开发者需要铭记的15个手游数据指标

导读

手游数据分析看似复杂，提及指标问题往往要记录成百上千个数据。简单的指标有下载量、访问量和日活跃用户数（DAU）等，这些数据相对直观，衡量的是具体行为。而像流失率、付费玩家平均贡献（ARPPU）以及日活跃用户与用户活跃度比值（DAU/MAU）等指标则较为复杂，其含义不那么直观，且可能引发更多问题。

例如，“要等多久才能判定一个用户流失？”“怎样才算是好的付费玩家平均贡献？”截至目前，我们还未介绍细分、漏斗和自定义事件等更先进的分析概念。接下来，我们将继续讲解这些指标，探究这些数据能揭示游戏存在的哪些问题。虽然游戏分析没有通用的原则，但一些有用的指标能帮助我们明确如何改进游戏。

基础指标

日活跃用户DAU

我们从基础指标DAU开始。DAU指的是在任意一天内，应用程序至少有一次访问记录的独立用户数量。仅依靠DAU和其他单一指标，无法深入了解应用程序的表现。不过，了解这些简单指标是后续深入分析的良好开端。

举个例子，一款硬核游戏有10000个用户，他们每天多次游玩并为游戏带来收入。与之相比，新闻客户端或消息应用程序可能拥有1000000的活跃用户，但却没有盈利机制。再看另一款应用程序，它可能用户留存率很差，但持续有新用户导入。今天它的日活跃用户数达到5000000，明天却可能降至100000。日活跃用户数只是一个数据快照，其他数据同样重要，但庞大的用户群体无疑是关键因素。

登录

无论是否为独立用户，只要用户在任何时间打开一次应用程序，就记为一次登录。与日活跃用户数类似，登录总次数需要结合其他数据才有分析价值。具体而言，我们应关注每日活跃用户的平均登录次数，该指标能反映用户参与游戏的程度。

应用程序的类型会影响登录情况和日活跃用户数。某些类型的游戏能促使用户更频繁地登录。如果用户每天登录5 - 10次，可明确判断他们喜欢这款游戏；若每天仅打开应用程序一两次，那么这款游戏很难长时间吸引他们的关注。

用户活跃度（DAU/MAU）

日活跃用户与月活跃用户的比值体现了应用程序的用户留存情况，也常被称为游戏粘性。该指标还能显示用户登录应用程序的频率，通过举例说明会更易理解。

假设一款应用程序有100000个月活跃用户，平均日活跃用户数为15000，那么日活跃用户与月活跃用户的比值为15%。这意味着每个用户在当月平均登录天数约为4.5天（30 * 15% = 4.5）。

由于这是一个比值，日活跃用户与月活跃用户比值的取值范围在0到1之间。该值越接近1，表明用户打开应用程序的天数越多。像Facebook这样流行的社交网络应用，其日活跃用户与月活跃用户比值曾高达50%，而大多数成功游戏应用的比值接近20%。

留存

对于免费游戏而言，留存率是最重要的指标之一。成功的免费游戏能与用户建立长期关系，享受游戏体验的用户愿意为获取竞争优势而付费。游戏需要较高的留存率，以便用户在较长时间内建立这种关系。

计算留存率时，会根据用户下载应用程序的时间进行分组。用户下载当天记为第0天，若在第二天再次打开应用程序，则记为第1天，这些用户会被标记为留存用户；若未打开，则不做标记。这种计算方式用于每日记录已下载游戏的用户群组。常见的留存记录天数为1天、3天、7天和30天。

付费转化率

接下来谈谈大家都关心的话题：收益！前面提到的指标主要用于衡量游戏与用户的关系以及用户使用应用程序的频率。但对于大多数独立开发者来说，游戏能否盈利才是最重要的标准。

转化率衡量的是在特定时间段内，付费独立用户占总独立用户的百分比，也可用于衡量免费游戏中广告的转化率。

让用户在免费游戏中付费并非易事。不过，和许多其他行业一样，免费游戏中的重复消费者会为游戏带来大部分收益。可以通过向用户提供高价值的虚拟物品，鼓励他们完成首次付费转化。

日活跃用户平均收益ARPDAU

日活跃用户平均收益（ARPDAU）是游戏分析中常被讨论的指标之一。它非常有用，能让我们从日常基础数据中了解游戏的收益表现。

ARPDAU是追踪用户付费前及付费过程中行为的有效指标。在获取新用户之前，我们需要了解ARPDAU的正常范围及其波动情况。在获取新用户时，可根据用户来源进行细分，分析不同网络或游戏渠道的表现。后续帖子将详细讨论用户细分问题。

每付费用户平均收益ARPPU

每付费用户平均收益（ARPPU）用于衡量游戏中已付费用户的平均贡献，该指标因游戏类型而异。硬核游戏通常有较高的收益标准，但与休闲类游戏相比，其付费吸引力相对较弱。

流失

流失率与留存率相反，用于统计下载游戏后不再继续游玩的玩家数量。在预售模式中，流失指标具有重要意义，在免费游戏中情况则有所不同。

主要需考虑用户的游戏风格。无论用户是否付费，在预售模式中流失是不可避免的。在免费游戏中，部分玩家可能每天多次游玩，而更多休闲玩家可能每周仅登录一两次。为区分不同类型的玩家，我们将28天内未玩游戏的用户定义为流失用户。

游戏内指标

资源的产出和消耗

产出指的是用户在游戏中赚取虚拟货币的方式。在游戏数据分析中，产出指标用于衡量用户赚取的货币数量，也包括游戏开发者给予用户的各种形式的货币。

消耗与产出相反，是指用户在游戏中消费的虚拟货币。产出和消耗指标既适用于硬通货币，也适用于代币（虚拟货币），在分析时需对不同类型的货币分别进行考量。

随着资源的产出和消耗，形成了资源的流通。资源流通反映了玩家消费和赚取货币的收支平衡情况，理想情况下，资源流通应保持稳定，如同曲线图所示。

如果图表曲线呈指数式向上倾斜，表明玩家手中货币过多，无需充值；若曲线向下倾斜并趋近于0，则表示玩家因资源匮乏而无法进行游戏操作。

开始次数、失败次数或成功次数

最后，我们来介绍一些进阶指标。许多游戏都有关卡系统，开始次数指标用于衡量玩家挑战新关卡的次数。

失败次数是指用户挑战新关卡但未完成的次数。

成功次数则记录用户完成某一关卡的次数。将这三个指标结合起来，有助于分析游戏关卡存在的问题。

通过分析这些指标，我们可以判断游戏的难度设计是否合理，用户是否意外卡在某一关卡，以及用户在哪一关玩得最开心并愿意重复游玩。

需要注意的是，游戏分析没有万能的方法，上述指标仅能帮助我们初步了解游戏情况。手游分析的关键在于建立适合自己游戏的标准。一旦了解了用户行为，就能更好地评估游戏更新的影响，调整获取用户的策略。