FROM : http://blog.sina.com.cn/s/blog_61d5bb730101113x.html
在游戏公司做了一年数据分析师，多多少少对指标会有一些想法，趁着近期较为空闲，备忘如下：
|
分类 |
指标 |
含义 |
备注 |
|
DAU |
DAU |
日活跃用户(Day Active User)：在当天登录过游戏的用户。有效反映和衡量一款游戏核心用户数 |
|
|
DAU分类 |
•新用户：当天注册的用户 |
此分类视具体产品而定，但对DAU细分是为了看用户群体大体情况 |
|
|
•7天活跃用户：7天内登录过的用户。如7月10日DAU中的7天活跃用户是指7月10日登录过游戏，并且在7月3日至7月9日曾经登录过游戏的用户。 |
|||
|
•回归僵尸用户：7天前没有登录过游戏的用户（不包括新用户）。如7月10日DAU中的回归僵尸用户指的是7月10日登录过游戏，但是在7月3日至7月9日没有登录过游戏的用户。 |
|||
|
DAU/MAU |
日活跃用户和月活跃用户进行比较来看用户每月访问游戏的平均天数是多少。如果游戏拥有50万DAU，100万MAU，其DAU/MAU比值就是0.5，也就是说玩家每月平均体验游戏的时间是15天，说明游戏粘度比较强。 |
DAU/MAU比例是社交游戏的重要参数，同社交游戏成败息息相关。一般最低极限是0.2。这保证游戏能够达到临界规模的病毒式传播和用户粘性。 |
|
|
每日流失用户 |
• 当天登录，后续7天内不登录游戏。如7月10的DAU中，在7月11日至7月17日不登录游戏的用户。[可分为新用户，有效活跃用户和回归僵尸用户来求] |
|
|
|
新用户 |
次日留存（率） |
•注册后第二天登录游戏的用户。如7月10日的新用户中，在7月11日登录游戏的人数。 |
|
|
三日留存（率） |
两种方式： |
|
|
|
•点三日留存：注册后第三天登录游戏的用户。如7月10日的新用户在7月12日登录游戏的用户。 |
|||
|
•区间三日留存：注册后三天内登录过的用户。如7月10号的新用户在7月11号-13号登录过的用户 |
|||
|
7日留存（率） |
两种方式： |
|
|
|
•点7日留存：注册后第七天登录游戏的用户。如7月10日的新用户在7月16日登录游戏的人数。 |
|||
|
•区间7日留存：注册后七天内登录过游戏的用户。如7月10号的新用户在7月11号-7月17号登录过的用户。 |
|||
|
流失（率） |
•留存的反义词。即不登录游戏的人数。 |
|
|
|
新手引导转化率 |
新手引导每一步的转化率=进行本步的用户除以进行上一步的用户 |
|
|
|
新手无操作（率） |
•新手无操作率=无操作的新用户数/总的新用户数。 |
|
|
|
•各平台的定义都不同。一般情况下，指的是没有完成加载过程，或者是无任何操作的新用户。(具体定义方法由各平台确定) |
|||
|
WAU |
WAU |
•周活跃用户(Weekly Active User)：周活跃用户，在一周之内登录过游戏的 |
|
|
WAU细分 |
•忠实用户：连续三周登录的用户 |
这个分类只能据具体情况而定，且结果仅为了查看用户的类型结构。具体情况依不同产品而定。 |
|
|
•回归僵尸用户：本周登录过，上周没有登录过的用户 |
|||
|
•留存僵尸用户：WAU-回归僵尸用户-新用户-本周新用户 |
|||
|
•新用户：本周注册的用户 |
|||
|
•留存新用户：上周注册且本周登录的用户 |
|||
|
WAU细分（登录频次） |
•轻度用户：每周登录1~2次的用户。 |
这个只能是对周用户的一般结构解释 |
|
|
•中度用户：每周登录3~5次的用户。 |
|||
|
•重度用户：每周登录6~7次的用户。 |
|||
|
**注：登录次数是1次/天 |
|||
|
周流失率 |
本周登陆下周不再继续登陆的用户 |
|
|
|
各级别周流失率 |
本周各级别用户在下周不再继续登陆的用户 |
|
|
|
流失用户级别分布 |
本周登陆下周不在继续登陆的用户在本周的级别分布 |
|
|
|
|
忠诚用户数量 |
本周登陆3次以上（当天重复登陆算一次），最高角色等级超过15级，在线时长超过14小时的用户 |
视具体游戏情况而定 |
|
|
忠诚度 |
忠诚用户数量/WAU*修正值（新进人数的变化比例） |
|
|
|
忠诚流失率 |
本周忠诚用户下周未继续登陆的用户/本周忠诚用户 |
|
|
|
转化率 |
本周登陆的用户在下周转化为忠诚用户的比例 |
|
|
MAU |
MAU |
月活跃用户(Monthly Active User)：月活跃用户，在一个月之内登录过游戏的。用户测量一款游戏的总体范围水平 |
|
|
高活跃用户 |
每月规定超过一定规定的在线时间的用户 |
|
|
|
尝试用户 |
未达到高活跃用户且未消费的用户 |
|
|
|
MAU细分 |
•新用户：本月注册的新用户 |
仅为了查看MAU用户基本结构 |
|
|
•上月活跃用户：上个月登陆过在本月继续登陆的用户 |
|||
|
•回归流失用户：上个月之前登陆过但在上个月流失掉，本月重新继续登录的用户 |
|||
|
WAU细分：登陆频次 |
登陆一天算一次；高活跃用户的定义 |
|
|
|
用户在线 |
CCU：实时在线曲线 |
|
|
|
平均在线时长 |
平均在线时长=总的在线时长/总登录人数 |
|
|
|
ACU:平均同时在线人数 |
|
|
|
|
每小时在线人数 |
每个小时的登录用户数。 |
|
|
|
每小时注册用户 |
每个小时注册的用户数 |
|
|
|
最高在线人数（PCU：每日峰值） |
同时在线人数的最高峰 |
|
|
|
病毒性 |
发送邀请人数 |
时间段内，成功发送邀请的用户数 |
|
|
接受邀请人数 |
时间段内，收到邀请信的用户，点击了接受邀请 |
|
|
|
发送率 |
发送邀请人数/活跃用户数 |
|
|
|
接受率 |
接受邀请的用户/收到邀请的用户；点击接受的信数/接受到邀请的信数 |
|
|
|
K-Factor |
K-Factor=（感染率）X（转化率）。用于衡量产品的病毒传播率。感染率是形容某个用户向其他用户传播游戏的程度。转化率是指将感染用户转化成新注册用户的比例。 |
1KFactor表示平均1个用户带来1个新用户。KFactor越高，社交游戏发行商越受益，因为这是个获取新用户的有效工具。 |
|
|
被邀请用户比例 |
每天新用户中，被邀请来的用户占新用户的比例 |
|
|
|
付费/充值 |
APA：付费用户 |
时间段内有过付费行为的用户数量 |
|
|
付费额 |
时间段内付费用户消费总额 |
|
|
|
ARPU值 |
时间段内，消费额除以活跃用户数。日ARPU值：日消费额除以DAU；月ARPU值：月消费额除以MAU |
用来衡量每一用户带来的平均收益 |
|
|
ARPPU值 |
时间段内，消费额除以付费用户数。日ARPPU值：日消费额除以日付费用户；月ARPU值：月消费额除以月付费用户。 |
用户衡量已转化成付费用户的那部分用户，带来的平均收益 |
|
|
付费率 |
时间段内，付费用户数除以活跃用户数。日付费率：日付费用户除以DAU；月付费率：月付费用户除以MAU |
|
|
|
LTV |
新用户后续付费能力指标。例如：14日LTV是指今天注册的新用户在后续14天内付费额除以注册的新用户数 |
|
|
|
新增付费用户 |
日新增；周新增；月新增 |
|
|
|
付费用户流失数量 |
本周付费用户下周未登陆的用户;依次，可算月付费流失用户数量 |
|
|
|
付费流失率 |
本周付费用户下周未登陆的用户比例；依次，可算月付费流失率 |
|
|
|
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(其实就是7天LTV) |
|
|
|
活跃付费用户 |
视游戏情况而定 |
|
|
|
用户终生价值 |
Kontegent公式：用户终生价值=1/（1-K）X日ARPU X用户寿命（用户平均生命周期：累计，非连续）。 |
|
|
|
|
前期流失率 |
用户从进入游戏到消费阶段之时间内，流失的用户站全体用户的比率。 |
这是指社交游戏活跃用户的更换率。社交游戏的活跃程度很高，其用户基础变幻莫测，这是因为玩家时常放弃体验某款游戏或删除游戏。用户流失指的就是用户持续增损 |
|
流失 |
自然流失率 |
用户在进入付费期后，流失的比率 |
|
|
|
用户自然增长率 |
可用等级来度量 |
|
|
|
一般流失率 |
每日流失用户、周流失率，月流失率（前面有） |
|
|
|
用户自然增长率 |
可用等级来度量 |