手游行业运营数据指标观察分析DNU/DAU

数据库
一直以来,我们对于数据都是在做加法,也希望这个过程中,不断搜罗和变换出来更多的数据指标,维度等等。而在实际的分析中,我们发现,一如我们给用户提供产品一样,太多的时候,我们思考的是如何增加功能,而产品的核心功能和诉求,却越来越远。

最近有幸和一些团队在做数据分析的交流,一个现象是,基于最基本的数据指标,实际上我们并没有深入的理解,或者说,我们并不了解数据,以及背后的用户,使用场景等等。因此,也就造成了,在夹生的数据理解上,我们不断还在探寻新的数据组织和加工。

[[113804]]

前年的时候,我制定了关于游戏数据分析的一些基本指标,后来有人和我说,我们的数据指标定义和你的不一样,你的指导意义是不够的,不符合业务需要,比如这里我举一个例子:

很多企业在定义日活跃用户数(DAU)时,都会和我说,我们是按照每天登陆2次以上的用户算作DAU,而给出的行业标准,是只要登陆过的用户,就算是日活跃用户。

就这个问题,我想表达的是,DAU这样的指标,他本身代表的是业务场景,而非一个简单粗暴的指标内容,换句话,在背后是存在一个围绕DAU的体系和流程的。

我们可以以“转化率”或者“金字塔”的思想来理解这个DAU,实际上,我很清楚,大家在做DAU数据时,我们有的定义是登陆两次以上是活跃用户,或者登陆时长超过10min,算作一个活跃用户。但是在这个背后,我们会发现,登陆是最基本要具备的要素,有了这个要素或者场景后,刚才我们提到的登陆两次也好,还是在线时长超过10min才是被满足的。如果按照“转化率”或者“金字塔”的思想来看,我们其实想知道层层过滤之后的,所谓那部分高价值用户的比例。

从业务场景的角度分析来看,这其实是我们在研究用户到达的好坏,而围绕在这一点场景的核心,我们就会发现,影响到DAU的分析因素其实很多了,比如我们刚才提到了,基本的DAU定义是指,登陆游戏一次就是活跃用户,这个过程中,如果结合我们刚才提到的转化率思想,你会发现,DAU的转化率关系或者金字塔结构(仅从登陆次数作为统计维度),是能够发现一些问题所在的。比如用户的游戏行为习惯,付费相关性,营销活动刺激,举例,间隔时间极短的两次登陆用户,且级别很低时,很可能是登陆存在问题,趋利用户(即积分墙用户)。

行业指标观察

今天我们要分析的是和DAU相关指标,DNU,DAU,后面还会和留存率放到一起讲解。

今天,我们花一些时间就只说DNU和DAU,而分析的指标就是DNU/DAU,你可以成这个指标叫做活跃度指数,当然大家喜欢叫做新增用户占比。

且看下面的图片:

游戏数据

 

图片点击可放大

这里的老玩家指的是:DAU-DNU,注:DAU-DNU与DOU是同义。

在此图蕴藏了几个信息:

玩家的行为习惯逐渐形成,周六成为用户游戏的高峰时间段;

尽管这个事实,也许很多人都注意到了,但不是所有人在做周末奖励活动时都考虑了这个因素。对比的大家可以看到在1月到2月份春节期间,行为特点则是完全不同的。

蓝色区域面积,越小,则留下的老用户(即DAU-DNU)比例就越多,相对的留存质量则会好一些。游戏的玩家自循环系统则逐步成立,则推广期间的大部分玩家则在次日之后都留在了游戏中。针对这一点,在下面展开解释。

我们将DNU/DAU的比率拿出来,做出如下图的曲线:

游戏数据分析

可以看到,基本上这个比率维持在一个很低的比例,大概在10%-15%左右,换句话说,新增用户的占比只有全体日活跃用户占比的10%~15%,即使当我们游戏开始大范围拉新推广时,这个比例仍旧维持在10%~15%,但此种情况仅存在于游戏已经上线,且用户的自然转化情况比较理想的情况下。从数学的角度来看,这个比率计算的分子和分母,分别是DNU和DNU+DOU(即DAU),基本上变化幅度是同步的,当DOU足够多的时候,DNU的新增影响是有限的。但是如果一段时间内DNU的诸多用户不能转化为DOU,则此比值则在不断升高。如下图所示:

游戏数据分析

可以看到的是,昨日的DNU中的一部分(次日留存部分)变成了,今天的老用户(DAU-DNU),而昨日(DAU-DNU)部分则有一些转化为今天的老用户,同时,今天DAU中,则继续有DNU的加入,而这一部分,也构成了明日(DAU-DNU)的一部分,在明日的DAU-DNU中,同时还有昨日DNU在明日的部分贡献,昨日DAU-DNU在明日的贡献。

由此,我们可以认为:

在游戏足够吸引用户或者流量足够理想的情况下,随着不断新用户被带入到游戏中,游戏中DOU的比例则会越来越高,那么我们的DAU就会不断的成长。

在游戏带入的流量是虚假的或者游戏不足以吸引玩家时,则每天导入的DNU则会不断的被损失掉,就变成了一次性用户,即新增当天登陆过游戏的用户,且此后不再登录游戏。此时,我们会看到在随后的一段时间(尤其是停止推广后),DOU即老用户的比例并没有发生显著的增长,这一点从DAU事看不出来的,但是我们从DOU的比例就可以看出来。此时,不需要等待几天来看效果,推广的第二天如果效果不佳就需要停止。

案例

从下图我们可以看到,在大推开始,DAU的规模开始急剧增长,但是基本上是DNU的贡献,推广几天的DNU/DAU平均水平在83%左右,这一点恰恰说明了,在推广期间每一天的大量DNU并没有在次日有效转化为DOU,这一点,我们从DOU比较平滑的曲线就可以看到,尽管这期间我们发现DAU急剧膨胀,但是实际DOU较推广前的涨幅则是有限,经过计算,较推广前,DOU平均涨幅30%, 而实际此期间,DNU的平均涨幅100倍左右,而推广结束后,DAU较推广前涨幅了30% 左右。对比DNU约100倍流量的涌入,实际DAU和DOU的涨幅,则实在是很微弱。

游戏数据分析

总结起来看,这个指标对于游戏的粘性理解和投放效果评估,能够起到一定的积极作用,同时,要说明的是,这个指标从长期运营的游戏来说,是评估其生命力的一个重要参照,想必用过的人是很清楚的。***奉上行业水准:

一线:<10%

二线:<20%

三线:<30%

四线:<45%

行业平均水平:28%

注:游戏上线初期的1~3天不具备参考意义。

责任编辑:彭凡 来源: 36大数据
相关推荐

2015-04-14 16:56:20

棱镜

2014-10-11 11:00:13

个推推送

2011-12-27 20:19:50

2017-05-11 10:00:36

数据北极星数据分析

2018-09-07 09:22:58

2012-09-18 13:19:45

Hadoop

2014-12-19 13:48:57

日本手游发行

2012-09-21 10:12:37

2012-10-23 13:11:44

移动广告APP群旅游行业

2012-10-24 17:27:33

Google

2013-12-30 17:06:35

移动游戏

2018-05-28 15:34:12

数字营销

2022-05-26 10:59:54

数字化转型物流业技术

2014-08-14 16:57:13

百会CRM

2023-10-22 12:00:37

数据运营

2014-04-22 10:00:09

手游数据分析精细化运营

2016-12-16 12:20:52

银行业大数据ATM

2023-12-11 14:06:55

边缘计算

2023-10-11 11:34:54

数据分析运营

2022-05-30 07:36:54

vmstoragevmselect
点赞
收藏

51CTO技术栈公众号