京公网安备 11010802034615号
经营许可证编号:京B2-20210330
手游运营,怎么做一份数据日报?
很多人反映刚刚接手数据分析工作,不知道怎么来做一份数据日报,不知道取哪些数据,关注哪些重点指标,事实上对于新手而言最好的办法就是去参考前辈和看看行业一些日报的形式,但是核心在于你的产品是页游,还是app,还是手游,还是网站,还是开放平台,还是端游,或者是一款互联网应用,产品定位和属性决定了数据分析日报的形式和内容。
今天要说的这些指标和内容,基本可以保证基本的日报数据需求,换句话这是要关注的一些方面,剩下的要根据你的产品来了,不全或者纰漏错误还请各位批评指正。
在开始之前还要明确一点,仔细想清楚你的报告服务于谁,给谁看,怎么做怎么展现,都需要你自己来衡量,下面的一切都是一个基本的思路和例子,曾经看过一个面试题,在这里与各位分享一下,看看大家的答案是什么。如果你是京东商城的DMA,现在要你给刘强东提供三个数据分析指标,你会选择哪几个?
基础运营数据部分首先要把重点摘要写出来,所谓摘要就是重点的数据指标的情况写出来,实际上大家要明白这些数据都是起到了解和预警的作用,其涉及的指标有:
1)人气数据
DAU(每日活跃帐号数:每日登录过游戏的玩家)
新增用户(每日注册的玩家)
新增有效用户(每日注册的玩家并保证登录过游戏的玩家):建立时间序列的数据源,分宣传期与非宣传期数据,可结合ACU,PCU等数据,观察游戏对用户的黏着度
PCU(峰值):建立时间序列的数据源,观察并得出属于自己游戏的波动范围
ACU(平均同时在线人数):建立时间序列的数据源,观察并得出属于自己游戏的波动范围
平均在线时长
平均游戏时长
客户端下载量
官网&论坛PV,独立IP,UV,论坛的浏览次数,发帖量
2)收益数据
每日充值金额
每日充值人数(日充值APA):建立时间序列的数据源,对比业内平均水准,测试游戏消费引导能力
每日ARPU(可以理解平均充值金额):建立时间序列的数据源,测试游戏消费点挖掘能力
每日新增充值帐号:
每日购买金额
每日购买人数(日购买APA)
每日ARPU(可以理解平均消费金额)
3)流失率信息
流失率作为单独的一块要重点的进行描述,流失率的变动意味着产品在发生变化,主要要从以下几个流失率指标进行每日预警监控:
日流失帐号:统计日内有登录但统计日后7天都未登录的账号数
日流失率:统计日内有登录但统计日后7天都未登录的账号数 / 统计日的活跃帐号数
日流失充值帐号数:统计日前30天有充值行为,但统计日内无登录,且无充值行为
重点事件及活动回顾
重点活动及事件的介绍,便于在报告的阅读者容易找到前一天数据出现问题的原因,定位问题,找到相关负责人进行解决。
服务器状态信息:是否停服,玩家出现登录困难等信息
BUG:重大BUG反馈信息(影响游戏体验)
是否有新一轮活动开启
是否有版本更新
是否存在竞品测试或者上线
活动执行情况汇总
把最近一个时期开启的相关活动进度,比如开始时间,结束时间,活动链接地址进行简要汇总,便于阅读数据的一些人员能够针对数据评估活动效果。
详细数据信息
第二部分是针对第一部分而言的,对于一些公司的高层而言,没有太多的时间,只能简单的看看第一部分的数据汇总信息情况,而第二部分,实际上是给各个部门和人员来看,从更加的细致数据对比上发现问题,比如环比,同比数据怎么样,包括绘制相关的曲线图,饼图等帮助这些人员进行理解。
基础数据分解信息
1)人气数据
CCU实时在线状态图
一般而言,CCU只会列出当日,前一日和同期的对比曲线,大家灵活机动,可以直接从公司的BI系统或者经分系统得到这条曲线。
DAU:绘制DAU曲线,并包括具体数值汇总(可以列出表格),同时要把当日数据进行环比和同比分析。
详细数据表格(蓝色为上周同期,红色为日报当日数据)
详细数据表格(蓝色为上周同期,红色为日报当日数据)
接下来一般的处理ACU,平均在线时长信息,利用表格和曲线图直观形象的表现一下。
辅助的也会出现一个表格,具体列出来这些数据和信息,供查阅
此外有必要加入PCU/ACU的变化趋势图,这个图利于观察近期活动的一些情况。
在基础数据的人气数据部分可以将剩下的数据指标按照之前的表格形式展现出来,至于曲线,要根据需要灵活添加。
新增玩家数据
官网论坛数据
官网专题页
论坛访问
客户端下载信息
2)收益数据
充值数据
这里只给出了表格,实际上我们好要给出曲线图,充值金额,充值人数,充值ARPU
消费数据
同理消费数据也要给出曲线图,通过曲线图或者柱形图形象化展现。
道具销售排行信息
流失率相关信息
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 定义: 用户增长核心分析框架,刻画用户从接触产品到自发推荐的全生命周期,五个递进环节构建 ...
2026-09-15在数字化营销与精细化用户运营时代,企业传统的广撒网式营销模式成本高、转化率低,已无法适配精准商业竞争需求。客户画像作为大 ...
2026-09-15 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-09-15在MySQL数据库数据查询与数据分析中,GROUP BY与ORDER BY是使用频率极高的核心关键字。二者语法结构相似,常搭配使用,但核心功 ...
2026-09-14随着数字化治理、智慧运营、数字孪生技术的普及,数字体征成为衡量业务状态、系统运行、城市治理与企业经营健康度的核心体系。数 ...
2026-09-14 很多数据分析师沉迷于复杂的模型和算法,却忽略了数据分析的一项基础能力——描述性统计。事实上,大量商业分析问题,用描述 ...
2026-09-14在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04