写在分析之前
一直以来，我们对数据都是做加法，希望在这个过程中，不断搜罗和变换出更多的数据指标，维度等。而在实际的分析中，一如给用户提供产品，太多时候我们思考的是如何增加功能，实际上却离产品的核心功能、诉求越来越远。
笔者最近有幸和一些团队在做数据分析的交流，发现，对于一些最基本的数据指标，实际上我们并没有深入的理解。或者说，我们并不了解数据，以及背后的用户，使用场景等。因此，也就造成我们在夹生数据理解的基础上，不断探寻新的数据组织和加工。
前年的时候，我制定了关于游戏数据分析的一些基本指标，后来有人和我说，“我们的数据指标定义和你的不一样，你的指导意义不够，不符合业务需要”，
这里我举一个例子：
很多企业在定义日活跃用户数（DAU）时，都会和我说，“我们是把每天登陆 2 次以上的用户算作 DAU，而行业标准，是只要登陆过的用户，就算是日活跃用户。”
就这个问题我想表达的是，DAU 这样的指标，他本身代表的是业务场景，而非一个简单粗暴的指标内容。换句话，其背后存在一个围绕 DAU 生成的体系和流程。
我们可以以“转化率”或者“金字塔”的思想来理解这个 DAU，不论大家在做 DAU 数据时是以定义“登陆两次以上是活跃用户“为准，还是以”登陆时长超过 10min，算作一个活跃用户。“为准，登陆都是被作为最基本要具备的要素。只有这个要素存在，以上提到的“登陆两次”，亦或“登陆时长过 10min”算作一个活跃用户才是被满足的。如果按照“转化率”或者“金字塔”的思想解释，我们其实是想知道层层过滤后，所谓那部分高价值用户的比例。
从业务场景的角度分析，这其实是在研究用户到达的好坏，而渗透到这一场景的核心，我们发现，影响到 DAU 的分析因素其实很多。基本的 DAU 定义是指，登陆游戏一次就是活跃用户，这个过程中，如果结合我们刚才提到的转化率思想，从 DAU 的转化率关系或者金字塔结构（仅从登陆次数作为统计维度），是能够发现一些问题所在的。比如用户的游戏行为习惯，付费相关性，营销活动刺激等。举个例子，间隔时间极短的两次登陆用户，且级别很低时，很可能是登陆存在问题，趋利用户（即积分墙用户）。
行业指标观察
今天，我们花一些时间就只说 DNU 和 DAU，而分析的指标就是 DNU/DAU,你可以称这个指标叫做活跃度指数，当然大家喜欢叫做新增用户占比。
且看下面的图片：
这里的老玩家指的是：DAU-DNU，注：DAU-DNU 与 DOU 是同义。
此图蕴藏了几个信息：
玩家的行为习惯逐渐形成，周六成为用户游戏的高峰时间段。尽管这个事实有很多人都注意到了，但不是所有人都考虑到了这个因素，在做周末奖励活动时。
对比来看，在 1 月到 2 月春节期间，用户的行为特点则是完全不同。
蓝色区域面积越小，则留下的老用户（即 DAU-DNU）比例就越多，相对的留存质量则会好一些。游戏的玩家自循环系统逐步成立，则推广期间的大部分玩家在次日之后都留在了游戏中。针对这一点，在下面展开解释。
我们将 DNU/DAU 的比率拿出来，做出如下图的曲线：
从图中我们可以看到，基本上这个比率维持在一个很低的数值，大概在10%-15%左右。换句话说，新增用户的占比只有全体日活跃用户占比的10%~15%，即使当我们游戏开始大范围拉新推广时，这个比例仍旧维持在10%~15%，但此种情况仅存在于游戏已经上线，且用户的自然转化情况比较理想时。
从数学的角度来看，这个比率计算的分子和分母，分别是 DNU 和DNU+DOU（即 DAU），基本上变化幅度是同步的，当 DOU 足够多的时候，DNU 的新增影响是有限的。但是如果一段时间内 DNU 的诸多用户不能转化为DOU，则此比值则在不断升高。如下图所示：
如上图，昨日的 DNU 中的一部分（次日留存部分）变成了，今天的老用户（DAU-DNU），而昨日（DAU-DNU）部分则有一些转化为今天的老用户，同时，今天 DAU 中，则继续有 DNU 的加入，而这一部分，也构成了明日（DAU-DNU）的一部分，在明日的 DAU-DNU 中，同时还有昨日 DNU 在明日的部分贡献，昨日 DAU-DNU 在明日的贡献。
由此，我们可以认为：在游戏足够吸引用户或者流量足够理想的情况下，随着不断新用户被带入到游戏中，游戏中 DOU 的比例则会越来越高，那么我们的DAU 就会不断的成长。
在游戏带入的流量是虚假的或者游戏不足以吸引玩家时，则每天导入的DNU 会不断的被损失掉，就变成了一次性用户，即新增当天登陆过游戏的用户，且此后不再登录游戏。此时，我们会看到在随后的一段时间（尤其是停止推广后），DOU 即老用户的比例并没有发生显着的增长，这一点从 DAU 是看不出来的，但是我们从 DOU 的比例就可以看出来。在这种情况下，不需要等待几天来看效果，推广的第二天如果效果不佳就需要停止。
案例
从下图我们可以看到，在大推开始 DAU 的规模开始急剧增长，但是基本上是 DNU 的贡献。推广几天的 DNU/DAU 平均水平在 83%左右，这一点恰恰说明，在推广期间每一天的大量 DNU 并没有在次日有效转化为 DOU，这一点，我们从DOU比较平滑的曲线就可以看出。尽管这期间我们发现DAU急剧膨胀，但是实际 DOU 较推广前的涨幅则是有限。经过计算，较推广前 DOU 平均涨幅30%。 而实际此期间，DNU 的平均涨幅 100 倍左右，而推广结束后，DAU 较推广前涨幅了 30% 左右。对比 DNU 约 100 倍流量的涌入，实际 DAU 和 DOU的涨幅，则实在是很微弱。
综上所述，这个指标对于游戏的粘性理解和投放效果评估，能够起到一定的积极作用。同时，要说明的是，这个指标对长期运营的游戏来说，是评估其生命力的一个重要参照，想必用过的人是很清楚的。
最后奉上行业水准：
一线：<10%
二线：<20%
三线：<30%
四线：<45%
行业平均水平：28%
注：游戏上线初期的 1~3 天不具备参考意义。
关于 TalkingData
TalkingData 正式成立于 2011 年 9 月，其主要创始团队来自于甲骨文、IBM、腾讯、百度等公司，长期从事分布式运算以及大数据处理方面的工作。目前，TalkingData 累计覆盖独立设备超过 4 亿部，日会话数超过 1.5 亿次。TalkingData 拥有全面的数据服务产品线，具备对海量数据进行处理并深入挖掘的能力。目前除了为移动应用、移动游戏提供运营数据分析、支持外，亦可为移动广告、电商、金融行业等提供全方位数据服务。