游戲運營最基本的數據定義解析

用戶獲取

DNU

日新登用戶數（Daily New Users，DNU）：每日注冊并登錄游戲的用戶數。

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：

*周新登用戶數為本周7天日新登用戶數累計之和；

*月新登用戶數計算同上；

*根據需要，可細分為自然增長用戶（非推廣期）和推廣用戶（推廣期）。

DOSU

日一次會話用戶數（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；

*渠道推廣質量是否合格；

*用戶導入是否存在障礙點，如：網絡狀況、加載時間等。

備注：

*周一次會話用戶數為本周7天日一次會話用戶數累計之和；

*月一次會話用戶數計算同上；

*游戲引導設計分析點之一；

*DOSU有助于評估新登用戶質量，進一步分析則需要定義活躍用戶的月一次會話用戶數。

CAC

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化投放；

*渠道推廣成本是多少。

備注：

*CAC計算要根據渠道來進行細分。

用戶活躍

DAU

日活躍用戶數（Daily Active Users，DAU）：每日登錄過游戲的用戶數

解決問題：

*游戲的核心用戶規模是多少；

*游戲產品周期變化趨勢衡量；

*游戲產品老用戶流失與活躍情況；

*渠道活躍用戶生存周期；

*游戲產品的粘性如何（與MAU結合）。

備注：

DAU對于核心用戶規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，具體需要依據詳細的DAU細分才能夠了解用戶規模和質量。

WAU

周活躍用戶數（Weekly Active Users,WAU）：截止當日，最近一周（含當日的7天）登錄過游戲的用戶數，一般按照自然周進行計算。

解決問題：

*游戲的周期用戶規模是多少；

*游戲產品周期性（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模，利于在不同活躍用戶規模的維度上發現問題和掌握游戲用戶規模的波動。

MAU

月活躍用戶數（Monthly Active Users，MAU）：截止當日，最近一個月（含當日的30天）登錄過游戲的用戶數，一般按照自然月計算。

解決問題：

*游戲的總體用戶規模是多少；

*游戲產品用戶規模穩定性；

*推廣效果評估；

*游戲產品的粘性如何（與DAU結合）。

備注：

*MAU層級的用戶規模變化相對較小，能夠表現用戶規模的穩定性，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的變化和穩定性也是不同的。

DEC

日參與次數（Daily Engagement Count，DEC）：用戶對移動游戲的使用記為一次參與，即日參與次數就是用戶每日對游戲的參與總次數。

解決問題：

*衡量用戶粘性（日平均參與次數）；

*什么渠道，什么用戶參與頻率較高；

*用戶對產品參與頻率是什么樣的。

備注：

*一般建議30秒內重復開啟記錄為一次完整使用，不單獨計量；

*周參與次數為用戶一周對游戲的參與總量；

*月參與次數同上；

*日平均參與次數：該日平均每用戶參與游戲次數。

計算公式：日參與次數/日參與用戶數；

*通過對不同參與次數的分布分析，可幫助分析版本更新影響，推廣渠道刺激。

DAOT/AT

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。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；

*產品質量把控指標：

*渠道質量如何；

*與單次使用時長結合分析留存和流失問題；

*用戶持續游戲能力如何。

備注：

*平均單次使用時長：一定時間內，用戶平均每次游戲使用的多長時間=時間內用戶總使用時長/參與次數；

*幫助分析作弊行為，版本粘性和效果；

*根據需要，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。

DAU/MAU

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、穩定；

*用戶活躍天數如何。

備注：

DAU/MAU理論不低于0.2，0.2*30=6天，即用戶登錄次數不少于6天。

留存&流失

用戶留存

用戶留存（Users Retention）：統計時間區間內，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（不含首次登錄當天）登錄的用戶數占新登用戶比例。

三日留存率（Day 3 Retention Ratio）：日新登用戶在第三日（不含首次登錄當天）登錄用戶數占新登用戶比例。

七日留存率（Day 7 Retention Ratio）：日新登用戶在第七日（不含首次登錄當天）登錄用戶數占新登用戶比例。

月留存率（Day 30 Retention Ratio）：日新登用戶在第三十日（不含首次登錄當天）登錄用戶數占新登用戶比例。

留存率需要進行長期跟蹤，根據需要可設定30日、60日或者90日。

解決問題：

*用戶對于游戲的適應性如何；

*評估渠道用戶質量；

*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；

*關注留存率的同時需要關注用戶流失節點；

*留存率的統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和玩法的適應性。

用戶流失

用戶流失（Users Churn）：統計時間區間內，用戶在不同時期離開游戲的情況。

日流失率（Day 1 Churn Ratio）：統計日登錄游戲，但隨后七日示登錄游戲的用戶占統計日活躍用戶比例，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準；

*日流失率的定義可發根據需求進行調整，比如統計當日登錄游戲，但隨后14日或者30日未登錄游戲的用戶數；

*流失率在游戲進入穩定期是值得關注的，穩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。需要仔細關注是哪一部分用戶離開了游戲，流失率作為一個風向標，具有預警作用。

游戲收入

目前移動游戲創造收入有三種形態：

*付費下載

*應用內廣告

*應用內付費

此處重新點考慮第三種情況進行指標定義，以下描述不分開描述充值和消費，僅以付費統稱。

MPR

月付費率（Monthly Payment Ratio，MPR）：統計時間區間內，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（見下文）

解決問題：

*游戲產品的付費引導是否合理；

*用戶付費傾向與意愿（需結合首次付費功能、道具、等級，整體分析）；

*付費轉化是否達到預期效果。

備注：

*MPR包含歷史付費用戶在統計時間區間內再次付費的用戶以及在統計時間區間內新轉化的付費用戶；

*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，相應的MPR表現也是不同的。

APA

活躍付費用戶數（Active Payment Account，APA）：統計時間區間內，成功付費的用戶數。一般以月計。如果按月進行計算，則有以下關系：APA=MAU*MPR 其中MAU為月活躍用戶數，MPR為月付費率。

解決問題：

*游戲產品的付費用戶規模如何；

*APA如何構成？如鯨魚用戶、海豚用戶、小魚用戶的比例；

*付費用戶的整體穩定性如何。

備注：

*APA包含歷史付費用戶在統計時間區間內再次付費的用戶以及在統計時間區間內新轉化為付費的用戶；

*APA根據需求可細分為充值活躍用戶和消費活躍用戶。

ARPU

平均每用戶收入（Average Revenue per Uers，ARPU）：統計時間區間內，活躍用戶對游戲產生的平均收入。 一般以月計。

ARPU=收益/玩家數

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，一般按照月來計算，即ARPU=月總收入/月活躍用戶數（MAU）

解決問題：

*不同渠道獲取的用戶質量如何；

*游戲收益貢獻如何；

*游戲活躍用戶與人均貢獻的關系；

*游戲人增收益水平如何。

備注：

*嚴格定義的ARPU不同于國內認識的ARPU，國內ARPU=總收入/付費用戶數；

*ARPU用于產品定位初期不同規模下的收入預估。

ARPPU

平均每付費用戶收入（Average Revenue per Paying User，ARPPU）：統計時間區間內，付費用戶對游戲產生的平均瘕入。一般以月計。

ARPPU=收益/付費用戶數

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，保證付費質量和規模。

LTV

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：用戶在生命周期內為該游戲創造的收入總計?？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，按照月統計，也就是玩家留存在游戲中的平均月的數量。

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遵循嚴格的定義術語，即總收入/總活躍用戶數；

*LTV是針對活躍用戶的計算，沒有付費與非付費用戶之分。

以下指標僅為移動游戲指標具有代表性的部分，在實際分析過程中，根據分析維度，可以進行指標的深入展開，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、用戶付費周期轉化等等。

其他常用

另外部分常用指標未詳細說明，此處僅列出部分說明：

PCU

PCU（Peak Concurrent Users）：最高同時在線玩家人數

ACU

ACU（Average Concurrent Users）：平均同時在線玩家人數

新用戶轉化率

New Users Converstion Rate：新用戶轉化率（可根據渠道進行劃分） Clicks->Install->Register->Login

K因子

K-Factor：K因子

K-Factor=感染率*轉化率

轉化率：當感染后轉化為新用戶的比率。

感染率：每個用戶發送的邀請數量，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模后就會停止通過自傳播增長。