移动游戏运营必备的数据分析指标
游戏运营数据分析
游戏运营数据分析1. 引言游戏运营数据分析是指通过对游戏运营过程中产生的数据进行收集、整理、分析和解读，以便为游戏运营团队提供决策支持和优化策略。
本文将详细介绍游戏运营数据分析的重要性、常用的数据指标和分析方法，并结合具体案例进行说明。
2. 重要性游戏运营数据分析对于游戏公司的发展至关重要。
通过对数据的分析，可以帮助游戏公司了解玩家行为、游戏特性和市场趋势，从而优化游戏设计、改进用户体验、提升用户留存和付费率，实现游戏的可持续发展。
3. 常用数据指标3.1 用户留存率用户留存率是衡量游戏用户粘性的重要指标。
它可以通过统计某一时间段内的新增用户在后续时间内的活跃情况来计算。
高留存率意味着游戏具有较好的用户体验和吸引力。
3.2 付费率付费率是指在游戏中进行付费的用户占总用户数的比例。
通过分析付费率，可以了解游戏的盈利能力和用户付费意愿。
同时，还可以通过对不同付费用户的行为进行分析，制定个性化营销策略，提高付费率。
3.3 平均每用户收入（ARPU）ARPU是指每个用户平均产生的收入。
通过计算总收入除以总用户数，可以得到ARPU值。
ARPU是衡量游戏盈利能力的重要指标，高ARPU值意味着每个用户的付费能力较强。
3.4 用户流失率用户流失率是指在某一时间段内停止使用游戏的用户占总用户数的比例。
通过分析用户流失率，可以了解游戏的用户流失原因，进而采取相应措施提高用户留存。
4. 数据分析方法4.1 基础统计分析基础统计分析是最常用的数据分析方法之一。
通过对游戏运营数据进行整理和统计，可以得到用户数量、收入情况、用户活跃度等基本信息。
基础统计分析可以帮助游戏运营团队了解游戏的整体情况，及时发现问题并采取相应措施。
4.2 用户行为分析用户行为分析是通过对用户在游戏中的行为数据进行挖掘和分析，了解用户的游戏习惯、兴趣和需求。
通过用户行为分析，可以优化游戏内容、改进用户体验，提高用户留存和付费率。
4.3 市场竞争分析市场竞争分析是通过对游戏市场的数据进行分析，了解竞争对手的产品特点、用户群体和市场趋势。
手游运营的指标
手机游戏运营主要的指标是什么数据采集越细，手段越丰富，所获得的数据也就更加详实，虽然手机游戏没有网游那么复杂，但也需要数据化运营，而且是必要的，是优化游戏收入的关键，大家最主要关心的是下面三类数据的指标1. 用户数量首先，在移动设备上，用户获取的路径是有很多步的，尽量缩短获取路径或提高每一步的转化率是降低用户获取成本的关键。
以标准的用户转化路径为例, 渠道->点击->下载->安装->激活•渠道：收集数据可以从源头知道用户的数量，后期结合其他数据推算出激活成本，而且后期也需要评估分析渠道用户的质量，来评估是否与推广初期设定的目标相符。
•点击率：如果是做广告，广告的文案和样式的设计会直接影响。
•安装：安装方式（PC下载或手机下载），安装包大小（不宜太大），安装环境（Wifi或3G）会影响安装率。
•激活：安装完成最后打开产品后叫做激活，运营一款产品时通常会综合推广成本和激活数来计算出激活成本，也叫用户获取成本，这是很关键的一个指标，主要通过这个指标来考核各个渠道推广的效果2. 用户质量体现用户质量的数据有几个重要指标，分别是•活跃用户，日（DAU），周（WAU），月（MAU）•平均停留时长•启动频率•留存率（次日留存，7日留存，月留存）最重要的一个指标是留存率，因为用户来了，能把他们留住才是王道那么，如何才能提高用户留存率呢？想要提高用户的留存率，其实就要发现用户是在哪个环节流失的，并且找到流失的原因，然采取改进的解决方案，最大可能的减少用户流失率才行以新手玩家的流程为例，新用户流失环节通常就是用户流失严重的地方，所以分析的价值比较高，来看这个转化路径登陆->注册->创建角色->新手教程->完成前三关每个转化环节都是会流失用户的，所以，通过收集各环节的数据来追踪用户的转化率，发现每个环节上的问题，比如登陆打开游戏的人有多少会完成注册，注册了以后有多少人创建了人物角色，之后完成新手教程，通过前三关比例成为一个有一定忠诚度的用户，当这个分析结果出来以后，你会分析每个环节上有可能出现的问题，是否和预期相符，接下来应该怎么样设计游戏和用户引导流程可以更高效的把新用户留下来。
【入门篇】移动游戏数据分析框架-活跃&留存相关指标详解
备注：精准的回归率分母除以历史以来流失的用户总数，但是由于游戏的用户是不断累积的，因此会导致回归率越来越低趋近于0；因此，通常去过去3个月内流失的用户作为流失用户池；回归率最经常应用的场景就是评估运营活动的效果最后是活跃相关的数据指标：文章开篇有提到，除了增加活跃用户的规模之外，还需要提高活跃用户的质量，即游戏参与度，在固定周期内，用户参与游戏的时间越久，我们就越有机会让用户转换为付费用户，因此在游戏中，我们通常会关心以下2个指标：AT（Daily Avg. Online Time）日均使用时长：活跃用户平均每日在线时长；EC（Engagement Count）用户登录频率：用户开打游戏客户端记为一次登录，登录频率即统计周期内平均每用户登录游戏的总次数；衡量用户的游戏参与度，游戏人气的变化趋势等如何结合游戏内的数据，做分析并帮助指定运营计划和版本功能，以达到提升活跃的目的，这部分会在进阶篇中列举详细案例具体说明；===================小结:活跃相关======================AU（Active Users）活跃用户定义：用户开打游戏客户端记为一次登录；拓展应用：根据统计周期段又划分为DAU（日活跃用户），WAU（周活跃用户）,MAU（月活跃用户）；应用场景：衡量产品的核心用户规模，观察产品在线的周期性变化；PCU（Peak Concurrent Users）最高同时在线用户人数定义：统计周期内，同一时点（通常精确至分）的最高在线人数；备注：PCU<=DAU，通常情况下PCU受游戏内运营活动影响较大；ACU（Average Concurrent Users）平均同时在线用户人数定义：统计周期内，每个时点（通常精确到分）的平均在线人数；公式：DAU * AT / 时间精度（若精确到分钟，则除以 24*60）；AT（Daily Avg. Online Time）日均使用时长：定义：活跃用户平均每日在线时长；公式：AT = 日总在线时长 / DAUEC（Engagement Count）用户登录频率：定义：用户开打游戏客户端记为一次登录，登录频率即统计周期内平均每用户登录游戏的总次数；备注：根据统计周期不同，通常每日登录频率统计的是登录次数；周及月的登录频率统计的是登录天次（一天登录多次记为一次）应用场景:衡量用户的游戏参与度，游戏人气的变化趋势等===================小结:留存相关====================UsersLeave 用户流失定义：统计日登录游戏，但在随后N日内未登入游戏的用户占统计日活跃用户的比例 ;应用场景：精确定义流失行为，通过观察流失用户的状态、流失前行为来判断游戏产品可能存在的问题；流失标准：根据N的取值不同，可设置不同流失标准：N=1 流失概率56.71%；N=7 流失概率95.16%；N=14流失概率98.56%；DRR（Daily Retention Rate）日留存率定义：统计当日登录游戏的用户，在之后N日内至少登录一次游戏的用户占统计当周活跃用户比例；WRR（Weekly Retention Rate）周留存率定义：统计当周登录过游戏，且下一周至少登录一次游戏的用户占统计当周活跃用户比例；MRR（Monthly Retention Rate）月留存率定义：统计当月登录过游戏，且下一月至少登录一次游戏的用户占统计当月活跃用户比例；ULR（Users Leave Rate）用户流失率定义：1-留存率；备注：根据统计周期不同，可以区分为日留存、周留存、月留存；人人都是产品经理（）中国最大最活跃的产品经理学习、交流、分享平台。
游戏运营数据分析指标
游戏运营数据分析指标首先，玩家留存率是一个非常重要的指标。
留存率可以衡量游戏的吸引力和用户忠诚度。
通常，留存率可以分为日留存率、周留存率和月留存率。
如果留存率高，说明玩家对游戏非常满意，并且愿意继续留在游戏中。
然后，付费率是另一个重要的指标。
付费率可以衡量玩家对游戏的付费意愿和游戏的盈利能力。
付费率可以分为日付费率、周付费率和月付费率。
如果付费率高，说明玩家对游戏非常认可，并且愿意为游戏付费购买虚拟物品或者升级服务。
接下来，平均每用户收入（ARPU）也是非常重要的指标之一、ARPU可以衡量游戏公司从每个用户身上获得的平均收入。
ARPU可以根据游戏公司的经营策略和用户群体进行调整。
如果ARPU高，说明游戏公司的盈利能力较强。
同时，用户流失率也是需要关注的指标。
用户流失率可以衡量用户在一段时间内停止使用游戏的比例。
如果用户流失率高，说明游戏存在一些问题，需要进行优化和改进，以避免用户的流失。
除了上述指标外，还有一些其他的常用指标，包括用户平均在线时长、用户平均日活跃人数、每用户平均游戏次数等。
这些指标可以帮助游戏公司了解用户的活跃程度和用户体验，从而优化游戏设计和运营策略。
除了关注这些指标之外，游戏公司还可以使用数据分析工具来进行数据挖掘和模型构建。
通过数据挖掘，可以发现用户行为的规律，识别用户的偏好和需求，从而提供更好的游戏体验和服务。
通过模型构建，可以预测用户的行为和需求，从而指导游戏公司的运营决策。
总之，游戏运营数据分析是游戏公司进行优化和改进的重要环节。
通过关注留存率、付费率、ARPU、用户流失率等指标，并结合数据挖掘和模型构建，可以帮助游戏公司提高游戏质量，增加用户粘性，提升盈利能力。
游戏运营数据分析
游戏运营数据分析引言概述：游戏运营数据分析是指通过对游戏运营过程中产生的各种数据进行采集、整理和分析，以获取有关游戏运营情况的信息。
这些数据包括用户行为、收入、留存率等，通过对这些数据进行深入分析，游戏运营者可以更好地了解用户需求、优化游戏体验、提高用户留存率和收入。
一、用户行为数据分析1.1 用户活跃度分析：通过统计每日、每周、每月的用户活跃度，了解用户对游戏的使用频率和时长。
可以根据活跃度数据，确定用户的使用习惯和游戏的受欢迎程度，进而调整推送策略、活动安排等，以提高用户黏性和留存率。
1.2 用户流失率分析：分析用户在游戏中的流失率，找出用户流失的原因和流失节点。
可以通过追踪用户行为数据，了解用户在游戏中的痛点和不满意之处，并及时进行优化和改进，以提高用户留存率和游戏体验。
1.3 用户付费率分析：通过分析用户的付费行为和付费金额，了解用户的消费习惯和付费意愿。
可以根据用户付费率数据，优化游戏内购系统、设计更有吸引力的虚拟商品，并针对不同用户群体制定个性化的付费策略，以提高游戏收入。
二、收入数据分析2.1 收入来源分析：通过分析游戏的收入来源，了解哪些渠道和产品贡献了主要的收入。
可以根据收入来源数据，优化渠道合作关系、调整产品定价策略，以提高收入的稳定性和增长性。
2.2 付费习惯分析：分析用户的付费习惯和付费行为，了解用户的消费偏好和消费习惯。
可以根据付费习惯数据，设计更有吸引力的付费活动、优化付费方式，以提高用户付费率和收入。
2.3 收入趋势分析：通过对收入数据的趋势分析，了解游戏收入的变化趋势和原因。
可以根据收入趋势数据，及时调整运营策略、推出新的变现方式，以应对市场变化和提高收入。
三、留存率数据分析3.1 新用户留存率分析：通过分析新用户的留存率，了解新用户的流失情况和留存质量。
可以根据新用户留存率数据，优化新手引导流程、改进游戏难度平衡，以提高新用户留存率和游戏体验。
3.2 老用户留存率分析：分析老用户的留存率，了解老用户的流失原因和留存动力。
游戏运营数据分析 (2)
游戏运营数据分析游戏运营数据分析是指通过收集、整理、分析游戏运营过程中产生的各类数据，以获取有关游戏业务、用户行为和市场趋势等方面的有价值信息，从而为游戏运营决策提供科学依据和参考。
一、数据收集1.用户数据：包括注册用户数、活跃用户数、付费用户数、留存用户数、用户流失率等。
2.游戏数据：包括游戏时长、游戏次数、关卡通过率、道具使用情况等。
3.收入数据：包括游戏内购买金额、广告收入、充值渠道分析等。
4.市场数据：包括竞品分析、用户画像、用户反馈等。
二、数据分析1.用户行为分析：通过用户数据和游戏数据分析用户行为习惯、游戏偏好、用户转化率等，以了解用户需求和行为动向。
2.用户留存分析：通过留存用户数和留存率分析用户粘性，发现用户流失原因，制定留存策略。
3.收入分析：通过收入数据和用户数据分析用户付费习惯、付费转化率、ARPU（每用户平均收入）等，为提高收入和用户价值提供依据。
4.市场分析：通过市场数据和用户数据分析竞品优劣势、用户需求变化、市场趋势等，为产品策划和推广提供参考。
三、数据可视化1.制作数据报表：将分析结果以表格、图表等形式呈现，清晰展示游戏运营情况和趋势。
2.制作数据仪表盘：将多个指标整合在一个仪表盘中，方便管理层和决策者实时监控和评估游戏运营状况。
3.制作数据图表：通过折线图、柱状图、饼图等形式展示数据，帮助快速理解和比较数据。
四、数据应用1.运营决策：根据数据分析结果，制定游戏运营策略、用户增长策略、留存策略等，提高用户活跃度和收入。
2.产品改进：通过用户行为分析和用户反馈，优化游戏体验、调整游戏内容，提高用户满意度。
3.市场推广：通过市场分析，确定目标用户群体、推广渠道和推广策略，提高游戏知名度和用户获取效率。
4.运营监控：通过数据可视化，实时监控游戏运营情况，及时发现问题并采取措施解决。
综上所述，游戏运营数据分析是通过收集、分析游戏运营过程中产生的各类数据，以获取有关游戏业务、用户行为和市场趋势等方面的有价值信息，为游戏运营决策提供科学依据。
移动游戏运营必备的数据分析指标
挪移游戏运营必备的数据分析指标AARRR 模型指出了挪移游戏运营两个核心点：1) 以用户为中心，以完整的用户生命周期为线索2) 把控产品整体的本钱/收入关系，用户生命周期价值(LTV)远大于用户获取本钱(CAC)就意味着产品运营的成功挪移游戏的运营会经历如下从投入到产出的循环进程：Acquisition 用户获取(投入)Activation & Retention 用户活跃及留存Revenue 用户转化(产出)1．用户获取-Acquisition 关键指标这个阶段是业务的投入期。
运营者通过各类推行渠道(Channel) ，以各类方式获取目标用户。
这个阶段数据分析最重要的就是通过组合各类维度(如时间、地域、渠道)对各类营销渠道的效果进行评估，从而加倍优化合理的肯定投入策略，最小化用户获取本钱(CAC)关键数据:1. 用户数量(以时间、地域、版本、推行渠道等不同维度来拆解分析新增、总数及增加率，组合各类维度来分析各类营销渠道的用户获取效果和目标用户扩散)：点击用户数(Click)安装用户数(Install)注册用户数(Sign-Up)在线用户数(Login):最高在线(PCU)平均在线(ACU)日活跃(DAU)周活跃(WAU)月活跃(MAU)有效用户数：不同类型产品会有不同的概念(可能是注册用户或者登录用户或者付费用户) 2.渠道转化率：点击- >安装- >注册- >登录的转化比率(分渠道)3 ．自然增加用户 Organic Users：非推行手腕取得的用户，若是此数据增加率相对Marketing Users 的增加率很高，或者说明产品已经进入成熟稳按期，或者说明营销推行需要增强了。
推行取得用户 Marketing Users ：推行渠道取得的用户，含有渠道标签，用于宏观的评价渠道推行效果。
4 ．虚假用户数(One Session/Day User) ：顾名思义，一次会话用户。
移动游戏运营数据分析指标白皮书
移动游戏运营数据分析指标白皮书移动游戏的运营数据分析是整个游戏运营过程中的一个关键环节，而移动游戏的运营数据指标就是在此基础上展开的具体工作。
随着市场竞争的加剧和用户需求的不断变化，移动游戏的运营数据分析也需要不断地更新，才能够更好地发现游戏运营中存在的问题，提高用户留存率和收入增长。
在本文中，我们将会分析当前流行的移动游戏运营数据分析指标，并探讨它们的相关应用。
一、DAU（日活跃用户）DAU是指每日活跃用户的数量，是游戏运营数据分析中最常用的指标之一。
通过DAU，我们可以了解游戏的日活跃情况，通过对每日的DAU数据进行对比，可以得出游戏受欢迎的时间段和季节，为游戏的运营决策提供基础数据。
二、MAU（月活跃用户）MAU是指每月活跃用户的数量，与DAU类似，是衡量游戏受欢迎程度的重要指标。
与DAU不同的是，MAU可以更全面地了解整个月内的游戏用户活跃情况，通过对MAU数据的分析，我们可以更好地掌握用户的留存情况。
三、ARPU（每用户平均收入）ARPU是指每个用户的平均收入，是移动游戏收入情况的重要指标之一。
通过ARPU，我们可以了解不同游戏之间用户的消费情况，从而针对不同游戏类型和用户群体，优化游戏的运营策略。
四、ARPDAU（每日活跃用户平均收入）ARPDAU是指每日活跃用户的平均收入，是ARPU与DAU的结合指标，常被用于分析游戏的具体收入情况。
ARPDAU的分析可以指导运营人员积极推广付费活动，提高游戏收入。
五、LTV（用户生命周期价值）LTV是指用户生命周期价值，是指用户在游戏中的价值总和。
通过对LTV的分析，我们可以了解游戏每个用户对游戏收入的贡献情况，从而开展更具针对性的用户运营活动，提升用户留存率和游戏收入。
六、留存率留存率是指用户在游戏中持续参与活跃的比例，是衡量游戏用户留存状况的重要指标之一。
通过对不同游戏环节的留存情况进行分析，我们可以了解用户对游戏的喜好程度，对游戏内容进行不断优化，提高用户的游戏体验和留存率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
移动游戏运营必备的数据分析指标用户获取(Acquisition)AARRR模型指出了移动游戏运营两个核心点：1) 以用户为中心，以完整的用户生命周期为线索2) 把控产品整体的成本/收入关系，用户生命周期价值(LTV)远大于用户获取成本(CAC)就意味着产品运营的成功移动游戏的运营会经历如下从投入到产出的循环过程：Acquisition用户获取(投入)Activation & Retention用户活跃及留存Revenue用户转化(产出)1．用户获取-Acquisition关键指标这个阶段是业务的投入期。
运营者通过各种推广渠道(Channel)，以各种方式获取目标用户。
这个阶段数据分析最重要的就是通过组合各种维度(如时间、地域、渠道)对各种营销渠道的效果进行评估，从而更加优化合理的确定投入策略，最小化用户获取成本(CAC)关键数据:1. 用户数量(以时间、地域、版本、推广渠道等不同维度来拆解分析新增、总数及增长率，组合各种维度来分析各种营销渠道的用户获取效果以及目标用户分布)：点击用户数(Click)安装用户数(Install)注册用户数(Sign-Up)在线用户数(Login):最高在线(PCU)平均在线(ACU)日活跃(DAU)周活跃(WAU)月活跃(MAU)有效用户数：不同类型产品会有不同的定义(可能是注册用户或者登录用户或者付费用户) 2.渠道转化率：点击->安装->注册->登录的转化比率(分渠道)3．自然增长用户Organic Users：非推广手段获得的用户，如果此数据增长率相对Marketing Users的增长率很高，或者说明产品已经进入成熟稳定期，或者说明营销推广需要加强了。
推广获得用户Marketing Users：推广渠道获得的用户，含有渠道标签，用于宏观的评价渠道推广效果。
4．虚假用户数(One Session/Day User)：顾名思义，一次会话用户。
主要用于监控渠道刷量作弊。
同时也可反映目标用户的使用习惯，判断渠道获取的用户是否有效，从而评价渠道推广质量5．渠道增长率：评价渠道长期运转健康度6．渠道份额：渠道对比7．最后说说CAC(Consumer Acquisition Cost)CAC = 投入成本/有效用户数，以CPX(Cost per X，如获取每个登录用户的成本)的方式呈现将CAC按渠道进行拆解，就可以得出渠道推广的成本。
用户活跃度与用户留存(Activation and Retention)传统较粗犷的数据运营通常只会关注到用户数量这个层次，而实际上除了关注用户数量之外，用户的质量对于运营者来讲其实更为关键。
AARRR模型为我们指出了一条精细化数据运营的定律，就是LTV(用户生命周期价值) > >CAC。
也就是说，在投入成本获取用户后需要着重的关注和提升用户在整个生命周期中所创造的实际收入价值，从而确保获得最大的ROI。
本文将继续沿着AARRR模型体系，将重心从成本方面转向价值方面，着重给出移动游戏在提升用户生命周期价值过程中应当关注的重要指标。
移动游戏的用户生命周期运营可以归纳为如下的这个转化过程：获得用户(下载安装) -> 转化成活跃用户(登录使用) ->留住用户(回访留存)->转化成付费用户(应用内支付) 。
一、用户活跃(Activation)用户活跃是用户价值转化过程最开始的一步。
指标定义：u 活跃用户：一段时间内启动/登录过移动游戏的用户l 每日活跃用户数量(DAU)l 每月活跃用户数量(MAU)u 活跃用户比例：一段时间内活跃用户数量/一段时间内累计用户数量l 日活跃率l 周活跃率l 月活跃率u 一次性用户(One-Day User)：根据当前时间，自新增以来再没有使用过应用的用户。
只有新增时的一次启动/登录，之后再无启动/登录。
u 一次性用户比例：一次性用户数/累计用户数。
反应问题：游戏用户质量。
活跃用户的绝对数量低，或相对总用户数量比例低，说明用户的质量不高，应结合渠道等维度深入分析是否目标用户群是否准确或者深入分析产品使用是否存在问题。
反之并不能绝对说明用户质量高，产品使用不存在问题，还应当结合其它指标深入分析判断。
一次性用户。
虽然从定义上这部分用户也属于活跃用户，但应当格外给予关注。
绝大部分一次性用户都是无效的量，不能创造任何价值。
比如渠道的刷量作弊会带来大量一次性用户。
在观测活跃用户数量的同时，请同时注重观测此指标，以客观评价分群体(如渠道)的用户质量。
对于移动游戏来讲，健康的一次性用户比例应当不大于15%产品状况：活跃度可以有效的反映用户首次游戏体验情况。
游戏的界面效果、启动加载时间、交互操作体验、用户引导等因素都将对用户的活跃度带来直接影响。
健康表现：成熟、健康的游戏运营的MAU从长期的发展趋势来看，应当呈现出稳定的趋势曲线(图)一次成功的推广活动或版本上线应当带来活跃用户数量明显的增长曲线，同时一次性用户保持在健康的比例范围。
(图)以下指标着重反应的是活跃用户的参与使用情况，也是游戏产品质量的有效体现。
在做用户活跃度分析的时候可以综合各个指标进行分析，从而发现产品运营中的问题，指导产品优化。
指标定义：用户对移动游戏的一次使用记为一次启动。
启动次数就是用户对游戏的启动总量。
可以按不同时间区间进行统计。
做数据追踪统计时，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。
l 日启动次数l 周启动次数l 月启动次数l 日平均启动次数：该日平均每用户启动应用次数。
日启动次数/日启动用户数反应问题：启动次数反应游戏的用户使用频率。
可以作为游戏产品质量的一个指标。
健康表现：不同类型的移动游戏会有不同级别的启动次数量级。
该指标应当结合用户分布维度来看，主要用户应当分布在较高的启动次数上。
(图)指标定义：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/启动次数平均日使用时长：当日用户使用游戏时间综合的算数平均值反应问题：使用时长反映用户持续停留在游戏中的状况，是用户参与使用游戏的体现。
可以作为游戏产品质量的一个指标。
同时也可以结合用户分布维度来分析游戏用户质量。
健康表现：不同类型的移动游戏会有不同级别的使用时长量级。
好的游戏应当有更长的使用时长。
该指标应当结合用户分布维度来看，主要用户应当分布在较高的使用时长上。
如果存在大量短使用时长用户存在，排除产品主要因素之外说明目标用户群体存在问题，可能存在如渠道作弊等异常情况。
该指标可作为监控渠道用户获取质量的一个指标。
指标定义：当日的日活跃用户数与30日活跃用户数的比值反应问题：DAU/MAU是社交游戏类和在线类应用常用的一项评估指标，被用来分析用户粘度。
比值越趋近于1表明用户活跃度越高，在比值低于0.2时，应用的传播性和互动性将会很弱。
行业中也常用DAU/MAU乘以30来计算每月用户平均活跃天数。
健康表现：好的游戏会有更高的DAU/MAU比值。
通常健康的Freemium游戏DAU/MAU不低于0.15, 并且长期趋势呈现平稳的曲线。
如果长期趋势曲线出现急剧增减，就要结合其它指标综合分析问题原因了。
二、用户留存Retention用户的留存(Retention)可以告诉您用户对游戏的忠诚度有多高。
简单的讲，就是留住活跃的用户。
用户留存是用户最终向付费转化，创造实际收入价值的过程中最关键的阶段。
指标定义：用户在某段时间内开始使用游戏，经过一段时间后，仍然继续使用游戏的被认作是留存用户；这部分用户占当时新增用户的比例即是留存率。
n 日留存(1Day Retention)n 周留存(7Day Retention)n 月留存(30Day Retention)反应问题：留存一直都是用来评定用户粘度的最好指标，从字面上就很好理解“有多少用户留下来了”，这是对你总体游戏应用质量最直观的说明。
留存率越高，说明游戏应用的质量越高，用户的忠诚度越好。
关注某日/某周的新增用户在之后的不同时期还有多少人仍在使用，从而了解到您的应用在使用多久后容易流失用户。
找出最易流失用户的时间段，通过调整应用的策略、活动激励等措施来降低用户的流失。
在行业中，很多应用都很重视首日留存率(1Day Retention)这项指标，这是对应用质量的直接反映，这项指标还可以在一定程度上说明用户首次体验的满意度。
健康表现：用户的留存在推广渠道，产品版本既定的情况下应当呈现一定的发展趋势。
一般来讲用户留存会呈现如下的发展趋势曲线：从指标角度将，用户的留存1日，7日和30日留存存在着一定的转化关系。
健康的移动游戏1日，7日，30日用户留存率应不低于50% –25% –10% 的水平。
也就是说一款好的移动游戏应用首日用户留存率应维持在50%左右的水平，周留存率在25%水平，月留存率在10%水平。
更详细用户留存分析指导请移步TalkingData blog查看”如何读懂用户留存”三、用户生命周期用户的生命周期是指用户从开始使用一款游戏应用到卸载应用的整个过程，因为移动应用很难捕捉用户的卸载动作，通常会根据用户的使用频率低于某个极限值来判断用户流失。
LTV(Lifetime Value)就是一个用户在生命周期内创造的价值总和。
对于移动游戏来讲就是一个用户在生命周期中创造的收入综合。
收入(Revenue)前面的文章讲到了评估用户获取成本(CAC)应当关注的指标，以及用户在创造价值的转化过程中应当关注的指标。
而移动游戏用户创造的价值最终将体现为游戏运营收入(Revenue)。
本篇的重点就将放在移动游戏收入相关的指标上，并最终给出衡量游戏用户创造价值的关键指标概念：用户生命周期价值(LTV, Lifetime value)目前移动游戏主要通过以下三种模式创造收入：l 付费下载l 应用内广告l 应用内付费对于付费下载的收入计算比较简单，Revenue = 每下载单价* 下载次数(Installation)对于应用内广告模式(主要是单机游戏)，衡量应用的广告价值可以通过“用户生命周期广告价值”这个指标来体现(详细解读请移步TalkingData blog查看”如何评估免费移动应用的广告价值?”)应用内付费(IAP)目前已经成为未来移动游戏盈利模式的主要发展趋势，越来越多的游戏采用F2P(Free to play)+ IAP的盈利模式。
以下的指标也主要是针对应用内付费模式的移动游戏。
收入宏观指标：1. ARPPU指标定义：ARPPU, Average Revenue per Paying User, 即平均每付费用户收入。
一般以月为单位计算，计算方法如下：月游戏总收入/月付费用户数。
ARPPU反映的是平均每个付费玩家的付费额度。