|
分類 |
指標 |
含義 |
備註 |
|
DAU |
DAU |
日活躍用戶(Day Active User)：在當天登錄過遊戲的用戶。有效反映和衡量一款遊戲核心用戶數 |
|
|
DAU分類 |
•新用戶：當天註冊的用戶 |
此分類視具體產品而定，但對DAU細分是爲了看用戶羣體大體情況 |
|
|
•7天活躍用戶：7天內登錄過的用戶。如7月10日DAU中的7天活躍用戶是指7月10日登錄過遊戲，並且在7月3日至7月9日曾經登錄過遊戲的用戶。 |
|||
|
•迴歸殭屍用戶：7天前沒有登錄過遊戲的用戶（不包括新用戶）。如7月10日DAU中的迴歸殭屍用戶指的是7月10日登錄過遊戲，但是在7月3日至7月9日沒有登錄過遊戲的用戶。 |
|||
|
DAU/MAU |
日活躍用戶和月活躍用戶進行比較來看用戶每月訪問遊戲的平均天數是多少。如果遊戲擁有50萬DAU，100萬MAU，其DAU/MAU比值就是0.5，也就是說玩家每月平均體驗遊戲的時間是15天，說明遊戲粘度比較強。 |
DAU/MAU比例是社交遊戲的重要參數，同社交遊戲成敗息息相關。一般最低極限是0.2。這保證遊戲能夠達到臨界規模的病毒式傳播和用戶粘性。 |
|
|
每日流失用戶 |
• 當天登錄，後續7天內不登錄遊戲。如7月10的DAU中，在7月11日至7月17日不登錄遊戲的用戶。[可分爲新用戶，有效活躍用戶和迴歸殭屍用戶來求] |
|
|
|
新用戶 |
次日留存（率） |
•註冊後第二天登錄遊戲的用戶。如7月10日的新用戶中，在7月11日登錄遊戲的人數。 |
|
|
三日留存（率） |
兩種方式： |
|
|
|
•點三日留存：註冊後第三天登錄遊戲的用戶。如7月10日的新用戶在7月12日登錄遊戲的用戶。 |
|||
|
•區間三日留存：註冊後三天內登錄過的用戶。如7月10號的新用戶在7月11號-13號登錄過的用戶 |
|||
|
7日留存（率） |
兩種方式： |
|
|
|
•點7日留存：註冊後第七天登錄遊戲的用戶。如7月10日的新用戶在7月16日登錄遊戲的人數。 |
|||
|
•區間7日留存：註冊後七天內登錄過遊戲的用戶。如7月10號的新用戶在7月11號-7月17號登錄過的用戶。 |
|||
|
流失（率） |
•留存的反義詞。即不登錄遊戲的人數。 |
|
|
|
新手引導轉化率 |
新手引導每一步的轉化率=進行本步的用戶除以進行上一步的用戶 |
|
|
|
新手無操作（率） |
•新手無操作率=無操作的新用戶數/總的新用戶數。 |
|
|
|
•各平臺的定義都不同。一般情況下，指的是沒有完成加載過程，或者是無任何操作的新用戶。(具體定義方法由各平臺確定) |
|||
|
WAU |
WAU |
•周活躍用戶(Weekly Active User)：周活躍用戶，在一週之內登錄過遊戲的 |
|
|
WAU細分 |
•忠實用戶：連續三週登錄的用戶 |
這個分類只能據具體情況而定，且結果僅爲了查看用戶的類型結構。具體情況依不同產品而定。 |
|
|
•迴歸殭屍用戶：本週登錄過，上週沒有登錄過的用戶 |
|||
|
•留存殭屍用戶：WAU-迴歸殭屍用戶-新用戶-本週新用戶 |
|||
|
•新用戶：本週註冊的用戶 |
|||
|
•留存新用戶：上週註冊且本週登錄的用戶 |
|||
|
WAU細分（登錄頻次） |
•輕度用戶：每週登錄1~2次的用戶。 |
這個只能是對周用戶的一般結構解釋 |
|
|
•中度用戶：每週登錄3~5次的用戶。 |
|||
|
•重度用戶：每週登錄6~7次的用戶。 |
|||
|
**注：登錄次數是1次/天 |
|||
|
周流失率 |
本週登陸下週不再繼續登陸的用戶 |
|
|
|
各級別周流失率 |
本週各級別用戶在下週不再繼續登陸的用戶 |
|
|
|
流失用戶級別分佈 |
本週登陸下週不在繼續登陸的用戶在本週的級別分佈 |
|
|
|
|
忠誠用戶數量 |
本週登陸3次以上（當天重複登陸算一次），最高角色等級超過15級，在線時長超過14小時的用戶 |
視具體遊戲情況而定 |
|
|
忠誠度 |
忠誠用戶數量/WAU*修正值（新進人數的變化比例） |
|
|
|
忠誠流失率 |
本週忠誠用戶下週未繼續登陸的用戶/本週忠誠用戶 |
|
|
|
轉化率 |
本週登陸的用戶在下週轉化爲忠誠用戶的比例 |
|
|
MAU |
MAU |
月活躍用戶(Monthly Active User)：月活躍用戶，在一個月之內登錄過遊戲的。用戶測量一款遊戲的總體範圍水平 |
|
|
高活躍用戶 |
每月規定超過一定規定的在線時間的用戶 |
|
|
|
嘗試用戶 |
未達到高活躍用戶且未消費的用戶 |
|
|
|
MAU細分 |
•新用戶：本月註冊的新用戶 |
僅爲了查看MAU用戶基本結構 |
|
|
•上月活躍用戶：上個月登陸過在本月繼續登陸的用戶 |
|||
|
•迴歸流失用戶：上個月之前登陸過但在上個月流失掉，本月重新繼續登錄的用戶 |
|||
|
WAU細分：登陸頻次 |
登陸一天算一次；高活躍用戶的定義 |
|
|
|
用戶在線 |
CCU：實時在線曲線 |
|
|
|
平均在線時長 |
平均在線時長=總的在線時長/總登錄人數 |
|
|
|
ACU:平均同時在線人數 |
|
|
|
|
每小時在線人數 |
每個小時的登錄用戶數。 |
|
|
|
每小時註冊用戶 |
每個小時註冊的用戶數 |
|
|
|
最高在線人數（PCU：每日峯值） |
同時在線人數的最高峯 |
|
|
|
病毒性 |
發送邀請人數 |
時間段內，成功發送邀請的用戶數 |
|
|
接受邀請人數 |
時間段內，收到邀請信的用戶，點擊了接受邀請 |
|
|
|
發送率 |
發送邀請人數/活躍用戶數 |
|
|
|
接受率 |
接受邀請的用戶/收到邀請的用戶；點擊接受的信數/接受到邀請的信數 |
|
|
|
K-Factor |
K-Factor=（感染率）X（轉化率）。用於衡量產品的病毒傳播率。感染率是形容某個用戶向其他用戶傳播遊戲的程度。轉化率是指將感染用戶轉化成新註冊用戶的比例。 |
1KFactor表示平均1個用戶帶來1個新用戶。KFactor越高，社交遊戲發行商越受益，因爲這是個獲取新用戶的有效工具。 |
|
|
被邀請用戶比例 |
每天新用戶中，被邀請來的用戶佔新用戶的比例 |
|
|
|
付費/充值 |
APA：付費用戶 |
時間段內有過付費行爲的用戶數量 |
|
|
付費額 |
時間段內付費用戶消費總額 |
|
|
|
ARPU值 |
時間段內，消費額除以活躍用戶數。日ARPU值：日消費額除以DAU；月ARPU值：月消費額除以MAU |
用來衡量每一用戶帶來的平均收益 |
|
|
ARPPU值 |
時間段內，消費額除以付費用戶數。日ARPPU值：日消費額除以日付費用戶；月ARPU值：月消費額除以月付費用戶。 |
用戶衡量已轉化成付費用戶的那部分用戶，帶來的平均收益 |
|
|
付費率 |
時間段內，付費用戶數除以活躍用戶數。日付費率：日付費用戶除以DAU；月付費率：月付費用戶除以MAU |
|
|
|
LTV |
新用戶後續付費能力指標。例如：14日LTV是指今天註冊的新用戶在後續14天內付費額除以註冊的新用戶數 |
|
|
|
新增付費用戶 |
日新增；周新增；月新增 |
|
|
|
付費用戶流失數量 |
本週付費用戶下週未登陸的用戶;依次，可算月付費流失用戶數量 |
|
|
|
付費流失率 |
本週付費用戶下週未登陸的用戶比例；依次，可算月付費流失率 |
|
|
|
註冊轉付費 |
某一天註冊的用戶在一週後付費的用戶數量及比例(其實就是7天LTV) |
|
|
|
活躍付費用戶 |
視遊戲情況而定 |
|
|
|
用戶終生價值 |
Kontegent公式：用戶終生價值=1/（1-K）X日ARPU X用戶壽命（用戶平均生命週期：累計，非連續）。 |
|
|
|
|
前期流失率 |
用戶從進入遊戲到消費階段之時間內，流失的用戶站全體用戶的比率。 |
這是指社交遊戲活躍用戶的更換率。社交遊戲的活躍程度很高，其用戶基礎變幻莫測，這是因爲玩家時常放棄體驗某款遊戲或刪除遊戲。用戶流失指的就是用戶持續增損 |
|
流失 |
自然流失率 |
用戶在進入付費期後，流失的比率 |
|
|
|
用戶自然增長率 |
可用等級來度量 |
|
|
|
一般流失率 |
每日流失用戶、周流失率，月流失率（前面有） |
|
|
|
用戶自然增長率 |
可用等級來度量 |