解析移动游戏运营数据分析指标

       在平常的工作中,经常会有一些马虎的数据分析师,接到业务方提到的需求后,大致扫一遍然后就吭叽吭叽做起来,最后出的分析结果报告交给业务方后没多久就打回来,说不是他想要结果,仔细一讨论发现双方的指标定义不一致,从而导致了一顿白忙活,造成“十动仍拒”的下场。所以指标定义的清晰性是开始分析工作的前提。 OK,本文要讲述的也是有关指标定义,是由talking data推出的移动游戏运营数据分析指标白皮书,目的是统一移动游戏数据指标的定义,主要涉及宏观层面的定义,下面分模块来看
 
一,用户获取
日新登用户数(daily new users)
定义:每日注册并登陆游戏的用户数
解决的问题:1)渠道贡献新用户份额 (新用户的来源渠道分析); 2) 宏观走势,是否需要进行投放(产品用户量的走势,更好分配资源);3) 是否存在渠道作弊行为;
其他的:周/月新登陆用户数,细分自然增长用户跟推广用户(感觉还可以根据其他的一些维度如地域,手机型号等结合分析)
 
日一次会话用户数(daily one session users)
定义:一次会话用户,即锌等用户中只有一次会话,且会话时长低于规定阀值(场景:1) 产品不感兴趣用户;2) 无限刷号用户 3) 推广渠道质量)
解决的问题:1)渠道渠道是否刷量作弊; 2) 渠道推广质量是否合格(推广质量参考的一个维度);3) 用户导入是否存在障碍点,如网络状况,加载时间;
其他的:周/月一次会话用户数,游戏引导分析点之一,有助于分析新登用户质量,进一步分析则需要定义活跃用户的月一次会话用户数
 
用户获取成本(customer acquisition cost)
定义:推广成本/有效新登录用户(具体怎么定义有效新登录用户,需要看场景?)
解决的问题:1)获取有效新登录用户的成本; 2) 优化推广渠道
其他的:把用户获取的成本细分到渠道里面,也就是说每个渠道获取有效新登录用户的成本
 
二,用户活跃
日活跃用户数(daily active users)
定义:每日登陆游戏的用户数
解决的问题:1) 游戏的核心用户规模; 2) 游戏产品周期变化趋势衡量(端游有端游的生命周期,手游有手游的生命周期,同一类型里面的不用主题的游戏又有不同的生命周期);3) 游戏产品新老用户分析; 4) 渠道活跃用户生存周期(类似营销渠道跟常规渠道的区别);5) 游戏产品的粘性如何(需要与MAU结合,更细的可以看游戏时长等维度)
其他的:周/月活跃用户数,指的注意的是月活跃用户数能反映用户规模的稳定性(天活跃极度容易受活动效应/节日效应影响),进而观察不同游戏产品间的对比,同一游戏产品版本迭代的情况,当然这三个指标都是要用户去重的
 
日参与次数(daily engagement count)
定义:用户对移动游戏的使用记为一次参与,日参与次数,就是一天的总和(这相当于游戏登陆次数?)
解决的问题:1) 衡量用户的粘性; 2) 什么渠道,什么用户参与频率较高;3) 用户对产品参与频率的衡量
其他的:周/月参与次数 ,日平均参与次数(日参与次数/日参与用户数,跟arpu值计算逻辑一样),一般建议30内重复开启记录为一次完整使用,不单独计量(类似页游里面的时长心跳上报)
 
日均使用时长(daily avg  online_time)
定义:活跃用户平均每日在线时长=日总在线时长/日活跃用户数
解决的问题:1) 用户参与怎样; 2) 渠道优化的参考维度;3) 用户质量参考维度;4)用户持续游戏的能力(特别对新用户来说)
其他的:周/月均时长 ,当然也可以使用用户单次平均使用时长
 
用户活跃度(DAU、MAU)
解决的问题:1) 用户游戏参与怎样; 2) 游戏质量人气等;3) 用户活跃天数如何
其他的:DAU/MAU的理论值不低于0.2,也就是一个月登陆次数不低于6次
三,留存跟流失
通常的术语:新登用户的次日、3日、7日、月留存率
解决的问题:1) 每个渠道好坏的参考维度; 2) 用户对游戏的粘性;3) 用户生命周期;
其他:留存率一定意义代表游戏的质量,关注用户流失的节点,根据流失率改进产品,优化游戏的设计
 
用户的流失
关于这个话题需要确定2个定义,用户最近的活跃定义,跟未来的流失定义,例如用户最近7天是活跃的,未来7天不登陆,我就算流失等等,这个是做游戏预警模型的重中之重
 
四,充值
对于移动游戏创造营收有三种:1)付费下载  2)应用内广告  3)应用内付费,这里主要关注第三种
 
月付费率(monthly payment ratio)
定义:统计区间内,付费用户占活跃用户的比例
解决的问题:1) 游戏产品的付费引导是否合理; 2) 用户是否有充值意愿;
 
活跃付费用户(active payment account)
解决的问题:1) 游戏付费用户规模如何; 2) 付费转化率如何;3)游戏充值人群构成(大R,中R,小R比例)
 
平均每用户收入(ARPU)
定义:总收入/活跃人数
解决的问题:1) 游戏收益如何; 2) 渠道价值如何;
 
生命周期(life time)
定义:用户从第一次参与游戏,到最后一次参与游戏的时间差,
解决的问题:1) 游戏收益如何; 2) 渠道价值如何;
 
最后的最高同时在线人数(PCU),平均同时在线人数(ACU),新用户转化率(点击-安装-注册-登陆-付费-流失)
K因子 =感染率*转化率,感染率(每个用户发出的邀请数量),转化率(转为用户的比率)
k>1 游戏用户增长快,<1 增长慢,达到瓶颈
 
数据报表
 
日报表
1)监控重点数据,是否存在异常;2) 了解渠道数据,实时了解渠道表现
关注指标
用户层面:日活,新用户注册/登陆,次日留存,在线时长,新老用户付费人数/金额,新老用户价值
游戏层面:日活,新用户注册/登陆,次日留存,在线时长,新老用户付费人数/金额,新老用户价值
渠道层面:每日充值总量,新老用户占比,次日留存情况,渠道价值
 
周报表
1)了解周期性变化,制定策略;2) 重点渠道、用户跟踪、分析转化;3)周期行数据分析总结,制定下一个周期计划
关注指标
用户层面:日报表里面的周汇总数据,然后加环比、同比
游戏层面:同上
渠道层面:同上
 
总结:上面的报表是一个参考,具体的当然需要结合业务场景来进行增添删减
白皮书的最后介绍了下他们的AARRR模型简称(2A3R吧,呵呵),具体的就是获取用户(acquisition)、提高活跃度(activation)、提高留存率(retention)、获取收入(revenue)、自传播(refer)
posted @ 2014-03-14 23:58  kobeshow  阅读(4322)  评论(0编辑  收藏