移动游戏运营数据分析指标白皮书.pdf-资料库

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第1页.png

第1页 / 共24页

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第2页.png

第2页 / 共24页

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第3页.png

第3页 / 共24页

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第4页.png

第4页 / 共24页

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第5页.png

第5页 / 共24页

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第6页.png

第6页 / 共24页

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第7页.png

第7页 / 共24页

oyangmaomao-5068447-移动游戏运营数据分析指标白皮书.pdf-第8页.png

第8页 / 共24页

移动游戏运营数据分析指标白皮书 Mobile Game Operation Metrics White Paper

关于北京腾云天下科技有限公司北京腾云天下科技有限公司是一家以大数据处理和数据挖掘技术见长的技术创业公司。创始团队主要成员来自于 Oracle、IBM、HP 等公司，长期从事分布式架构、海量数据处理、数据挖掘等方面研究，同时具有丰富的移动应用开发和运营经验。主推产品是 TalkingData 移动应用统计分析平台 (www.talkingdata. net)，以及面向 iOS 的多渠道推广效果评估服务系统 AppCPA(www.appcpa. co)。 TalkingData Analytics TalkingData 是一个面向移动互联网应用，专业的第三方数据统计分析平台。该平台的目标客户是移动应用开发者。具体使用的人员主要是产品运营人员和市场推广人员。产品运营人员可以借助 TalkingData 分析最终用户的使用习惯，进一步优化产品设计和运营手段。市场推广人员则可以借助 TalkingData 研究增长趋势、分析渠道质量、降低用户获取成本。该平台自 2012 年 2 月正式上线，目前覆盖独立设备超过 5000 万，日处理会话超过 2 亿次。

C 目录 Content 2 3 4 7 9 12 13 引言 Introduction 用户获取 Acquisition 用户活跃 Activation 留存 & 流失 Retention&Churn 游戏收入 Revenue 后记 Postscript 附录 Appendix

I 引言 Introduction 2 TalkingData 在 2012 年 2 月就提出了一套专门针对移动应用数据化运营的数据分析、挖掘模型，即 AARRR 数据运营模型。相对于移动应用而言，移动游戏与玩家之间的互动更多，对玩家的行为分析需求更强烈。同时，移动游戏与传统游戏相比又有较大不同，其“应用”气质更为强烈。传统游戏的数据运营手段，并不能完全满足移动游戏的运营需求。在此前提之下，专门针对移动互联网提出的数据运营模型更符合移动游戏这一特殊领域的实际需求。然而，仅有数据模型还不够。有了好的分析方法，还需要正确的数据指标、维度的支撑，才能完成对数据的分析、挖掘。目前移动游戏业内对于移动游戏数据分析指标的定义，存在很大的分歧和误区。往往一项数据指标的名称虽然相同，但统计方法、计算方法却有较大的差异。可以说，目前移动游戏数据分析领域的指标定义并不统一。这种数据指标定义上的混乱，给移动游戏运营人员带来了不小的麻烦。首先是沟通上的障碍，错误的定义让沟通效率极低，往往为一条指标的定义就要浪费大量的时间反复争论、验证；其次错误的指标定义，会产生错误的分析结果，进而影响运营层面、产品改进方面的决策。当然，最重要的一点就是错误的指标定义让行业内 Benchmark 成了空谈，没有任何参考价值。 TalkingData 本次推出的《移动游戏运营数据分析指标白皮书》，旨在规范行业数据指标定义。所有数据指标的定义按照国际规范重新梳理，并且对传统游戏运营数据分析方法中的常用指标进行调整，使之更适合移动游戏这一新领域。统一的数据分析指标，有助于运营人员理解、分析用户行为，改进产品，制定运营策略，让数据化运营更有效率。 Introduction引言移动游戏运营数据分析指标

1 用户获取 Acquisition Daily New Users 定义术语 Terminology 每日注册并登录游戏的用户数。日新登用户数 DNU 3 A 解决问题 nswered Question 渠道贡献的新用户份额情况；宏观走势，是否需要进行投放；是否存在渠道作弊行为。备注R emark 周新登用户数为本周 7 天日新登用户数累计之和；月新登用户数计算同上。根据需要，可细分为自然增长用户 [ 非推广期 ] 和推广用户 [ 推广期 ] Daily One Session Users 日一次会话用户数 DOSU 定义术语 Terminology 一次会话用户，即新登用户中只有一次会话，且会话时长低于规定阈值。 A 解决问题 nswered Question 推广渠道是否有刷量作弊行为；渠道推广质量是否合格；用户导入是否存在障碍点 , 如：网络状况、加载时间等。备注R emark 周一次会话用户数为本周 7 天日一次会话用户数累计之和；月一次会话用户数计算同上；游戏引导设计分析点之一； DOSU 有助于评估新登用户质量，进一步分析则需要定义活跃用户的月一次会话用户数。用户获取Acquisition用户获取移动游戏运营数据分析指标

Customer Acquisition Cost 用户获取成本 CAC 4 定义术语 T erminology CAC=Promotion Cost ÷ Valid New Users A 解决问题 nswered Question 获取有效新登用户的成本是多少；如何选择正确的渠道优化投放；渠道推广成本是多少。 Promotion Cost: 推广成本 Valid New Users: 有效新登用户备注R emark CAC 计算要根据渠道来进行细分； CAC By Channel=Promotion Cost÷ Valid Channel New Users。 2 用户活跃 Activation Daily Active Users 定义术语 T erminology 每日登录过游戏的用户数日活跃用户数 DAU A 解决问题 nswered Question 游戏的核心用户规模是多少；游戏产品周期变化趋势衡量；游戏产品老用户流失与活跃情况；渠道活跃用户生存周期；游戏产品的粘性如何[与MAU结合]。备注R emark DAU 对于核心用户规模的衡量需要谨慎对待新登用户和回流用户在 DAU 中的变化情况，具体需要依据详细的 DAU 细分才能够了解用户规模和质量； DAU 计算是去重的。 Acquisition用户获取移动游戏运营数据分析指标

Weekly Active Users 定义术语 Terminology 截止当日，最近一周 [ 含当日的 7 天 ] 登录过游戏的用户数，一般按照自然周进行计算。周活跃用户数 WAU A 解决问题 nswered Question 游戏的周期用户规模是多少；游戏产品周期性 [ 每周 ] 变化趋势衡量。 5 备注R emark WAU 按照周作为一个周期来分析用户规模，利于在不同活跃用户规模的维度上发现问题和掌握游戏用户规模的波动； WAU 计算是去重的，常规按照自然周进行计算。 Monthly Active Users 定义术语 Terminology 截止当日，最近一个月 [ 含当日的 30 天 ] 登录过游戏的用户数，一般按照自然月计算。月活跃用户数 [ MAU A 解决问题 nswered Question 游戏的总体用户规模是多少；游戏产品用户规模稳定性；推广效果评估；游戏产品的粘性如何 [ 与 DAU 结合 ]。备注R emark MAU 层级的用户规模变化相对较小，能够表现用户规模的稳定性，但是某个时期的推广和版本更新对 MAU 的影响也可能比较明显。此外游戏生命周期处于不同时期，MAU 的变化和稳定性也是不同的； MAU 计算是去重的，常规按照自然月进行计算。用户获取Activation用户活跃移动游戏运营数据分析指标

Daily Engagement Count 日参与次数 DEC 6 定义术语 Terminology 用户对移动游戏的使用记为一次参与，即日参与次数就是用户每日对游戏的参与总次数。 A 解决问题 nswered Question 衡量用户粘性 [ 日平均参与次数 ]；什么渠道，什么用户参与频率较高；用户对产品参与频率是什么样的。备注R emark 一般建议 30 秒内重复开启记录为一次完整使用，不单独计量；周参与次数为用户一周对游戏的参与总量；月参与次数同上；日平均参与次数：该日平均每用户参与游戏次数。计算公式：日参与次数 ÷ 日参与用户数；通过对不同参与次数的分布分析，可帮助分析版本更新影响，推广渠道刺激。 Daily Avg. Online Time 日均使用时长 [ DAOT/AT 定义术语 Terminology A 解决问题 nswered Question 活跃用户平均每日在线时长。即：日总在线时长 ÷ 日活跃用户数。一般的粗略计算公式： AT=ACU×24÷DAU。用户的游戏参与怎么样；产品质量把控指标；渠道质量如何；与单次使用时长结合分析留存和流失问题；用户持续游戏能力如何。备注R emark 平均单次使用时长：一定时间内，用户平均每次游戏使用的多长时间 = 时间内用户总使用时长 ÷ 参与次数；帮助分析作弊行为，版本粘性和效果；根据需要，可以观察用户每周，双周，月的平均使用时长情况，了解游戏的粘性。 Activation用户活跃移动游戏运营数据分析指标

资料库

移动游戏运营数据分析指标白皮书.pdf

相关推荐

行业

热门标签

最新资料