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
数据分析师是一个需要多方面技能和特质的职业,适合做数据分析师的人通常具备以下特质和技能: 对数据有浓厚兴趣:数据爱好者, ...
2024-09-20CDA证书的考试内容涵盖了多个模块,具体包括: 数据分析概述与职业操守:包括数据分析的基本概念、方法论、角色,数据分析师的 ...
2024-09-20数字化转型的核心在于利用数字技术来推动企业或组织在业务模式、流程、文化和价值链等方面的根本性变革,以提高效率、创造新的增 ...
2024-09-20作为一名资深数据分析师,拥有CDA证书可以显著提升你的职业竞争力,并为你带来更多的职业发展机会。CDA证书在金融、电信、零售、 ...
2024-09-20数据分析师的月薪因地区、经验、技能和行业而异。根据2024年的数据,数据分析师在中国的平均月薪约为11,910元,但这个数字可能因 ...
2024-09-20CDA证书在统计学领域的应用非常广泛,特别是在数据分析和业务决策中。以下是CDA Level II级别中一些与统计学相关的应用: 数据 ...
2024-09-20统计学结合CDA证书可以为就业提供多样化的方向和广阔的前景。以下是一些主要的就业方向: 政府部门:统计学专业毕业生可以在政 ...
2024-09-20CDA认证分为三个级别,每个级别对应不同的数据分析技能: CDA Level I:这是入门级别,主要面向零基础就业转行者、应届毕业生以 ...
2024-09-20在职场中,将CDA(Certified Data Analyst)证书转化为实际的业务成果和价值,可以通过以下几个步骤实现: 提升专业技能:CDA证 ...
2024-09-20考取CDA(Certified Data Analyst)证书后,可以通过以下几个策略在职场中提升薪资: 深化专业技能:持续学习和实践,提高数据 ...
2024-09-20数字经济专业是一门综合性、交叉性的学科,旨在培养具备扎实经济学基础和熟练数字技能的数据分析与决策人才。该专业的课程内容丰 ...
2024-09-19数据分析师这个职位本身并不特定于性别,男性和女性都可以从事这项工作。至于是否会觉得累,这取决于多种因素,包括个人的工作经 ...
2024-09-19CDA认证考试的通过率会根据不同年份和考试难度有所变化。根据CDA数据科学研究院发布的数据,第十一届CDA认证考试的通过率如下: ...
2024-09-19大数据技术毕业生在职场中脱颖而出需要从多个方面进行努力和规划。首先,明确职业目标是关键一步。了解大数据相关的职业岗位,如 ...
2024-09-19在数据分析领域,有几个专业认证是值得考虑的,它们可以帮助提升你的专业技能,并在就业市场上增加竞争力。以下是一些推荐的认证 ...
2024-09-19金融数学专业是一门结合了数学、统计学和经济学的交叉学科,旨在培养具备扎实的数学基础和金融理论知识的复合型人才。随着全球 ...
2024-09-19随着信息技术的飞速发展,大数据已成为企业决策的重要依据。特别是在会计和财务管理领域,大数据技术的应用不仅提高了数据处理的 ...
2024-09-19大数据技术是一种新一代的技术与架构,用于解决海量、多样、快速、价值的数据的收集、存储、处理、分析和挖掘问题。它涵盖了从数 ...
2024-09-19大数据管理与应用领域的发展潜力和职业方向是当前热门话题之一。随着信息技术的快速发展,数据已经成为企业和组织决策的重要基础 ...
2024-09-19评估自己在数据分析领域的当前水平,可以通过以下几个步骤来进行: 自我评估: 知识掌握:考虑你对数据分析基础知识的理解,包 ...
2024-09-19