游戏指标进阶，做更精确的数据分析与挖掘

典型游戏指标的进阶分析方案??????????

纵观游戏业务的分析流程，可发现其中存在很多不同类型的指标，我们可以通过几个不同的问题来了解不同的指标分析方法。

首先，除了留存率，还能怎样观察用户黏性？其实可以通过 DAU 与 MAU 这两个指标去做更深入的分析，在这想引进的概念是 DAU 和 MAU 的比值。

DAU 是每天的活跃用户数， MAU 是一个月里去除重复用户后的的活跃用户数。假设现在每天有 2700 个人在一个月里面每天登录游戏，那么这个月里的活跃用户数为 2700，这时候如果算一个比值，用 DAU/MAU，这个值是 1，就属于用户黏性非常高的情况。反过来，如果 DAU/MAU 的值无限接近于 0，就说明用户黏性很低。

因此，游戏发行商可以借助这个比值去观察到底哪个游戏更受欢迎，分析单一产品时，也可以借此区分不同投放渠道的用户，从而更快找到目标用户。

第二个问题，该什么时候给用户推送活动信息？这个问题旨在思考什么样的时间去做什么活动会有更好的效果。此处可以使用另外两个指标的比值做参考，即 PCU 与 ACU。PCU 指的是一天里高峰时段的在线人数， ACU 指平均在线人数。

这两个指标的比值能够代表什么意义？举一个极端例子，从 0 点到 23 点，如果每个小时的在线人数都是 31 人，那么 PCU 为 31，即每个小时都是在线人数的最高点，此时用 PCU/ACU，数值为 1，说明游戏的运行情况非常平稳。因此，如果 PCU/ACU 的值越大，推送活动的时间就越重要，只有找到高峰时段去推送活动，用户的参与度才会更高。

第三个问题，ARPU 值提升了，该给老板报喜吗？ARPU 指的是单个用户的付费金额。如果提升，就说明每个用户在游戏中有更多的消费金额。这是好事，但其实也有需要注意的地方。观察上图中的情况 A，可发现付费总金额并没有任何的变化，呈现比较平稳的状态，但分母下降才导致整个分数的比值上升，这种情况其实不该报喜。

判断这个问题时，我们可以借助价格需求弹性系数的概念来建立游戏的弹性系数指标，用弹性系数与数值 1 进行比较，再结合 ARPU 值的升降来得出结论。弹性系数越高，就说明分子的变化比分母快。当我们把这种弹性的概念引申到 ARPU 值后可发现，参考图中的公式，当比值大于 1 时，说明分子即付费总金额的变化更快，由此可以再判断到底是该给老板报喜还是报忧。

再来看下一个问题，LTV 跟游戏设计有什么关系？LTV 指总付费金额除以 DAU  后得出的每位用户的生命周期价值。

我们并不能知道每一个用户真正的生命周期有多长，所以一般情况下会统计用户登录的第 7 天、14 天、30 天产生了多少付费金额，根据这些时间节点，可以跟市场投放的数值进行比较，来查看游戏的回收周期。

同时，通过 LTV 还可以去看目前用户的付费响应情况。假如有一个游戏，LTV 在增长 21 天之后基本上不动了，说明游戏刺激用户付费只在前两周有效果，就需要去思考游戏设计的问题。比如，是否充值活动在两周之后让玩家觉得没有意思，或者是玩家在前两周充值后所获得的资源能够使用很久，就难以刺激玩家在短时间内的再次付费。