2024年4月5日发(作者：k47次列车时刻表)
【入门篇】移动游戏数据分析框架-活跃&留存相关指标详解
在跟很多朋友聊游戏分析指标的时候，提到活跃和留存大家都会有一些疑问。
1、活跃相关的指标基本都是描述性指标，DAU、MAU、AT、MAU/DAU、PCU、ACU，除了描
述游戏的在线规模和用于一些异常监控以外，还有什么用。
2、留存是最蛋疼的事情，因为市面上有各种各样的留存算法，各有各的道理，但是不知道他们之间
的区别到底是什么，在哪些情况下应该应用哪些算法。
还是回到CP的根本任务“最大化活跃用户规模，并在此规模之上最大化用户付费转化及付费强度”；
最大化活跃用户规模可以拆解为2个部分：
1是规模，更多的人玩，除了通过增加新增导入以外，还需要延迟用户生命周期（玩的更久）也就
是提高留存，再有就是沉默用户的唤醒；
2是活跃，更高的参与度（每日游戏时长，每月游戏天数），在固定周期内，用户参与游戏的时间
越久，我们就越有机会让用户转换为付费用户；
========在做进一步讲解之前，我们先对活跃用户进行一下定义===========
AU（Active Users）活跃用户：统计周期内，登录过游戏的用户数；根据统计周期不同又划分
为DAU（日活跃用户），WAU（周活跃用户）,MAU（月活跃用户）；
备注：入门篇中所定义的“用户”均以“账号”进行衡量；账号：游戏账号库中的唯一标识，在单款游戏
中全局唯一；
===================================================
回到正题，活跃比较好理解，所以我们先来说留存，业内有很多留存的算法，首先我们来看一下最
简单的留存定义：
DRR（Daily Retention Rate）日留存率：统计当日登录过游戏，且后一日也有登录游戏的用户 占
统计当日活跃用户的比例
WRR（Weekly Retention Rate）周留存率：统计当周登录过游戏，且下一周至少登录一次游戏的
用户占 统计当周活跃用户比例；
MRR（Monthly Retention Rate）月留存率：统计当月登录过游戏，且下一月至少登录一次游戏的
用户占 统计当月活跃用户比例；
简而言之，就是当前统计周期（日、周、月）内有登录游戏的用户，在下一个统计周期内还有登录
过的用户，即为留存用户；所以留存率的时效性会延迟一个统计周期.
关于 日留存率 业界有一个拓展定义：统计当日登录游戏的用户，在之后N日内至少登录一次游戏的
用户 占 统计当周活跃用户比例；
为什么要做这样一个拓展定义？我们在做数据分析的时候，留存率只是告诉我们一个值，这个值本
身意义不是非常大，但是流失它可以帮助我们发现游戏存在的问题；
大多数人在做数据分析的时候，都会干一件事情，把“流失玩家”的等级分布拉出来，计算一个等级
流失率，观察出现流失高峰时候的用户状态，在通过这次状态去反推游戏设计上可能存在的问题；
这个时候就“流失”判断的精度要求就比较高，只有发现真正意义上的流失用户，在去排查他们在流
失之前的行为、流失当下的属性等，才能更准确的帮助我们发现游戏内的问题；
那么，在简单的留存算法下，定义的流失会有2个问题：
1、精度不高，用户在某天或某周没有登录，不代表用户“不玩”游戏，有可能只是刚好没有登录
而已；
2、在计算周、月留存的时候，对每个个体存在不公平现象，A 用户周一注册，周三，周五，周天
登录后流失；B 用户周五注册，下周一再次登录后流失；那么在周留存计算中，会认为B用户是 周
留存用户，而A用户是周流失用户；其实A玩的时间比B更久；
发布者：admin，转转请注明出处：http://www.yc00.com/num/1712310310a2039034.html
评论列表（0条）