游戏大数据分析--游戏玩家
游戏玩家
1 新增玩家
1.1 新增设备激活：当日新增加的激活设备量。新增玩家账户：当日新增加的玩家帐户数
1.2 玩家转化：安装游戏的玩家中（即激活设备）有注册账户的玩家比例，1人多次注册，只记1次有效转化。例如：共5台激活设备，其中3台每人1次注册，1台没有注册，1台注册了3次账户，共注册了6个不同账户；注册转化率=（3+1）/5=80%，而不是用6次注册/5台设备
1.3 单设备账户数量分析（小号分析）：您所选时间内激活的设备，到当前为止的注册账号数目分布情况。通过小号分析能帮助了解多少比例的设备会反复注册多个账户，多少比例至今还未进行注册，分析刷小号情况
1.4 玩家账户类型：新增玩家帐号的帐户类型分布情况。比如游戏厂商自有账号、匿名账号、QQ账号、新浪微博账号等等
1.5 地区：新增玩家帐号的地区分布情况
1.6 渠道：新增玩家帐号的渠道分布情况，每个玩家始终归入首次设备激活时的渠道。比如iOS、安卓
1.7 性别：新增玩家帐号的玩家性别情况，根据您的游戏中传入的性别确定玩家的性别
1.8 年龄：新增玩家帐号的年龄分布情况，根据您传入的年龄确定玩家的年龄段
2 活跃玩家
2.1 DAU（Daily Active User）日活跃用户：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。
2.2 WAU（Weekly Active User）周活跃用户：当日的最近一周（含当日的倒推7日）活跃玩家，将进行过游戏的玩家按照帐户进行排重。
2.3 MAU（Monthly Active User）月活跃用户：当日的最近一月（含当日的倒退30日）活跃玩家，将进行过游戏的玩家按照帐户进行排重。
2.4 DAU/MAU：可体现玩家的总体粘度，衡量这30天内每日活跃玩家的交叉重合情况。此比例越趋近于1，代表月活跃中有更多玩家多日活跃；比例越趋近0，则代表大量玩家只在一日中活跃。当比例小于0.1时，游戏的自传播性将很差。DAU/MAU×30也用于大致衡量玩家平均每月活跃天数。
2.5 活跃玩家已玩天数：所选时期的活跃玩家的活跃日期减新增日期的日数差（即其已进行游戏的天数）的分布情况。
2.6 活跃玩家等级：所选时期每日活跃玩家的等级分布情况，由每日数据组成的时期趋势可观测等级的总体走势。
2.7 活跃玩家地区：所选时期排重活跃玩家的地区分布情况。
2.8 活跃玩家渠道：所选时期排重活跃玩家的渠道分布情况，渠道按照其最初新增时的渠道确定。
2.9 活跃玩家性别：所选时期排重活跃玩家的性别情况。
2.10 活跃玩家年龄：所选时期排重活跃玩家的年龄分布情况。
3 玩家留存
3.1 新增账户留存率：某日新增的玩家/设备中，在该日后的第N日中，还有进行游戏的玩家/设备比例。
例如：5月3日新增玩家为100人，这100人中有24人在5月10日这一天内还有玩过游戏，5月3日的7日留存率=24/100=24%
3.2 激活设备留存率：某日新增的玩家/设备中，在该日后的第N日中，还有进行游戏的玩家/设备比例。
例如：5月3日新增玩家为100人，这100人中有24人在5月10日这一天内还有玩过游戏，5月3日的7日留存率=24/100=24%
3.3 留存用户分析：
用户群：次日留存用户，7日留存用户，30日留存用户
分析方式：新增日的等级，新增日的游戏次数，新增日的游戏时长，新增日是否付费，玩家性别，玩家年龄。
4 付费转化
4.1 新增付费玩家：当日新增加的充值玩家。
4.2 累计付费玩家：截至当日，累计的充过值的玩家数。
4.3 总体付费率：截至当日，累计付费玩家占累计总玩家的比例（累计付费玩家/累计玩家帐户）。
4.4 新玩家-首日付费率：所选时期的新增玩家中，在新增当日即进行充值的玩家数和其占比。
4.5 新玩家-首周付费率：某自然周中进行付费的玩家（排重）占该自然周活跃玩家的比例。
4.6 新玩家-首月付费率：某自然月中进行付费的玩家（排重）占该自然月活跃玩家的比例。
4.7 新玩家首付的游戏天数：所选时期内的新增付费玩家，按照其已经玩游戏的天数（首付日期-新增日期）进行分布。
4.8 新玩家首付的累积游戏时长：所选时期内，玩家首次付费时在游戏中累计的游戏时长分布情况。
4.9 玩家首付等级：所选时期内，玩家首次付费时的等级分布情况。
4.10 玩家首付金额：玩家在游戏中首次充值时，支付的单比金额的分布情况。
4.11 首付充值包类型：玩家在游戏中首次充值时，所选择的充值包的类型分布情况。
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（Average concurrent users）:平均同时在线人数。如果每5分钟采集一次瞬时的在线玩家数，一日中全部采集点的平均值即ACU。一天当中就会有60/5*24=288个点构成一个在线人数曲线.
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
PCU（Peak concurrent users ）：最高同时在线玩家人数。如果每5分钟采集一次瞬时的在线玩家数，一日中最高的一个值即ACU
ACU/PCU：通常称为在线平高比，比值越大则每日在线越平稳，玩家活跃时间更长，游戏服务器也更有效率；而极低的平高比则意味着玩家集中上线，但总体活跃性并不强。某些限时活动可能会拉低平高比，但属正常情况
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）。
流失
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
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
