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）