运营分析系统说明

X X X X 运营分析系统

目录 (2)

1概述 (3)

1.1目的 (3)

1.2范围 (3)

1.3定义与约束 (3)

1.4参考资料 (3)

1.5缩略语 (4)

2经营分析系统目录规范 (4)

3经营分析系统标准化指标 (4)

3.1基础数据—在线类 (4)

3.1.1实时在线 (4)

3.1.2容量视图 (5)

3.1.3历史在线 (5)

3.1.4在线时长 (6)

3.2基础数据—用户类 (8)

3.2.1总况 (8)

3.2.2注册用户 (9)

3.2.3注册角色用户数 (11)

3.2.4新注册用户流失跟踪 (12)

3.2.5所有用户活跃情况 (13)

3.2.6消费用户活跃情况 (15)

3.2.7非消费用户活跃情况 (17)

3.2.8活跃度 (18)

3.3基础数据—付费用户类 (19)

3.3.1总况 (19)

3.3.2消费用户 (19)

3.3.3充值用户 (19)

3.3.4包月用户 (19)

3.3.5消费行为活跃流失 (19)

3.3.6消费活跃度 (19)

3.4基础数据—收入类 (20)

3.4.1总况 (20)

3.4.2充值金额 (20)

3.4.3道具收入 (20)

3.4.4包月收入 (20)

3.5游戏内容—玩家类 (20)

3.5.1个体属性 (20)

3.5.2群体属性 (20)

3.6游戏内容—元素类 (20)

3.6.1经济系统 (20)

3.6.2系统物品产出 (20)

3.6.3系统物品回收 (20)

3.6.4其它物品情况 (20)

3.6.5游戏场景展示（ACG类特有） (20)

3.7游戏内容—交互类 (21)

3.7.1任务系统 (21)

3.7.2交易系统 (21)

3.7.3杀怪和PK (21)

3.7.4组队信息 (21)

3.7.5副本信息 (21)

4经营分析系统各业务特性指标 (21)

4.1A V A特性指标分析 (21)

4.2CF特性指标分析 (21)

5经营分析系统后台监控信息 (21)

5.1监控报告 (21)

5.2程序运行详情 (21)

5.3程序运行错误描述 (21)

5.4错误影响 (21)

1概述

1.1 目的

本说明书是为了详细描述标准化的经营分析系统的各项指标的明确含义而写，防止读者对目前系统中的指标含义不明确而造成不必要的误解。主要读者是经营分析系统使用人员。

1.2 范围

本说明书描述标准化的经营分析系统的各项指标的明确含义，包括所有业务的标准化指标和各业务的特性指标的含义。不包含设计和实现细节，标准化的经营分析系统实现请参考经营分析系统开发文档及经营分析系统设计文档等等。

1.3 定义与约束

1.4 参考资料

《MMOG经营分析统计框架系统设计说明书》

《MMOG经营分析统计框架典型统计设计方案》

1.5 缩略语

MMOG Massively Multiplayer Online Game 大型多人同时在线游戏

ACG Animation、Comic、Game中型休闲游戏

OSS Operation Support System 经营支撑系统

World 游戏世界

UIN User Identification Number 用户识别码

2经营分析系统目录规范

目前经营分析系统总体上分为两部分，标准化部分和特性部分。标准化部分是指经过长期的经验积累，找出所有游戏的共性指标组建而成。特性类部分，是由于各游戏有自身的一些特点需要分析，所以需要存在。

3经营分析系统标准化指标

3.1 基础数据—在线类

3.1.1 实时在线

此项是用于展示该业务的实时在线情况的，可以从侧面反映出该业务的运营健康度情况。如果在线图出现波动，则可以说明GameServer服务器侧有问题或者网络有波动而影响在线波动。

它的展示方式是每5分钟定时向GAMESERVER抓取该SERVER上的实时在线人数，每天会抓取出288个点。展示方式是取最近24小时内的288个点用平滑曲线把这些点连接起来，来展示该业务的最近24小时内的在线趋势。

目前主要从三个方面来看该业务有在线情况：总实时在线、分区实时在线和分IDC实时在线。

3.1.1.1总实时在线

?指标含义：此页面是用来展示该业务所有大区（WORLD）汇总的实时在线趋

势，就是把所有大区在线人数在一个图中进行展示。

?数据来源：展示的数据来自于tbRealOnline，使用条件iWorldId=255 AND

iChannelId=65535

3.1.1.2分区实时在线

?指标含义：此页面是用来展示该业务各大区（WORLD）分区实时在线趋势，

每个大区的在线趋势单独展示一个图。

?数据来源：展示的数据来自于tbRealOnline，使用条件iWorldId=所展示的大区

ID（WORLDID）AND iChannelId=65535

3.1.1.3分IDC实时在线

?指标含义：此页面是用来展示该业务按IDC区分实时在线趋势。

?数据来源：展示的数据来自于tbIdcRealOnline IDC实时在线统计表

3.1.2 容量视图

此项数据主要用于监控当前服务器容量是否可以满足玩家的需求,根据服务器的最大容量和每天的最高在线,可以计算出每个大区、每个IDC以及所有大区汇总的容量使用情况。如果当长期发现某个大区的容量使用率居高不下，则说明这个大区需要进行扩容了；相反，如果长期发现某个大区的容量使用率低靡不振，则说明这个大区有问题，原因当然是多方面的（如：服务器状况不稳定不能正常游戏、此大区外挂猖獗造成玩家不想在此游戏、游戏本身没有吸引力等等），可以及时发现找原因，而采取相应的处理手段。

3.1.2.1实时服务器容量

?指标含义：反映各大区服务器实时容量使用率情况，计算方法是用当前各大区

的在线人数除以对应大区的容量得出。总容量使用率则是用所有大区在线汇总除以所有大区容量汇总得出。

?数据来源：实时在线表tbRealOnline和大区容量配置表dbOssConf.tbCapacity。

3.1.2.2服务器容量视图

?指标含义：反映各大区服务器最高容量使用率情况，计算方法是用各大区的昨

日最高在线人数除以对应大区的容量得出。总容量使用率则是用所有大区昨日最高在线汇总除以所有大区容量汇总得出。

?数据来源：历史在线表tbHistoryOnline和大区容量配置表dbOssConf.tbCapacity。

3.1.2.3服务器容量趋势

?指标含义：反映长期以来各大区容量使用率情况趋势的，计算方法是把3.1.2.2

中的内容以最近一个月为单位，以曲线图的形式进行展示，可以看出各大区容量长期的一个使用情况的趋势图。

?数据来源：历史在线表tbHistoryOnline和大区容量配置表dbOssConf.tbCapacity。

3.1.2.4ＩＤＣ容量视图

?指标含义：以ＩＤＣ为单位来反映服务器的容量使用率情况，计算方法是以Ｉ

ＤＣ为单位，用各ＩＤＣ的大区昨日最高在线汇总除以对应ＩＤＣ的所有大区容量汇总得出。可以以ＩＤＣ来观察各ＩＤＣ的服务器及网络健康情况。

?数据来源：历史在线表tbHistoryOnline和大区容量配置表dbOssConf.tbCapacity。

3.1.3 历史在线

此项数据主要是对在线的过往历史情况的一个展现，通过此处可以查看该游戏的历史运营情况，何时停机维护了，何时做了活动了，何时是节假日等等信息，基本都可以在历史在线信息中得以很好的展示。

3.1.3.1最高在线和平均在线

?指标含义：展示汇总大区和各分区的历史最高在线、平均在线情况，每天一条

数据，默认展示最近一周的数据。利用时间框可以对时间段进行选择，下拉框可以对大区进行选择。计算方法是每天统计前一天各大区的数据。最高在线：就是前一天各大区在线人数最高时刻的数值，需要注意的是，所有大区最高在线不是对各大区最高在线的数据的累加而得，而是所有大区汇总最高在线时刻的值。平均在线：把昨天抓取的在线点的数据累加，除以抓取点的个数得出，所有大区汇总平均在线，也是用所有大区的在线数据得出。

?数据来源：历史在线表tbHistoryOnline，查询所有大区时iworldid使用２５５

进行查询。

3.1.3.2服务器在线人数

?指标含义：以自然日为单位按大区对业务的实时在线进行展示，实时在线展示

是的游戏现在起最近２４小时的实时在线情况，而此处是以自然日为单位，可以查看连续多日的在线情况。

?数据来源：实时在线表tbRealOnline

3.1.3.3ＩＤＣ在线人数

?指标含义：以自然日为单位按ＩＤＣ对业务的实时在线进行展示，ＩＤＣ实时

在线展示是的游戏现在起最近２４小时的实时在线情况，而此处是以自然日为单位，可以查看连续多日的各ＩＤＣ的在线情况。

?数据来源：ＩＤＣ实时在线表tbIdcRealOnline

3.1.4 在线时长

此项数据是以玩家的在线时长情况为维度对玩家的游戏行为进行观察。按在线时长分段展示玩家的平均在线人数，还增加了按等级展示玩家在线时长分布。对于ＡＣＧ类游戏还增加了对玩家游戏时长的分析统计。此项数据主要是从侧面来反映游戏对玩家的粘度的，玩家的在线时长越长，说明游戏的粘度越大。另外，可以从玩家分级别在线情况看出，主要是哪些级别的玩家在线时间比较长，可以看出游戏的健康度。如果低级别玩家在线时间比较长，说明游戏对新玩家比较有吸引力。

3.1.

4.1平均在线时长区间分布

?指标含义：以小时为为单位，分大区对业务昨日玩家的在线情况进行展示。对

于全区汇总的展示，是对玩家数做过去重的，就是说是按独立ＵＩＮ来计算的。可以查看昨日玩家总在线人数，昨日玩家总在线时长（小时），玩家平均在线时长，以及以小时为单位的时长区间内玩家人数展示。

?计算方法：从玩家登录日志表进行统计，每个玩家从登录游戏一直到退出游戏

内在线时长，如果一天中一个玩家登录多次，则对多次的在线时长进行累加。全区统计时，对同一个独立ＵＩＮ的在线时长也时行累加进行计算。

?数据来源：在线时长统计表tbPlayTime

3.1.

4.2平均在线时长等级分布

?指标含义：主要是从玩家级别维度来观察，分大区对业务的玩家在线时长的人

数分布情况进行展示。对于全区汇总的展示，是对玩家数做过去重的，就是说是按独立ＵＩＮ来计算的。还可以在以在线时长区间的维度来查看昨日各级别玩家在线人数，也可以汇总查看各级别总的在线人数分布。

?计算方法：从玩家登录日志表进行统计，每个玩家从登录游戏一直到退出游戏

内在线时长，如果一天中一个玩家登录多次，则对多次的在线时长进行累加，级别就取玩家当天最高级别进行统计。全区统计时，对同一个独立ＵＩＮ的在线时长也时行累加进行计算，级别则按玩家所有注册过的区的最高级别来进行计算。

?数据来源：在线时长级别分布统计表tbPlayTimeLvDis

3.1.

4.3平均单次在线时长

?指标含义：展示所有玩家平均单次在线时长，以此来查看游戏的在线情况是否正常，服务器是否稳定等等。如果玩家单次在线时长很短，那么可以从单方面来说明这个游戏无法长时间的进行游戏，或者也有可能是经常异常退出，导致单次在线时长低下。具体业务可以根据此项内容具体分析。

?计算方法：从玩家登录日志表进行统计，所有玩家的登录次数以及所有玩家的在线时长。这个统计是不做去重处理的，因为就是要查看所有玩家单次在线的时长。

?数据来源：在线时长统计表tbPlayTime登录次数统计表：tbRoleLoginTimes

3.1.

4.4平均游戏时长区间分布（ＡＣＧ）

说明：

游戏时长只对ＡＣＧ类游戏存在，因为ＡＣＧ是需要建立房间才能进行游戏。这样游戏时长对于ＡＣＧ游戏来讲还是很重要的，因为这类游戏的核心就是玩家建议房间进行游戏，如果游戏时长比在线时长低很多，那就需要分析具体导致此问题的原因了。

?指标含义：以小时为为单位，分大区对业务昨日玩家的打游戏情况进行展示。对于全区汇总的展示，是对玩家数做过去重的，就是说是按独立ＵＩＮ来计算的。可以查看昨日玩家总游戏人数，昨日玩家总游戏时长（小时），玩家平均游戏时长，以及以小时为单位的时长区间内玩家人数展示。

?计算方法：从玩家游戏日志表进行统计，每个玩家从进入游戏房间一直到退出游戏房间的时长，一个玩家一天中多次在房间内参加游戏，则对多次的游戏时长进行累加。全区统计时，对同一个独立ＵＩＮ的游戏时长也时行累加进行计算。

?数据来源：ＡＣＧ游戏时长统计表tbAcgPlayTime

3.1.

4.5平均在线时长等级分布（ＡＣＧ）

?指标含义：主要是从玩家级别维度来观察，分大区对业务的玩家游戏时长的人数分布情况进行展示。对于全区汇总的展示，是对玩家数做过去重的，就是说是按独立ＵＩＮ来计算的。还可以在以游戏时长区间的维度来查看昨日各级别玩家游戏人数，也可以汇总查看各级别总的游戏人数分布。

?计算方法：从玩家登录日志表进行统计，每个玩家从进行游戏房间游戏一直到退出游戏房间的时长，一个玩家一天中多次进入房间参加游戏，则对多次的游戏时长进行累加，级别就取玩家当天最高级别进行统计。全区统计时，对同一个独立ＵＩＮ的游戏时长也时行累加进行计算，级别则按玩家所有注册过的区的最高级别来进行计算。

?数据来源：ＡＣＧ游戏时长级别分布统计表tbAcgPlayTimeLvDis

3.1.

4.6游戏、在线时长比（ＡＣＧ）

?指标含义：在同一个页面中展示游戏用户和在线用户人数比，以及玩家平均游戏时长和平均在线时长比。比值越高，说明游戏的可玩性比较高。比值如果很低的话，就可以从一方面说明登录游戏的玩家没有玩游戏，要不就是在聊天，要不就是无法正常游戏，或者是其它原因导致。这个就需要具体业务具体再做分析了。

?计算方法：这个页面的数据不需要单独统计，就是把上面平均在线时长和平均游戏时长业务的数据整合在一个业务中进行展示，而且增加了比值折线图，从长远趋势可以看出游戏内容对玩家的吸引力。

?数据来源：在线时长统计表tbPlayTime游戏时长统计表：tbAcgPlayTime

3.2 基础数据—用户类

3.2.1 总况

这个目录下的数据主要是下面目录数据的汇总，方便本系统用户直观地查看重要的数据。如果需要了解数据详情，则需要用户点出对应目录下面的页面进行查看和分析。

3.2.1.1用户当日总况

?指标含义：展示该业务的核心指标。在同一个页面中展示了总注册用户数，日

新增注册用户数，日活跃用户数，最高在线，平均在线以及平均在线时长（单位：小时）这些重要指标，可以让查看该业务的用户，对该业务的核心指标一目了然，而无需去查看多个页面来了解。

?计算方法：这个页面的数据不需要单独统计，就是把其它页面中的数据进行整

合展示而已。

?数据来源：注册用户信息统计表tbUserRegister活跃用户信息统计表：

tbUserLogin历史在线表：tbHistoryOnline在线时长表：tbPlayTime

3.2.1.2周用户总况

?指标含义：以周为单位展示用户信息。包括周新增注册用户数，周活跃用户数，

周流失用户数及周回流用户数。

?计算方法：这个页面的数据不需要单独统计，就是把其它页面中的数据进行整

合展示而已。

?数据来源：注册用户信息统计表tbUserRegister活跃用户信息统计表：

tbUserLogin

3.2.1.3双周用户总况

?指标含义：以双周为单位展示用户信息。包括双周新增注册用户数，双周活跃

用户数，双周流失用户数及双周回流用户数。

?计算方法：这个页面的数据不需要单独统计，就是把其它页面中的数据进行整

合展示而已。

?数据来源：注册用户信息统计表tbUserRegister活跃用户信息统计表：

tbUserLogin

3.2.1.4月、双月用户总况

?指标含义：以月为单位展示用户信息。包括月新增注册用户数，月活跃用户数，

月流失用户数、双月活跃用户数及沉默用户数。

?计算方法：这个页面的数据不需要单独统计，就是把其它页面中的数据进行整

合展示而已。

?数据来源：注册用户信息统计表tbUserRegister活跃用户信息统计表：

tbUserLogin

3.2.1.5用户流失率总况

?指标含义：以流失用户为观察点展示付费用户、非付费用户及活跃用户的流失情况。包括非付费用户的周、双周、月流失率，月活跃用户数，付费用户的周、双周、月流失率，月活跃用户数以及活跃用户的周、双周、月流失率，月活跃用户数。

?计算方法：这个页面的数据不需要单独统计，就是把其它页面中的数据进行整合展示而已。

?数据来源：注册用户信息统计表tbUserRegister活跃用户信息统计表：tbUserLogin

3.2.1.6掉线用户数

?指标含义：从玩家退出游戏是否正常的角度来查看游戏服务器的稳定性，查看各种退出游戏玩家的数量和退出次数。例如玩家退出可以分为正常退出（玩家自己关闭客户端退出游戏），异常退出（包括双开游戏被服务器拒绝退出、网络掉线被服务器退出、被认为是外挂踢出等等）。

?计算方法：通过对玩家登出日志进行统计，需要研发的玩家退出日志中记录玩家退出时的状态，是正常退出还是异常退出。按照玩家退出类型，进行分类统计。对于同一个玩家多次退出，统计时会统计为1人，但是对退出次数则是会进行累加的。

?数据来源：玩家掉线统计表tbExceptionalOffline玩家掉线类型配置表：tbOfflineConf

3.2.2 注册用户

3.2.2.1注册新增用户数

?指标含义：用来展示该业务注册用户相关信息，包括总注册用户数（游戏内所有大区注册玩家独立UIN数，如果一个玩家在多个区重复注册角色，只会算一次，不重复计算），日新增注册用户数（当天第一次在该业务注册角色的独立UIN玩家数，如果玩家在该业务其它区注册过角色，则不会被计算），周新增注册用户数（最近一周内，第一次在该业务注册角色的独立UIN玩家数），双周新增注册用户数（最近两周内，第一次在该业务注册角色的独立UIN玩家数），月周新增注册用户数（最近30天内，第一次在该业务注册角色的独立UIN玩家数，遇到每个自然月的最后一天，会按自然月进行计算。例如2月28日时，会计算2月1日到2月28日内该业务的新注册用户数，而不是计算最近30天的，请注意）。

?计算方法：目前大多数业务是根据玩家登入和登出游戏的日志进行统计的，如果玩家是第一次登入游戏，那么就会被认为是新注册用户，然后一直累计到统计当日的注册用户数，就为总注册用户数，周、双周、月的则以统计当天算起，最近7天、14天、30天的新注册用户数。但是考虑到登入日志偶尔会出现丢失现象，所以现在我们都是对游戏的登入和登出日志都进行统计的。理论上这种方式统计出的注册用户数应该和游戏注册用户表里的数据是一样的，但是偶尔存在部分玩家注册不成功时，游戏角色表中无玩家信息，但是登录日志中有玩家日志。或者角色表中有玩家信息，而日志中无记录等问题。就目前各业务使用情况来看，这种情况影响很小，可以暂不关注。

?数据来源：用户注册信息表tbUserRegister

3.2.2.2新注册用户地区分布

?指标含义：新注册用户的定义及计算方法上面已经介绍过了。这个指标是从新

注册用户的IP来区分新注册用户的地区分布，目前只能精确到省。该指标主要用于查看该业务的用户主要来自于哪个地区，可以用来评估地区活动拉新的情况。目前只能查看所有大区汇总的情况，不支持单区查询。

?计算方法：根据新增玩家第一次登录时IP地址来进行区分，每个独立UIN只会计算一次，就是说如果同一个玩家在多个区注册了角色，那么只以他第一次登录游戏时的IP为准，其它的不会在重复计算。这个统计还需要依赖于我们所使用的IP库。

?数据来源：新注册用户地区分布表tbDayRegRegionDis

3.2.2.3总注册用户地区分布

?指标含义：所有注册用户按地区分布展示。用于查看当前该业务所有注册用户的分布情况。

?计算方法：不做另外单独统计，直接对每天新注册用户地区分布的表进行累加。由于每天的新注册用户是不会和以前的重复的，所以直接累加就可以了。但是由于存在部分业务不删档前的数据没有删除，所以会发现造成查看总注册用户地区分布里，所有地区的用户累加后，会大于上面统计出的总注册用户数，这个是由于多加了不删档前的数据，如需要去掉，可以联系该业务对应技术人员进行处理。

?数据来源：新注册用户地区分布表tbDayRegRegionDis

3.2.2.4新注册用户存留跟踪(90天)

?指标含义：对每天的新注册用户进行存留分析。玩家如果登录游戏，则被认为存留，否则被认为流失。这个指标会对每天的新注册用户，在接下来的90天进行跟踪分析他们的登录行为。主要用于分析该业务对于新注册用户的吸引力。所有业务第1天的用户存留都为100%，因为注册当日肯定会登录游戏，那么我们观察的重点就是接下来的情况，正常情况接下来的存留值应该是一个比较稳定的值，这些用户就是我们的目标用户，应该尽量保护他们，让他们持续的玩下去。刚公测的游戏一般新注册用户存留率会比较高，理想情况应该可以达到30%左右，太低则需要对业务进行调研。稳定的业务一般维持在10%左右。

?计算方法：对每天的新注册用户，在接下来的90天进行登录跟踪分析，我们约定注册当日为第一天，接下来为第二天，依次类推，会统计接下来90天的情况。

例子：例如1月1日新注册用户数为1000人，那么1月1日的第一天存留用户会记录为1000。接下来观察1月2日当日1月1日注册的1000用户在1月2日的登录情况，我们假设1000人中，有700人在1月2日登录了，那么就会记录1月1日注册用户的第二天存留人数为700。同理，当这1000人在1月3日有300人登录，则我们会记录1月1日的新注册用户的第三天存留用户数为300。接下来会跟踪90天，计算方法和原理是一样的。从这个例子中也可以看出，留存用户是可以重复的，就是说1月2号登录的700人中，可能在1月3号也登录了，这个在1月3号中是不会做去重处理，请注意。

?数据来源：新注册用户存留分析表tbResidentUser

3.2.2.5新注册存留用户等级分布(30天)

?指标含义：和新注册用户存留跟踪的含义完全相同，只是更细化从用户级别维度来查看新注册用户存留情况。

?计算方法：和新注册用户存留跟踪的方法相同，但是增加每天跟踪用户的级别细分。

?数据来源：新注册用户存留等级分布tbResidentUserLvDis

3.2.3 注册角色用户数

增加通过各大区的注册角色数来观察游戏，这项指标可以按大区进行查看，以

此来反应游戏注册角色过程中的运营情况。

3.2.3.1注册角色用户数

?指标含义：指标含义和注册新增用户数一样，包括总注册角色用户数、日新增注册角色用户数、周新增注册角色用户数、双周新增注册角色用户数、月新增注册角色用户数。但是这里的数据和注册新增用户数里面的数据来源不同，所以数据会不同。如果这里的数据偏小，则是因为玩家登录游戏后，没有成功注册角色就退出了客户端，这样就导致注册角色用户会比登录用户少。根据不同的游戏，需要进行具体分析差异原因。

?计算方法：这个指标是通过注册角色信息表统计得出。所有大区汇总的总注册角色用户数，就是把所有区注册角色按QQ号进行去重而得，按大区查看展示的数据是对单大区所有角色用户进行去重得到。所有大区汇总的日新增注册角色用户数是指在所有大区都从未注册过角色，当天是第一次注册角色的用户才会被统计。按大区查看日新增注册角色用户数，是指以前未在该大区注册过角色，当天是第一次在该大区注册的用户才会被统计到。

?数据来源：注册角色用户表tbRegisterUser

3.2.3.2日新增注册角色用户职业级别分布

?指标含义：按角色职业类别，以及角色职业等级分布二维的角度来查看当天新注册用户的分布情况。

?计算方法：通过注册角色信息表进行统计。按角色职业来查看用户的新注册角色情况。如果一个用户以前注册过一种角色职业，当天又注册了新的角色职业，则会被统计为新注册角色职业进行展示。指标中所展示的职业级别是指用户当天使用该职业所达到的级别。

?数据来源：日注册角色用户职业级别分布tbDayRegisterUserLvDis

3.2.3.3所有注册角色用户职业级别分布

?指标含义：通过角色职业类型和角色职业等级分布两个维度来查看游戏内所有注册角色的职业等级分布。

?计算方法：通过注册角色信息表进行统计。汇总所有角色职业的信息，按职业级别进行展示。按大区查看时就是对所查看大区的职业和级别进行统计。

?数据来源：注册角色职业等级分布tbRegisterUserLvDis

3.2.3.4月注册角色用户职业等级通过率

?指标含义：按职业分类来查看月（近30天）各职业等级的人数及各等级的通过率。等级通过率是用各职业所有等级的人数去除各职业等级的人数而得，所以等级的通过率的和应该为100％。

?计算方法：通过注册角色信息表进行统计。每天都统计近30天各职业等级人数，每月最近一天，则按自然月进行统计。

?数据来源：月注册角色职业等级通过率表tbMonthRegisterUserLvPass

3.2.3.5

3.2.4 新注册用户流失跟踪

3.2.

4.1新注册用户流失率

?指标含义：按固定周期（周、双周、月）对新注册用户的流失情况进行观察。观察周期暂不支持用户随便选择。

?计算方法：通过用户登录表统计而得。周观察，是指14天前的当天新注册用户在统计日期近7天的流失情况。双周观察，是指28前当天的新注册用户在统计日期近14天的流失情况。月观察，是指60天前当天的新注册用户在统计日期近30天内的流失情况。

?数据来源：新注册用户跟踪表tbResidentUser

3.2.

4.2新注册用户流失跟踪(90天)

?指标含义：用于展示每天注册用户在接下来的90天中的流失情况，包括接下来每天的流失人数和流失率。注册当天被定义为第一天流失，后面依次类推为第二天、第三天、直到第90天。可以查看任意一天注册用户在接下来90天的流失情况，以此可以帮助分析人员掌握新注册用户的流失规律，如果流失严重，则需要分析游戏规则，来争取新注册用户。

?计算方法：通过用户登录日志信息计算而得。每天统计都要计算前90天每天的新注册用户的登录情况，主要是计算每天注册用户的最后一次登录日期，我们把新注册用户的最后一次登录日期认为是他的流失日期，这个数据每天统计时会重新刷新一次。

例子：假设某游戏1月1日新注册用户数为1000人，这1000人在1月2号登录了400人，则我们会记录第一天的流失人数为600人（1000－400）。第二天的流失人数为400人。1月3号时1000人中又有300人登录了游戏（其中200人最后一次登录日期为1月1号，100人最后一次登录日期是1月2号）。那么在1月3号查看1月1号新注册用户的流失情况时，我们会记录第一天流失用户为400人（600－200），第二天流失人数为300人（400－100），第三天流失人数为300人。

说明：从这个例子可以看出来，我们每天的统计都会认为所有的新注册用户都流失了，所以每天的新注册用户在接下来每天的流失人数是不会重复记录的，我们是按用户的最后一次登录日期来计算流失的。注意这点和新注册用户存留用户不同，存留用户的统计的只要玩家登录了游戏就会被记录，每天的存留用户是可能会重复的，但是这里的新注册用户流失人数之间是不会重复的，所以所有流失用户加起来就等于注册日期当天的所有新注册用户数。

?数据来源：新注册用户跟踪分析表tbResidentUser

3.2.

4.3新注册流失用户等级分布(30天)

?指标含义：含义和上面介绍的新注册用户流失跟踪是完全相同的，只是这里对每天的流失用户细化了流失玩家各级别的人数分布。由于增加了级别维度观察后，数据量会增加倍，所以此项指标只跟踪最近30天的数据进行分析。

?计算方法：计算方法也和上面介绍的新注册用户流失跟踪完全相同，只是需要对每天流失的用户按级别进行统计。

?数据来源：新注册用户分级别跟踪分析表tbResidentUserLvDis

3.2.

4.4新注册用户流失对比

?指标含义：按周进行观察，对一周内每天的新注册用户在各自接下来7天的流失情况，放在一起进行查看。默认展示一周前一周的每天的新注册用户，在各自接下来

一周的每天的流失情况。以此来观察一周中每天新注册的玩家的流失的规律。

?计算方法：和新注册用户跟踪分析完全一致。这个指标只是从侧面对数据进行展示。

?数据来源：新注册用户跟踪分析表tbResidentUser

3.2.

4.5新注册用户流失对比(累计加总)

?指标含义：按周进行观察，对一周内每天新注册用户在各自接下来7天的流失人数进行累加展示。所以看到第7天时，会认为所有用户都流失了。第一天展示的数据就是当天注册用户在后面在也没有登录过游戏的用户数。第二天展示的数据是用户只在第一天和第二天登录过，后面没在登录过的用户数。第三天展示的数据以此类推。

?计算方法：和新注册用户跟踪分析完全一致。这个指标只是从侧面对数据进行展示。

?数据来源：新注册用户跟踪分析表tbResidentUser

3.2.

4.6按自然周新注册用户总数周流失率

?指标含义：按自然周对一周内新注册的用户在接下来一周的流失情况。注意这个指标是对一周新注册用户进行观察的，不是对单天的新注册用户。新注册用户在注册后7天之内登录过，7天之后再也没有登录过，视为新注册用户周流失。

?计算方法：和新注册用户跟踪分析完全一致。这个指标只是从自然周对数据进行展示。

?数据来源：新注册用户跟踪分析表tbResidentUser

3.2.5 所有用户活跃情况

3.2.5.1活跃用户数

?指标含义：用于展示游戏每天登录的独立UIN用户数。活跃，就是指登录过游戏的用户。这个指标项包括四项指标：日活跃用户数（当天登录过游戏的独立UIN用户数）、周活跃用户数（最近7天内登录过游戏的独立UIN用户数）、双周活跃用户数（最近14天内登录过游戏的独立UIN用户数）和月活跃用户数（最近30天内登录过游戏的独立UIN用户数，在每个自然月的最近一天，按自然月进行计算，不是30天。例如：2月28日时，只统计2月1号到2月28号之间登录过游戏的用户数）。

?计算方法：玩家登录游戏日志信息表。按所有服务器汇总查询时，日活跃用户数展示的数据是对该游戏当天所有大区的登录用户，按独立UIN做去重后所得，如果一个玩家当天在多个大区登录过，只会被计算一次，不会重复计算。周活跃用户数展示的数据是对该游戏所有服务器最近7天内登录过游戏的用户，按独立UIN做去重所得，如果一个玩家最近7天内连续多天在同一大区或者不同大区登录过游戏，也只会被计算一次，不会重复计算。双周活跃用户数和月活跃用户数计算方法是类似的，分别是对最近14天内和30天内登录过的用户做去重所得。需要注意的是，月活跃用户数在每个自然月的最后一天的数据是按自然月进行计算的，不再按照30天进行计算。

按单个服务器查询时，计算方法和全区是类似的。只是所展示的数据是对单个服务器的数据进行去重而得，就是说如果一个玩家在多个区登录过，在各大区是重复计算的，大区之间是不会干扰的，但是全区计算时是去重的。

?数据来源：登录用户信息统计表tbUserLogin

3.2.5.2流失用户数

?指标含义：流失和活跃是一个相对的概念。如果玩家在前一个计算周期有登录游戏（即活跃），在接下来一个计算周期内没有登录游戏，就会被我们定义为是流失用户。因为日流失用户数这个数据参考性不大，所以这个指标项只有三个指标：包括周流失用户数、双周流失用户数和月流失用户数。

?计算方法：通过玩家登录游戏日志游戏计算所得。周流失用户数，以14天为一个观察周期，是指前7天登录过游戏的用户数（即周活跃用户数），在接下来7天没有登录过游戏的用户数，则被定义为周游戏用户数。双周流失用户数，以28天为一个观察周期，是指前14天登录过游戏的用户数（即双周活跃用户数），在接下来14天内没有登录过游戏的用户数，则被定义为双周流失用户数。月流失用户数，以60天为一个观察周期，是指前30天登录过游戏的用户（即月活跃用户），在接下来30天没有登录过游戏的用户，则被定义为月流失用户数。每个自然月的最后一天是按照自然月进行计算，就是上一个自然月登录过游戏的用户，在本自然月没有登录过游戏的用户数，则定义为流失用户数。

?数据来源：登录用户信息统计表tbUserLogin

3.2.5.3回流用户数

?指标含义：回流和流失是一个相对的概念。如果玩家在第一个计算周期内登录过游戏（即活跃用户），在第二个计算周期内没有登录过游戏（即流失用户），但在第三个计算周期又登录了游戏，则被我们定义为是回流用户。同理，按单天计算这个数据的参考意义不是很大，所以这个指标也包括三个周期的指标：包括周回流用户数、双周回流用户数和月回流用户数（因为月回流需要观察3个月的数据，目前实现有困难，暂不提供，如有需要可以联系对应游戏的接口人进行咨询）。

?计算方法：通过玩家登录游戏日志游戏计算所得。周回流用户数，以21天（即3周）为一个观察周期。如果玩家在第一个7天登录过游戏，在第二个7天没有登录过游戏，在第三个7天内登录过游戏，这样的用户就被我们定义为周回流用户数。双周回流用户数和月回流用户数的计算方式和周是类似的，只是计算周期分别为14天和30天，而观察周期为42天（即3个双周）和90天（即3个月）。

?数据来源：登录用户信息统计表tbUserLogin

3.2.5.4活跃用户流失率

?指标含义：该指标项是把同一个观察周期内的活跃用户和流失用户结合在一起来进行展示，相比流失用户数指标，增加了流失率的展示。流失率是用第一个计算周期内的活跃用户数去除第二个计算周期内的流失用户数而得到的。按计算周期来分，可以分为周流失率、双周流失率和月流失率。

?计算方法：这个指标项的数据不需要重复计算，是用活跃用户数指标项和流失用户数指标项的数据综合计算而得。

?数据来源：登录用户信息统计表tbUserLogin

3.2.5.5流失用户回流率

?指标含义：该指标项是把同一个观察周期内的流失用户和回流用户结合在一起来进行展示，相比回流用户数指标，增加了用户回流率的展示。回流率是用第二个计算周期内的流失用户数去除第三个计算周期内的回流用户数而得到的。按计算周期来分，可以分为周流失率、双周流失率和月流失率。

?计算方法：这个指标项的数据不需要重复计算，是通过流失用户数指标项和回

流用户数指标项的数据综合计算而得。

?数据来源：登录用户信息统计表tbUserLogin

3.2.5.6活跃用户数等级分布

?指标含义：这个指标项是对活跃用户指标项的一个细化，增加了级别维度来观察用户的活跃行为。可以查看日、周、双周和月活跃用户的详细级别分布，通过下上面的下拉框可以进行计算周期的选择。级别默认是按级别分段来展示的，如果想相看每级的详情，也可以通过自行选择进行查看。

?计算方法：通过用户登录日志表计算所得。计算方法和活跃用户数指标项完全相同，只是增加了对各级别活跃用户数的统计而已。把统计日期的所有级别的活跃用户数累加应该等于活跃用户数指标里对应日期的活跃用户数。

?数据来源：登录用户级别分布信息统计表tbUserLoginLvDis

3.2.5.7流失用户数等级分布

?指标含义：这个指标项是对流失用户数指标项的一个细化，增加了级别维度来观察用户在一个观察周期中的流失的级别分布情况。可以看出玩家在哪个级别流失会比较严重，从侧面可以考虑是不是这个级别升级比较困难或者其它原因，导致玩家在这个级别大量流失。

?计算方法：通过用户登录日志表计算所得。计算方法和流失用户数指标项完全相同，只是细化了对流失用户级别情况的统计而已。所统计日期的所有级别的流失用户数累加，应该等于流失用户数指标里对应日期的流失用户数。

?数据来源：登录用户级别分布信息统计表tbUserLoginLvDis

3.2.5.8回流用户数等级分布

?指标含义：这个指标项是对回流用户数指标项的一个细化，增加了级别维度来观察用户在一个观察周期中的回流用户的级别分布情况。

?计算方法：通过用户登录日志表计算所得。计算方法和回流用户数指标项完全相同，只是细化了对回流用户级别情况的统计而已。所统计日期的所有级别的回流用户数累加，应该等于回流用户数指标项对应日期的回流用户数。

?数据来源：登录用户级别分布信息统计表tbUserLoginLvDis

3.2.5.9活跃用户地区分布

?指标含义：按省份和地区来查看当天登录用户的分布情况。主要用于查看该游戏的用户在全国的分布情况，对于不同的游戏由于全国的文化差异和经济发展情况不同，分布情况确实有较大差异。

?计算方法：通过用户登录日志表进行计算。需要记录用户的登录IP信息和公司的IP信息库来进行统计。通过玩家的登录IP和公司提供的IP信息库进行对比，以确定玩家的登录地点。如果玩家一天中登录多次，会随机选择其中一次的登录IP进行计算，而不会做多次计算，理论上讲同一个玩家的登录地点是固定的，不会变动很频繁。

?数据来源：用户地区分布统计表tbDayLoginRegionDis

3.2.5.10

3.2.6 消费用户活跃情况

对消费用户的登录行为进行观察。消费用户：曾经在游戏内购买过付费道具或

者其它消费行为的玩家。

3.2.6.1活跃消费用户数

?指标含义：以是否登录过游戏来观察消费用户的活跃情况。日活跃消费用户数，是指玩家曾经在游戏内消费过（即购买过付费道具），不需要限制是否当天消费，并且在统计当天有登录游戏的用户数。周活跃消费用户数，是指玩家是消费用户，并且在统计日期的最近７天内有登录过游戏的用户数。双周活跃消费用户数，是指最近１４天登录过游戏的消费用户数。月活跃消费用户数，是指最近３０天登录过游戏的消费用户数。

?计算方法：和活跃用户数指标项计算方法完全相同，只是观察群体为所有消费用户，而非所有注册用户。