
游戏数据分析核心数据和算法公式详解
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)
(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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11