游戏用户数据分析的维度

《游戏用户数据分析的维度》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、游戏用户数据分析的维度每日：    －－－－－－－－－用户数量描述    在线人数：（取的当日某个时刻最高在线，一般发生在9:30左右【网游终端平台不同、类型不同峰值时间不一定相同】）    新进入用户数量：（单日登录的新用户数量）    当日登录用户数量：    每日登录/在线：    －－－－－－－－－盈利状况描述    每日消耗构成：（根据金额和数量做构成的饼状图）    每日消耗金额：    每日消费用户数量：    每日充值金额：    每日充值用户数量：    每日充值途径：    －－－－－－－－－产品受关注程度描述    官网首页访问量：    客户端安装量

2、：（根据安装完成弹出的页面）    客户端下载量：    客户端下载点击量：    安装率：下载安装/下载量    －－－－－－－－－游戏系统描述    每日金钱增量、消耗和净增值：    等级分布：    忠诚用户等级分布：    特征物品市场价格（如联众游戏豆）：  每周：    －－－－－－－－－用户群体描述    活跃用户数量：当周登录过游戏的用户数量    忠诚用户数量：本周登陆3次以上（当天重复登陆算1次），最高角色等级超过15级，在线时长超过14小时的帐号    流失用户数量：上周登录但本周没有登录的用户数量    流失率：流失用户/上周活跃数量    忠诚流

3、失率：上周忠诚用户当周没有登录用户的数量/上周忠诚用户数量    忠诚度：忠诚用户数量/活跃用户数量*修正值（新进人数的变化比例）    转化率：上周登录的用户在本周转化为忠诚用户的比例    －－－－－－－－－盈利变化描述    ARPU值（周）：当周充值总额/当周付费用户数量；当周充值总额/当周平均最高在线    付费用户：该周有过付费行为的玩家数量    新增付费用户数量：本周新增的付费用户    付费率：该周付费用户数量/该周登录用户    付费用户流失数量：上周付费用户本周未登录数量    付费流失率：上周付费用户本周未登录的比例    注册转付费：某一天注册的用

4、户在一周后付费的用户数量及比例  每月：    ARPU值：该月充值总额/当月付费用户数量；当月充值总额/当月平均最高在线    付费用户：该月有过付费行为的玩家数量    新增付费用户数量：    付费用户流失数量：    付费流失率：    活跃用户数量：该月登录过的用户；  针对道具：    每日购买量：    每日使用量：    转卖数量：购买然后在手里出售给其他玩家的数量    转卖价格：    流通速度：转卖总次数/参与转卖的道具数量    购买者等级分布：    使用者等级分布：产品分析为游戏包装、盈利设计提供非常必要的支持，也是指导日常运营的重要参考。是运营

5、工作中的核心内容之一。但和其他行业一样，即便做了非常多的数据分析和其他信息收集，我们往往依然很难获得足够的信息来得到一个非常清晰的结论，经验和直觉在决策中还是扮演重要的地位。产品分析分为：一、从信息收集渠道上来看：（一）数据分析（通过数据库或后台查询的数据）        1.例行数据分析（每日、每周、每半月、每月，每季度……）        2.项目数据分析（非例行/重复，如开区效果评估，游戏修改评估等）            项目数据调查一般遵循这样的过程：            1.确定调查分析目的（证实、探索、预测）            2.达到这个调查分析目的你

6、需要哪些结论来支撑            3.获得原始数据后如何分析（分析模型）            4.如何获取原始数据  （二）客服问题反馈（流程）  （三）自身游戏体验  （四）玩家直接交流（游戏交互、日常沟通、QQ群、小型见面会等）二、从内容上来看：(例行的)  （一）产品现状描述：通过参数来反应目前游戏系统和运维平台的情况   1.游戏世界描述（高峰/均在线，金钱监控，等级分布，特征怪物/物品/道具价格等）   2.运维平台及其它（下载量、下载完成率、注册量、硬件使用率、客服相关数据等）  （二）玩家游戏行为分析：物理特征+外部行为+游戏行为+群体描述   1.

7、用户物理特征（性别、年龄等）   2.外部行为特征（登陆频率、时长、时间段等）   3.游戏行为特征（流失等级及变化）   4.群体行为描述（峰值、活跃用户/忠诚用户及相关比例、新进用户、活跃度、忠诚度、流失率、转化率等）  （三）玩家消费行为分析：修正盈利设计，捕捉用户需求，新增道具设计   1.付费用户描述（付费用户数量、ARPU、付费用户游戏行为分析等）   2.盈利描述（盈利状况、消耗构成及变化趋势等）   3.道具分析（使用范围、使用深度、使用/放弃原因等）   4.付费意愿分析   （1）消费偏好分析（