游戏运营数据分析
游戏数据分析专员岗位职责
游戏数据分析专员岗位职责游戏数据分析专员是游戏公司重要的职业之一，他们负责处理和分析游戏运营数据，以帮助制定游戏策略和提高游戏收益，其具体职责主要包括：1. 数据分析和报告制作游戏数据分析专员需要处理和分析大量游戏运营数据，包括用户留存率、付费习惯、道具使用情况、游戏时长、关卡通过率等数据，并结合游戏运营情况进行分析，为游戏决策提供依据。
此外，游戏数据分析专员还需要将分析结果制作成报告，为游戏精细化运营提供参考。
2. 数据挖掘和建模游戏数据分析专员需要使用一些软件和工具挖掘数据，如SQL、Excel以及Python等工具，进行数据预处理、数据清洗、数据挖掘等相关操作，并建立相应的数据模型以利于分析。
3. 游戏策略制定在分析游戏数据的过程中，游戏数据分析专员可以为游戏策略制定提供建议和参考，如新用户引进渠道的开发、虚拟货币价值调整、游戏流程优化等，为游戏精细化运营提供有效的数据支持。
4. 团队沟通游戏数据分析专员需要与游戏开发团队和其他相关部门保持紧密沟通，在决策制定和优化方面进行协调，为游戏企业的运营增长提供协助。
5. 数据监测和报警游戏数据分析专员需要定期监测数据指标，如用户留存率、ARPU、付费习惯等，及时发现异常数据并进行预警和反馈，为游戏运营保驾护航。
6. 游戏市场调研游戏数据分析专员需要了解游戏市场动态，调查用户需求、竞品分析等，并为企业决策提供参考。
同时，游戏数据分析专员还可以为游戏市场推广提供数据支持和解决方案。
总之，作为游戏公司重要的职位之一，游戏数据分析专员需要具备较强的数据分析能力、逻辑思维能力、沟通能力等，有效地协助企业实现营收增长和精细化运营的目标。
游戏数据分析报告样例
游戏数据分析报告样例1. 引言本报告旨在通过对游戏数据的分析，提供关于游戏运营和玩家行为的洞察，为游戏开发商和运营商提供决策支持。
本报告采用的数据来源包括用户注册信息、游戏内的玩家数据以及游戏服务器的日志记录。
2. 数据收集与整理为了进行数据分析，我们首先收集了游戏的注册用户信息。
通过这些信息，我们可以了解到游戏的用户人群特征，例如年龄分布、性别比例等等。
另外，我们还收集了游戏内的玩家数据，包括游戏时长、等级、道具使用情况等。
最后，我们也获取了游戏服务器的日志记录，其中包含了玩家的行为数据，例如每日活跃用户数、付费用户数等。
3. 数据分析3.1 用户人群特征分析通过对注册用户信息的分析，我们可以得到以下结论：•游戏的用户主要集中在年龄段为18至35岁之间。
•游戏的用户中男性占比约为60%，女性占比约为40%。
•用户的地理分布主要集中在城市地区。
这些结果可以帮助游戏开发商和运营商更好地了解他们的目标用户，并制定相应的市场策略。
3.2 玩家活跃度分析通过分析游戏服务器的日志记录，我们可以得到以下结论：•游戏的每日活跃用户数呈现出较为稳定的趋势，大约在5000人左右。
•在每周的周末，游戏的活跃用户数会有所增加。
•游戏的平均游戏时长为2小时。
这些结果可以帮助游戏开发商和运营商在运营活动中选择合适的时间段，并根据用户的活跃程度进行相应的推广和奖励活动。
3.3 付费用户分析通过分析游戏服务器的日志记录，我们可以得到以下结论：•游戏的付费用户占注册用户的比例约为10%。
•游戏的付费用户主要集中在30至40岁之间的男性用户。
•游戏的付费用户的付费额度平均为100元。
这些结果可以帮助游戏开发商和运营商了解游戏的付费用户群体，并制定相应的营销策略，以提高付费用户的比例。
4. 结论与建议基于以上的数据分析结果，我们可以得出以下结论和建议：•游戏的目标用户主要是年龄在18至35岁之间的男性用户，因此在游戏的宣传和推广中，可以重点关注这一用户群体。
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。
如何进行有效的游戏数据分析
如何进行有效的游戏数据分析标题：如何进行有效的游戏数据分析引言：游戏数据分析是游戏产业中至关重要的一环，它帮助开发者和运营团队了解玩家行为、优化游戏内容和运营策略。
通过有效的游戏数据分析，你可以获得宝贵的信息和见解，以支持游戏的成功和持续发展。
本文将为你提供一些有用的提示和建议，帮助你进行有效的游戏数据分析。
第一部分：数据收集和整理1. 确定关键指标：根据游戏类型和目标，确定关键指标，如用户留存率、付费率、关卡通关率等。
这些指标将帮助你评估游戏的表现和玩家行为。
2. 收集数据：使用合适的分析工具和技术，收集游戏相关的数据。
包括用户行为数据、游戏事件数据、付费数据等。
确保数据的准确性和完整性。
3. 整理和存储数据：整理和存储收集到的数据，建立数据库或数据仓库。
确保数据的结构化和易于分析。
第二部分：数据分析工具和技术1. 数据分析工具：选择合适的数据分析工具，如Google Analytics、Unity Analytics、Mixpanel等。
了解工具的功能和使用方法，以便更好地分析游戏数据。
2. 数据可视化技术：利用数据可视化技术，将数据转化为可视化图表和报表。
这将帮助你更直观地理解数据和趋势，并更好地与其他团队成员分享和交流。
3. 数据挖掘技术：使用数据挖掘技术，如聚类分析、关联规则挖掘等，深入挖掘数据背后的关系和模式。
这将帮助你发现隐藏的洞察力和机会。
第三部分：数据分析和解读1. 定期分析数据：建立定期的数据分析流程，如每周或每月分析。
及时了解游戏的表现和玩家行为，以便及时采取调整和优化措施。
2. 比较和对比数据：比较不同时间段的数据，以及不同玩家群体的数据。
找到差异和趋势，分析原因和影响因素。
3. 解读数据背后的故事：将数据与游戏设计、玩家反馈和市场趋势等综合考虑，解读数据背后的故事。
发现问题和机会，并提出相应的改进和策略。
第四部分：优化游戏内容和运营策略1. 根据数据改进游戏内容：根据数据分析结果和玩家反馈，优化游戏的内容、关卡设计、游戏系统和功能等。
游戏运营案例
游戏运营案例【篇一：游戏运营案例】期间，我们可以在后台看到一堆游戏相关数据，对于这些数据我们要怎么怎么进行处理分析呢？下面将围绕一份报告实例做详细的分析。
内容主要包括分析目标、分析综述、一周运营、运营数据总体分析四块内容。
一、确定分析目标分析目标主要包括以下三个方面：分析目的。
分析范围。
分析时间。
如下图所示，分析目标除了主要包括三个方面外，还有备注一栏，这里备注的是计算周期问题。
强调一点，我们做数据分析的时候通常都会拿更新前和更新后的数据进行比较，因此我们的设定的分析周期一般都会跟着游戏实际的更新情况走。
二、分析综述分析综述主要包括两方面的内容1.上周/本周充值数据对比充值总额充值人数服务器数服务器平均充值服务器平均充值人数针对上述内容进行差额对比以及增减率对比，如游戏有特殊要求，可以适当增加其它数据内容。
2.上周/本周更新内容对比主要陈列两周内分别更新的活动内容或一些重大调整。
三、一周运营数据分析1.本周收入概况日均充值金额，环比上周日均充值金额用户arpu值，环比上周arpu值简述与上周或之前的充值情况的比较，如上升还是下降、影响充值的较大的因素。
2.新用户概况新用户就是新进游戏的玩家，这里主要介绍这些新玩家的动态数据，一般以两个月为总时长进行陈列比较，具体周期数据仍以周为单位。
新用户数据主要包括：安装下载数、创建角色数、安装→角色转化率、付费人数、创建角色→付费转化率、arpu值、次日留存、三日留存、七日留存等，可根据游戏实际情况进行添加。
3.活跃用户概况活跃用户概况主要包括三部分内容：日均在线人数，环比上周实时在线人数，提升/下降百分比日均付费用户登陆人数，环比上周付费登陆数，提升/下降百分比日均活跃玩家数，环比日均活跃玩家数，提升/下降百分比4.道具消费概况道具方面的消费概况主要包括：产出活动类别道具分类单类道具消费元宝，消费占比，环比上周日均消费元宝，总消费元宝，环比上周下降/上升简述活动效果较好/较差的道具分类5.当前元宝库存当前元宝库存是指玩家充了元宝还没花出去的存量，以及游戏中额外获得的元宝存量。
游戏数据分析报告(共3篇)
游戏数据分析报告（共3篇）一、游戏玩家行为分析1. 玩家活跃度分析通过对游戏玩家的登录次数、在线时长等数据进行统计，我们发现该款游戏的玩家活跃度较高。
在统计周期内，玩家日均登录次数达到2.5次，日均在线时长为1.5小时。
这表明玩家对游戏具有较高的粘性，愿意投入时间和精力进行游戏。
2. 玩家付费行为分析在付费方面，该款游戏的玩家付费意愿较为强烈。
根据统计数据，付费玩家占比达到30%，其中付费金额主要集中在1050元之间。
这表明游戏内付费道具的设计较为合理，能够吸引玩家进行消费。
3. 玩家社交行为分析游戏内的社交功能也是玩家行为的重要组成部分。
通过分析玩家的社交行为，我们发现玩家在游戏内的好友数量平均为50人，日均发起社交互动次数为20次。
这表明玩家在游戏内愿意与其他玩家进行互动，社交需求较为强烈。
4. 玩家流失分析尽管该款游戏的玩家活跃度和付费意愿较高，但仍存在一定的玩家流失现象。
通过对流失玩家的行为进行分析，我们发现流失原因主要包括游戏难度过高、游戏内容单调、玩家间竞争激烈等。
针对这些问题，游戏开发者可以采取相应措施，如降低游戏难度、丰富游戏内容、优化玩家竞争机制等，以提高玩家留存率。
二、游戏内容优化建议1. 降低游戏难度：适当降低游戏难度，使新手玩家能够更快地适应游戏环境，提高游戏体验。
2. 丰富游戏内容：增加游戏内的活动、任务、副本等，提高游戏的可玩性和趣味性，满足玩家的多样化需求。
3. 优化玩家竞争机制：平衡玩家间的竞争关系，避免过度竞争导致玩家流失。
同时，可以引入更多合作玩法，促进玩家之间的合作与交流。
4. 加强社交功能：完善游戏内的社交功能，提高玩家之间的互动性，满足玩家的社交需求。
5. 引入更多付费道具：根据玩家的消费习惯，设计更多具有吸引力的付费道具，提高玩家的付费意愿。
四、游戏市场趋势分析1. 竞品分析通过对该款游戏的主要竞品进行分析，我们发现同类游戏中存在一定的竞争压力。
然而，该款游戏在画面、音效、玩法等方面具有一定的优势，能够吸引一部分玩家。
游戏行业的数据分析与用户行为预测
游戏行业的数据分析与用户行为预测随着科技的不断进步和互联网的普及，游戏行业迎来了蓬勃发展的时期。
在这个竞争激烈的市场中，准确地分析数据和预测用户行为对于游戏公司的成功至关重要。
本文将探讨游戏行业的数据分析和用户行为预测，并介绍它们对游戏公司的影响。
一、数据分析的重要性数据分析是游戏公司决策的基础。
通过对大量的游戏数据进行分析，游戏公司可以了解用户的行为模式、偏好以及需求。
这些数据包括用户在游戏中的选择、互动方式、消费习惯等。
通过对这些数据进行分析，游戏公司可以更好地了解用户的需求，为他们提供更加个性化和优质的游戏体验。
此外，数据分析还可以帮助游戏公司识别潜在的市场趋势和竞争对手的优势。
通过对竞争对手的数据进行分析，游戏公司可以了解他们的产品和服务的优缺点，从而制定出更加有效的市场竞争策略。
二、数据分析的方法和工具在游戏行业，数据分析可以采用多种方法和工具进行。
其中一种常用的方法是基于统计学的分析。
通过对大量数据进行统计学处理，可以得出一些关键指标，如用户的留存率、付费转化率等。
这些指标可以反映游戏的用户活跃度和盈利能力，为游戏公司提供决策依据。
此外，数据分析还可以借助一些专业的软件工具进行，如数据挖掘工具、机器学习算法等。
这些工具可以帮助游戏公司挖掘数据中的隐藏信息，并预测用户的行为趋势。
三、用户行为预测的重要性用户行为预测是游戏公司为提高用户体验和盈利能力所必须的一项工作。
通过对用户行为的预测，游戏公司可以提前制定相应的策略和措施，以满足用户的需求并吸引更多的用户参与游戏。
用户行为预测可以从多个维度进行，如用户的时间分布、游戏场景选择、兴趣爱好等。
通过分析这些维度的数据，游戏公司可以预测用户的游戏时间、消费习惯以及兴趣变化等。
这样可以根据用户的个性化需求进行游戏内容和推广方式的优化，提高用户的满意度和忠诚度。
四、用户行为预测的方法和工具用户行为预测可以借助各种方法和工具进行。
其中一种常用的方法是基于机器学习算法的预测模型。
- 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)。
任何一款游戏运营，都是以UED、数据分析为导向，如何开发、运营好一款成功的全球社交游戏，是每个社交游戏产品经理头等大事。
用数据说话，是一个简单明快的操作方式，但社交游戏的数据如何分类海内外关注点有何区别相信作为每个社交游戏产品经理是非常关心的话题，那么我们就从基础知识入手，逐步梳理出符合运营需求的核心数据环节，抛弃冗长复杂的多类数据，为自己的成功打下扎实的基础。
付费率=付费用户÷活跃用户x100
活跃率=登陆人次÷平均在线人数
ARPU值=收入÷付费用户
用户流失率=游戏当前活跃用户规模÷历史注册总量
同时在线峰值=24小时内同时在线最高达到人数
平均在线=24小时每小时同时在线相加总和÷24小时
中国大陆运营游戏平均同时在线用户=ACU 【有称ACCU】
采用道具收费模式游戏活跃付费用户=APC
活跃付费账户=APA
付费用户平均贡献收入=ARPU
当日登录账号数=UV
用户平均在线时长=TS
最高同时在线人数=PCU 【有称PCCU】
同时在线人数=CCU
付费人数一般是在线人数2～4倍。
活跃用户（玩家）：是指通过你的推广代码注册，不属于小号或作弊情况、正常进行游戏一个月以上未被官方删除的用户视为活跃用户。
您推广的两个用户目前还没有通过至少1个月的审查时间，您可以在您的推广纪录中查看您推广用户的注册时间。
且这两个用户需要满足上述对活跃玩家的定义才能称为活跃玩家！
活跃付费账户=APA。
每个活跃付费用户平均贡献收入=ARPU。
【活跃天数计算定义】
活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天。
当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天。
当天0：00-23：59登陆游戏时间小时至2小时、活跃天数累积天。
当天0：00-23：59登陆游戏时间小时以下、不为其累积活跃天数。
每日：
－－－－－－－－－用户数量描述
在线人数：（取的当日某个时刻最高在线，一般发生在9:30左右）
新进入用户数量：（单日登录的新用户数量）
当日登录用户数量：
每日登录/在线：
－－－－－－－－－盈利状况描述
每日消耗构成：（根据金额和数量做构成的饼状图）
每日消耗金额：
每日消费用户数量：
每日充值金额：
每日充值用户数量：
每日充值途径：
－－－－－－－－－产品受关注程度描述
官网首页访问量：
客户端安装量：（根据安装完成弹出的页面）
客户端下载量：
客户端下载点击量：
安装率：下载安装/下载量
－－－－－－－－－游戏系统描述
每日金钱增量、消耗和净增值：
等级分布：
忠诚用户等级分布：
特征物品市场价格（如联众游戏豆）：
每周：
－－－－－－－－－用户群体描述
活跃用户数量：当周登录过游戏的用户数量
忠诚用户数量：本周登陆3次以上（当天重复登陆算1次），最高角色等级超过15级，在线时长超过14小时的帐号
流失用户数量：上周登录但本周没有登录的用户数量
流失率：流失用户/上周活跃数量
忠诚流失率：上周忠诚用户当周没有登录用户的数量/上周忠诚用户数量
忠诚度：忠诚用户数量/活跃用户数量*修正值（新进人数的变化比例）
转化率：上周登录的用户在本周转化为忠诚用户的比例
－－－－－－－－－盈利变化描述
ARPU值（周）：当周充值总额/当周付费用户数量；当周充值总额/当周平均最高在线
付费用户：该周有过付费行为的玩家数量
新增付费用户数量：本周新增的付费用户
付费率：该周付费用户数量/该周登录用户
付费用户流失数量：上周付费用户本周未登录数量
付费流失率：上周付费用户本周未登录的比例
注册转付费：某一天注册的用户在一周后付费的用户数量及比例
每月：
ARPU值：该月充值总额/当月付费用户数量；当月充值总额/当月平均最高在线
付费用户：该月有过付费行为的玩家数量
新增付费用户数量：
付费用户流失数量：
付费流失率：
活跃用户数量：该月登录过的用户；
针对道具：
每日购买量：
每日使用量：
转卖数量：购买然后在手里出售给其他玩家的数量
转卖价格：
流通速度：转卖总次数/参与转卖的道具数量
购买者等级分布：
使用者等级分布：
产品分析为游戏包装、盈利设计提供非常必要的支持，也是指导日常运营的重要参考。
是运营工作中的核心内容之一。
但和其他行业一样，即便做了非常多的数据分析和其他信息收集，我们往往依然很难获得足够的信息来得到一个非常清晰的结论，经验和直觉在决策中还是扮演重要的地位。
产品分析分为：
一、从信息收集渠道上来看：
（一）数据分析（通过数据库或后台查询的数据）
1.例行数据分析（每日、每周、每半月、每月，每季度……）
2.项目数据分析（非例行/重复，如开区效果评估，游戏修改评估等）
项目数据调查一般遵循这样的过程：
1.确定调查分析目的（证实、探索、预测）
2.达到这个调查分析目的你需要哪些结论来支撑
3.获得原始数据后如何分析（分析模型）
4.如何获取原始数据
（二）客服问题反馈（流程）
（三）自身游戏体验
（四）玩家直接交流（游戏交互、日常沟通、QQ群、小型见面会等）
二、从内容上来看：(例行的)
（一）产品现状描述：通过参数来反应目前游戏系统和运维平台的情况
1.游戏世界描述（高峰/均在线，金钱监控，等级分布，特征怪物/物品/道具价格等）
2.运维平台及其它（下载量、下载完成率、注册量、硬件使用率、客服相关数据等）（二）玩家游戏行为分析：物理特征+外部行为+游戏行为+群体描述
1.用户物理特征（性别、年龄等）
2.外部行为特征（登陆频率、时长、时间段等）
3.游戏行为特征（流失等级及变化）
4.群体行为描述（峰值、活跃用户/忠诚用户及相关比例、新进用户、活跃度、忠诚度、流失率、转化率等）
（三）玩家消费行为分析：修正盈利设计，捕捉用户需求，新增道具设计
1.付费用户描述（付费用户数量、ARPU、付费用户游戏行为分析等）
2.盈利描述（盈利状况、消耗构成及变化趋势等）
3.道具分析（使用范围、使用深度、使用/放弃原因等）
4.付费意愿分析
（1）消费偏好分析（换金/个性/增强（经验、装备、技能）/方便互动/其它）
（2）消费与游戏设置的联系（道具对应等级、玩家习惯行为（如某种技能）、游戏任务、场景的开放等）
5.付费行为分析
（1）单位玩家道具数量情况分析（拥有量、拥有的道具之间的联系）
（2）付费等级分布（首次购买等级、当前购买道具的等级分布）
（3）付费数额分布（首次付费数额、续费数额）
（4）付费用户分类（根据一段时间内的付费额）
（5）续费行为分析（未流失的玩家中，中止消费、消费转移的分析）
（6）重点用户的跟踪
【名词解释和计算方式】
平均同时在线用户 = ACU
游戏活跃付费用户 = APC
活跃付费账户 = APA
付费用户平均贡献收入 = ARPU
当日登录账号数 = UV
用户平均在线时长 = TS
最高同时在线人数 = PCU
累积注册用户 = AccRu
收入 / 付费用户 = ARPU
游戏当前活跃用户规模 / 历史注册总量 = 用户流失率
付费用户 / 活跃用户 * 100 = 付费率
登陆人次 / 平均在线人数 = 活跃率
24小时内同时在线最高达到人数 = 同时在线峰值(PCU)
24小时每小时同时在线相加总和 / 24小时=平均在线(ACU)
【活跃天数计算定义】
活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天
当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天
当天0：00-23：59登陆游戏时间小时至2小时、活跃天数累积天当天0：00-23：59登陆游戏时间小时以下、不为其累积活跃天数。