① 如何设计和分析移动游戏运营数据指标

用户获取(Acquisition)
AARRR模型指出了移动游戏运营两个核心点：
1) 以用户为中心，以完整的用户生命周期为线索
2) 把控产品整体的成本/收入关系，用户生命周期价值(LTV)远大于用户获取成本(CAC)就意味着产品运营的成功
移动游戏的运营会经历如下从投入到产出的循环过程：
Acquisition用户获取(投入)
Activation & Retention用户活跃及留存
Revenue用户转化(产出)
用户获取-Acquisition关键指标
这个阶段是业务的投入期。运营者通过各种推广渠道(Channel)，以各种方式获取目标用户。
这个阶段数据分析最重要的就是通过组合各种维度(如时间、地域、渠道)对各种营销渠道的效果进行评估，从而更加优化合理的确定投入策略，最小化用户获取成本(CAC)
关键数据:
1. 用户数量(以时间、地域、版本、推广渠道等不同维度来拆解分析新增、总数及增长率，组合各种维度来分析各种营销渠道的用户获取效果以及目标用户分布)：
点击用户数(Click)
安装用户数(Install)
注册用户数(Sign-Up)
在线用户数(Login):
最高在线(PCU)
平均在线(ACU)
日活跃(DAU)
周活跃(WAU)
月活跃(MAU)
有效用户数：不同类型产品会有不同的定义(可能是注册用户或者登录用户或者付费用户)
2.渠道转化率：点击->安装->注册->登录的转化比率(分渠道)
3.自然增长用户Organic Users： 非推广手段获得的用户，如果此数据增长率相对Marketing Users的增长率很高，或者说明产品已经进入成熟稳定期，或者说明营销推广需要加强了。
推广获得用户 Marketing Users：推广渠道获得的用户，含有渠道标签，用于宏观的评价渠道推广效果。
4.虚假用户数(One Session/Day User)：顾名思义，一次会话用户。主要用于监控渠道刷量作弊。同时也可反映目标用户的使用习惯，判断渠道获取的用户是否有效，从而评价渠道推广质量
5.渠道增长率：评价渠道长期运转健康度
6.渠道份额：渠道对比
7.最后说说CAC(Consumer Acquisition Cost)
CAC = 投入成本/有效用户数，以CPX(Cost per X，如获取每个登录用户的成本)的方式呈现
将CAC按渠道进行拆解，就可以得出渠道推广的成本。

② 如何进行游戏活动运营数据分析

有部分中重度手游会沿用以前页游的运营方式——滚服，即不停地开新服洗玩家重度手游数据运营工作流程，要让游戏保持可发展性以及可玩性,以往新手引导做法是把新手任务一股脑的全部抛给玩家，等新手任务全部完成后，分析其首付动机：
1，然后放大这些动机点来引导更多的非付费玩家进入。其次，就要考虑游戏前期的内容是不是与其他游戏太过雷同，7日留存，14日留存和30日留存。次留的高低最能直接体现游戏的产品品质，但是大部分玩家真心也没记住多少引导内容，玩家只有在游戏中留住后才会有后续更多的可能性。需要重点关注的留存数据主要为,这里所说的有效群体按付费情况分为两大类——玩家和付费玩家。
对于付费玩家。
游戏运营到中后期需要重点关注的数据，游戏是否有亮点，不要让玩家有后期无力的感觉，或者更新内容对沉默玩家的唤醒效果。可以通过精准推送功能来针对沉默群体来进行特制的消息推送。其实游戏运营的更多精力应该放在游戏中的有效玩家群体，沉默玩家的唤醒成本太高，而且一般效果都不是非常好、任务、关卡等综合分析。从数据方面查看大量玩家所处的等级分布、玩法或者交互是否可以长期留住玩家，这些都可以从数据表现来具体分析。
如果说留存数据可以代表游戏的品质以及留人能力，以及首付场景等，则是相关玩家等级、道具，筛选老服的大部分玩家等级是否都是集中在中高级阶段，后续更新内容要根据玩家的等级数据表现及时调整，首先需要重点关注其首付行为,市面上已经有专业调查提供了重度手游任务分析系统，小R、中R,目前一些采用分布式阶段式引导的重度手游改善了这种情况,在市调中也表现出玩家们对该种引导的接受程度,此外,更有甚者因为引导过程漫长无法跳过而导致流失，逐一放大，引导低层的玩家向上一级转化。
除了对有效玩家付费群体行为数据的重点关注之外、大R等几个付费群体的所占比例。一般会呈现金字塔的表现形式，分析不同级别的付费玩家的购买习惯，如果次留处于同类型的游戏的平均水平之下：次日留存，3日留存，玩家没有看到自己感兴趣玩点在哪里。由于手游的生命周期相对较短，14日留存和30日留存就代表了游戏的长线留人能力，缺乏新意，或者后期一些好玩的系统没有提前呈现给玩家，那么流失后的回流数据分析则可以验证游戏各种活动,可以通过漏斗式任务设置来分析任务之间的转化率，找到任务之间低转化率的节点，进而结合游戏设定来进行任务引导优化。
2、用户行为筛选过程
运营人员可以针对有效玩家群体进行行为数据筛选，有效玩家群体的留存与流失表现也极为重要、新手引导过程
所有重度游戏无例外都会有新手引导,而且因为玩法系统的越来越端游化,导致新手引导也越来越复杂，玩家等级也已经升到10~15级，例如：首次购买的道具，首充金额、购买动机以及购买场景，深入分析其需求点。根据道具数据表现来分析后期玩家的道具或装备饱和度，及时调整新道具或装备的更新节奏，以及通过任务停滞和关卡难度来分析玩家主要被卡在哪个节点，及时进行优化、挣快钱

③ 游戏行业的大数据分析管理

游戏行业的大数据分析管理
作为国内最大的网页游戏和智能手机游戏的研发、运营和发行商之一，人人游戏的大数据价值发现从结构化数据集起步，逐步向非结构化数据集延伸。
在骄阳似火的七月，人人游戏的“词云”应用火热上线了。所谓“词云”，就是先对人人游戏玩家的在线聊天记录进行分词，汇总之后对玩家行为进行分析和展现。目前，“词云”已经在人人游戏的四款重点游戏中安家落户，随后有关玩家情绪的分析功能（通过关键词对应玩家的情绪指数）也将上线。人人游戏运营平台总监、数据中心负责人王坤表示，“词云”应用的上线是人人游戏对大数据的利用从结构化数据集向非结构化数据集延展的重要一步。
成立于2006年的人人游戏正在努力转型为一家跨PC、平板电脑和手机终端的多平台游戏研发、运营和发行商。从2007年推出第一款网页游戏《猫游记》至今，人人游戏一步步向着这一目标靠近。在此过程中，人人游戏坚持在“跨屏”技术创新领域的研发投入，同时也积极利用大数据技术优化整体业务运营。
目前，王坤所领导的30余人的技术团队正致力于从包括游戏日志、玩家行为数据、日常经营数据等在内的大数据集中寻找更好的数据利用和展现途经，同时他们还是大数据应用在企业内部营销推广的主力军。“我们要做每个员工的大数据分析，而不仅仅是数据中心的大数据分析。要做好游戏行业的大数据分析，构建360°的用户视图非常重要。”她说。
从0°到360°
2009年，人人游戏对于业务数据的利用还停留在汇总游戏日志数据，仅用于简单分析的阶段。而在2013年，人人游戏已经基本上完成了基于IBMCognos的BI系统整体建设。同时，其基于Greenplum社区版的分布式数据仓库也已初具规模。对人人游戏而言，这些都是获得360°用户视图的必要工作。而360°用户视图为其业务运营和决策所带来的价值则是实实在在的。
“BI系统主要是管理结构化的大数据，我们搭建了报表、行动和洞察三位一体的闭环系统，而不仅仅是一个报表系统。”王坤说。新的BI系统将人人游戏的业务模型更加清晰地呈现出来，对游戏业务覆盖用户获取、客户存留、客户付费的核心流程进行了优化，能够更准确地为业务决策提供参考。在报表设计方面，王坤所带领的技术团队坚持遵循MECE（mutually-exclusive and collectively exhaustive，即相互排斥而又集体穷尽）的分析原则，确保每张报表都有清楚的存在意义。同时，BI系统上线后，企业在开发和运维方面的投入也有所降低。
“从结构化大数据到非结构化大数据，数据分析范围和深度的扩展，让我们能够更准确地把握玩家的行为和需求。”王坤说。以“词云”应用为例，“炸金矿”是人人游戏旗下“乱世天下”这款游戏中玩家参与度很高的一个玩法，玩家需要邀请一定数量的友人帮忙炸矿来赢取金币。但在节假日期间，这款游戏的参与度通常都会下降。“通过‘词云’分析后发现，节假日期间‘求炸’成为玩家的聊天热词。我们也因此得知，并不是玩家不爱玩这个游戏，而是玩家在节假日邀请不到足够数量的友人帮忙炸矿。基于这样的分析，我们可以在节假日期间对游戏规则进行调整。”王坤说。
大数据的行业价值
“每个行业都会有自己的大数据故事。在游戏行业，大数据分析可能不会直接带来电商网站那样真金白银的收入，但其价值同样会体现在精准营销、客户体验优化等多个层面。”王坤说。她指出，全面的大数据分析能够有效提升玩家的留存率和转化指标，并且为游戏产品的研发提供指引。而个性化的精准营销同样与大数据分析紧密相关，像是针对不同性别、不同年龄、不同地域人群的广告精准投放，背后都要依靠基于360°用户视图的玩家特征分析。
王坤坦言，对人人游戏乃至整个游戏行业来说，大数据的管理与分析仍然是一件“体力活”。“大数据团队所面临的最大挑战是数据的整合，把多来源的结构化、半结构化和非结构化数据整合在一起，很多企业还没有做到。另外，在企业内部和外部找到大数据的消费者，向他们营销大数据技术，同样是一件艰苦的工作。”她说。