330
开发者必须知道的15种数据分析指标_数据分析师考试
游戏的数据分析指标是一套非常复杂的系统,最简单的有下载量、评分、DAU这些;再复杂一些,有ARPU、ARPPU和DAU/MAU……更复杂的还有细分市场表现分析、用户引导、玩家习惯这些非数据指标体系,在此,为了能帮助开发者实实在在地提升自己的游戏,茶茶只引述15中数据分析指标。
日活跃用户量-DAU
DAU用于计算一天之内登陆或使用了APP的玩家数,需要注意的是,DAU统计要求玩家的唯一性,重复登录不计算在内。DAU并不直接反映游戏的运营情况,比如,一款大型页游有10000名玩家,这些玩家每天都会登陆游戏很多次,而且付费意愿很好,在这种情况下,DAU最多只能到10000;再比如,一款以新闻/资讯提供为主要功能的APP可能有1亿的日活跃用户量,但货币化能力却几乎为零;有些游戏的日活跃用户量起伏也可能很大,今天5千万,明天可能降到1千万。
因此,DAU只是对于一款游戏在某一个时间节点上的使用数统计,并不能单独用于考量产品的运营情况,要实现这个功能,还需结合其他指标一起分析。
和DAU概念相似的还有MAU,MAU表示月活跃用户量。
时域-Sessions
时域反映的是任意一个玩家从登陆APP到离开的时间。和DAU一样,时域也必须配合其他指标一起使用。比如,关注每天日活跃用户量的平均时域,可以看出玩家对这款游戏的投入程度。
DAU/MAU比值
“日活跃用户量/月活跃用户量”的比值表示用户在当月登陆APP的频率,一般用来表示游戏的用户留存能力和用户粘性。举一个例子来说明,一款游戏有100,000的月活跃用户量和15,000的平均日活跃用户量,DAU/MAU为15%,表示当月平均每个用户在当月会有15%的天数登陆APP。
由于是一个比值,DAU/MAU的比值在0和1之间,越接近1,表示用户登陆游戏的频率越高,用户粘性越好;反之越低。流行社交网站Facebook的DAU/MAU一般保持在50%左右,一款成功游戏的该比值大概在20%左右。
用户留存率
用户留存率是衡量免费游戏的一个非常重要的指标。成功的免费游戏会和玩家形成长期关系,在那之后,玩家才会愿意付费去获得更好的游戏体验,而在那之前,如何留存用户就很关键了。
计算留存率的方法:把你的用户按天分组,比如第一天登陆的标为DAY(0),第二天保持登陆的标为DAY(1),以此类推,DAY(2)、DAY(3)……如果在当天用户持续登陆,就标为“留存”、若没有登陆,就标为“未留存”,以此计算每天的留存率,最后再去第1、3、7、30天的留存率作为分析指标:
付费转化率
从这一个指标开始,我们转入大家最关心的问题:钱!前面的指标都是用于评价游戏和玩家之间的关系和玩家的登陆频率。但是开发者最关心的永远都是他们的游戏是否在赚钱。付费转化率就是衡量这一点的工具之一。
付费转化率:在一算时间里,有购买行为的玩家占玩家总数的比例。对于免费游戏,这个指标同样可以用于衡量其中广告的转化率。
让玩家为一款本可以免费玩儿的游戏付费不容易,但是和其他行业一样,支撑起一款游戏收入的还是所谓的“回头客”,也就是重复付费玩家,免费游戏尤其如此,但要鼓励这些用户持续付费,就必须保证游戏设计能使他们每次付费物有所值。
ARPDAU——日活跃用户的平均收益
ARPDAU表示日活跃用户的平均收益,对于移动游戏来说,这是个很重要的指标,因为它衡量了一款游戏基于每天的表现。
这个指标尤其适用于以获取新用户为目的的活动分析。在活动开始前,开发者必须知道产品ARPDAU的大体值和波动范围。将玩家按照资源获得进行分割,这样可以看出游戏中的哪个模块或设计具有最好的盈利能力。
ARPU——每付费用户平均收入
在国外,该指数表示为ARPPU,表示有购买行为的用户的平均支出(收入),该指数对不同类型游戏有非常戏剧性的变化,比如大型硬核游戏往往具有非常不错的ARPU值,但却没有休闲游戏那样巨大的市场吸引力。
停滞率
停滞率可以理解为是留存率的反面,表示下载后不再登陆或不活跃的用户比例。这个指标在付费游戏和免费游戏之间有细微的区别。
在付费游戏中,用户要么付费购买要么不玩儿,因此停滞率要么是黑要么是白。但在免费游戏中,玩家可能会每天登陆很多次,也有可能一周才一两次,为了衡量免费游戏的停滞率,一般以28天为一个计算周期。
游戏内指数
在理解了用户沉浸、留存及货币能力之后,衡量并平衡游戏内部经济也非常重要。如果玩家很容易就获得货币(此处指游戏内虚拟货币),他没有必要去付费;但另一方面又必须保证玩家有足够的货币去通关和升级,平衡两者不容易,下面的一些指数或许能帮到开发者:
资源获得、支出和流动率
资源获得就是玩家可以赚取虚拟货币的地方,用来衡量玩家可以赚到的货币量,这里面包括通过游戏的福利设计赠送给玩家的货币。
支出是获得的反义词,表示在游戏中玩家需要支出货币的地方。需要注意的是,不论是玩家获得还是支出,都会有溢价和次要货币之分,在分析的时候一定要分开。
结合玩家获得的货币和支出的货币数,可以得出这款产品的内部货币流动率曲线,一般来说,该曲线应该比较稳定,浮动很温和(如图);如果曲线呈指数上升曲线形式,表示玩家在游戏中拥有太多的货币;反之,如果曲线下降直逼0界限,表示玩家在游戏中资源匮乏,很难完成游戏或升级。
重开关卡数、闯关失败和关卡完成
很多游戏都会有关卡设计,如何衡量关卡的设计质量对一款产品也很重要,对关卡设计的衡量,我们关注进阶指数,进阶指数包括三个方面:关卡重开、闯关失败和完成。
关卡重开表示玩家在打开某一关的次数,如果是一次过关,这个指数为1;如果第一次失败,重开第二次,第二次过关,这个数就为2……
第二个数是闯关失败,玩家进入了关卡但没有通过,即为一次失败。
完成数用于衡量玩家在某一关卡总共完成的次数。
将这三个指数放在一起观察,就可以看出产品中关卡的设计难度:游戏的闯关点是否难度适宜?玩家有没有卡在某个关卡上?玩家在哪个关卡玩得最开心最投入?这些都可以在这儿找到答案。
上述所有的指标都是可以帮助开发者更好地了解和掌控自己产品的工具,对于一款移动游戏来说,最重要的就是建立产品的测量基准并适时分析,一旦了解了玩家的行为习惯,对于下一步游戏调整升级或者市场策略都会大有裨益。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18