京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一、运营数据
(1)平均同时在线人数(ACU: Average concurrent users):即在一定时间段抓取一次数据,以一定周期为期限;周期内的ACU可取时间段的平均数据。[例如:系统每一小时抓取一次数据,全天24小时共24个不同时刻的在线数据,则每天的ACU是这24个数据的平均值(每个公司有每个公司的定义,一般ACU取平均值,若针对某一时刻,则直接在某时刻内直接统计用户数)
如何通过数据来评判一个手游分发渠道能力?
移动应用如何埋点收集什么数据以便于统计分析?
从0开始运营APP之——建立自己的“数据库”
(2)最高同时在线人数(PCU:Peak concurrent users):即在一定时间内,抓取最高在线数据。(例如:单天最高在线:系统每小时统计一次数据,全天24小时共24个不同时刻的在线数据,则24个时间段内最高的用户在线数据为PCU)
(3)充值金额(RMB):即在一定周期内充值总金额。
(4)元宝消费金额(RMB):即在一定周期内,玩家在游戏商城中的消费总金额(仔细看,充值金额与元宝消费金额有着明显区别,上者受活动影响,下者受商城道具需求影响。)
(5)每付费用户平均收益(ARPPU: Average Revenue Per Paying User:)相似于下载游戏的消费比率,(国内很多人以“ARPU”称呼,个人定义不同),此类数据主要衡量付费用户收益(公式:月总收入/月付费用户数)
(6)平均每活跃用户收益(ARPU: Average Revenue Per User):主要衡量游戏整体贡献收益;毕竟除了付费收益,活跃用户也能产生收益,(一般国内以此数据为核心,各家算法不同)(公式:月总收入/月活跃用户)
(7)平均生命周期:平均生命周期:有新增账户在首次进入游戏到最后一次参与游戏的时间天数。比如记录某一个月,这个月里,每个新增用户的生命周期之和/MAU=平均生命周期。
(8)LTV生命周期价值(LTV: Life Time Value):约定一个计算的生命周期值(比如上个月的平均生命周期,或者约定为15日,即这个月有15日登陆记录的账户数),符合这个生命周期条件的账户数中,充值金额的和/条件账户数。
(9)每日注册并登陆的用户数(DNU: Daily New Users):这个言简意赅,就不详谈了,直接从后台抓取即可。
(10)新登用户中只有一次会话的用户(DOSU: Daily One Session Users):这个也很简单,此类数据主要衡量新用户的质量,买量的可以参考一下。
(11)每日登陆过游戏的用户数(DAU: Daily Active Users):直接从字面就能了解了,一般从后台抓取。
(12)七天内登陆过游戏的用户数(WAU: Weekly Active Users):这个还是很好理解,就不废话了,此类数据主要衡量周变化。
(13)30天内登陆过游戏的用户数(MAU: Monthly Active Users):浅显易懂,主要衡量产量的粘性以及用户的稳定性。
(14)月流失率:(公式:30天前登陆过游戏,30天内未登陆游戏的用户数/MAU)
周流失率:(公式:7天前登陆过游戏,之后7天内未登陆游戏的用户数/WAU)
日流失率:(公式:统计日登陆过游戏,次日未登陆游戏的用户数/统计日DAU)
(15)30日留存率:新用户在首次登陆后的第30天再次登陆游戏的比例
7日留存率:新用户在首次登陆后的第7天再次登陆游戏的比例
3日留存率:新用户在首次登陆后的第3天再次登陆游戏的比例
次日留存率:新用户在首次登陆后的次日再次登陆游戏的比例
二、运营成本
(1)投入/运营成本(RMB):本月为推广游戏而投入的营销及市场费用金额
(2)产出/元宝消费金额(RMB):玩家周期内(日/周/月)在游戏中的消费总金额
(3)投入产出比(ROI):简而言之,就是说付出与回报是否成正比。(公式:本月的产出/本月的投入)
(4)单个活跃用户推广成本(RMB):(公式:本月投入/本月新增活跃用户数)
(5)单个付费用户推广成本(RMB):(公式:本月投入/本月新增付费用户数)
三、用户状态数据监控
(1)活跃用户数:对于活跃用户,每家定义各有不同.7天内有3天登陆过账号的便可成为活跃用户。
(2)新增活跃用户数:首次上线游戏的用户数
(3)流失活跃用户数:上期(7-14天)有过登陆,在本期(最近14天)未登陆的用户数。
(4)回流活跃用户数:上期(7-14天)未登陆,在本期(最近7天)有登陆的用户数。
(5)活跃用户流失率:(公式:(本月流失用户/上月活跃用户)*100%)
(6)活跃用户充值率:(公式:(本月活跃付费用户/本月活跃用户)*100%)
(7)活跃用户在线时长(单位/小时):(公式:当期(7天)所有活跃用户在线时长总和/当期(7天)活跃用户数)
(8)付费用户在线时长(单位/小时):(公式:当期(7天)所有付费用户在线时长总和/当期(7天)付费用户数)
(9)新增活跃用户充值率:(公式:(本月内有充值的新增登录用户/本月总新增登录用户)*100%)
(10)新增活跃用户高活跃率:(公式:(本月新增登陆用户中的高活跃用户数/本月新增登陆用户数)*100%)
四、活跃用户状态
(1)高活跃用户数:(个人定义:)当期(7天)内总在线时长大于或等于12小时的活跃用户数。
(2)新增高活跃用户数:(个人定义:)当期(7天)高活跃用户减去上期(7-14)高活跃用户数。
(3)流失高活跃用户数:(个人定义:)上期(7-14天)在线时长大于等于12小时,当期(7天)在线时间小于12小时的活跃用户数。
(4)回流高活跃用户数:(个人定义:)上期(7-14天)在线时间小于12小时,当期(7天)()在线时长大于等于12小时的活跃用户数
(5)高活跃用户流失率:(个人定义:)公式:(当期(7天)流失高活跃用户数/上期(7-14)高活跃用户数)*100%
(6)高活跃用户充值率:(个人定义:)公式:(当期(7天)有充值行为的高活跃用户数/当期(7天)高活跃用户数)*100%
(7)新增高活跃用户充值率:(个人定义:)公式(本月新增登陆用户中的高活跃用户数/本月新增登陆用户数)*100%
五、付费用户状态
(1)付费用户数:截止到统计日,所以曾经有过充值的用户总数。
(2)新增付费用户数:当期付费用户数减去上期付费用户数。
(3)活跃付费用户数(APC):当期(周/月)有过充值行为的用户数。
(4)流失付费用户数:上期有登陆行为,当期没有登陆的付费用户数。
(5)回流付费用户数:上期未登陆,在当期有登陆的付费用户数。
(6)付费用户流失率:当期流失付费用户数/上期活跃付费数。
(7)付费用户月平均充值次数:当期所有充值次数/当期付费用户数。
(8)付费用户月平均充值金额(RMB):当期充值总额/当期付费用户数。
(9)忠实付费用户数:当期统计结束,后续2-3期之内,每期都有充值行为的用户数。
上文的“当期”即现在周期的意思,例如3天、7天、30天都是一周期。
六、高效用户
(1)周高效:(个人定义:)当期累计在线时长达到6小时以上,或者该账户在游戏类充值达到一定金额(例如5元)。
(2)双周高效:(个人定义:)当期累计在线时长达到12小时以上,或者该账户在游戏中消费达到一定金额(例如5元)。
(3)月(自然月高效):(个人定义:)当期累计在线时长达到24小时以上,或者账户在游戏中消费达到一定金额(例如10元)。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07