游戲的用戶新進數據指什麼

A. 手機游戲運營主要的指標是什麼7天活躍，14天活躍 ARPU

我覺得所有指標其實都是一個一個維度深化下去的。數據是永無止境的，關鍵是你想要數據解決什麼問題。與其思考手機游戲運營重要的指標是什麼，不如思考對於游戲重要關注什麼。我覺得設計一款游戲最重要的指標歸根結底就是2點：留存和收入。我們做的大部分的策劃和思考都來自於提高這2個數據，從而衍生出所謂的7日活躍和14日活躍，月活躍。同時為了提高隔日或者7日留存的數據，我們又要設計很多運營方面跟游戲相關的數據去檢查這些數據跟留存數據的關系。
為什麼關注7天活躍？
有個詞叫體驗線。是用來衡量每個玩家從接觸游戲到不同階段所享受到游戲樂趣的不同感覺。我們認為，隔日留存跟七天留存重要，是因為這段時間如果能夠給玩家帶來很好的游戲體驗，用戶留下來的概率會增加不少。
前期我們主要關注3個數據：新手通過率和隔日留存，7日留存。而且我一直主觀認為，建立一個好的新手通過率的模型會直接影響留存數據。例如，一個游戲會做新手引導，關鍵是引導到多少級更好呢？引導的越久意味著流失越大，而沒引導意味著玩家還沒懂玩游戲就已經流失，同時也會影響留存。我建議策劃主觀設定一個階段的新手引導等級，根據新手通過率和隔日留存建模型，不斷修正新手引導。所以我們為了提高隔日留存，又會有一系列的數據指標，去驗證設計的方案。
我相信，當你設計好了目標，到底是為了提高留存還是收入，你就能想到各種運營數據去優化游戲的體驗。

B. 游戲中的ACU，雙周活躍用戶數，雙周新增活躍用戶數，本月流失用戶數 分別指的是什麼啊

ACU：RTS游戲最高指揮官系列中的單位，在游戲設定中是玩家在戰場上的代表，殺死ACU即相當於摧毀了部隊的最高指揮官，贏得勝利。由於此種設定，導致在標準的游戲模式下，ACU一直是敵人的重點攻擊目標。特別是在游戲後期，需要保護好。
雙周新增活躍用戶：兩周前注冊的用戶並有登陸跡象的用戶數量。
本月流失用戶數：一個月未登錄的用戶數量。

C. 游戲中的數據是什麼意思

一般游戲都是要上傳數據的 只是不大而已 你的電腦操作產生指令發送到伺服器 然後伺服器確認並發送下一條指令 然後你的電腦上的程序才會進行下一步的動作或者其他 就這個意思

D. 如何用商業思維分析游戲用戶行為數據

第1步：看整體數據，主要看整體數據有何異常，以及哪些數據的趨勢較好(例如，整體數據，游戲人數穩定，月收入對比極端)

第2步：看細分數據(例如，細分數據，游戲新增用戶和流失活躍付費用戶成正比，新增用戶不付費，大R流失嚴重)

第3步：結合數據分析(例如，分析數據，付費玩家為什麼流失?沒有付費競爭?還是付費後達到游戲金字塔頂端失去樂趣?)

第4步：根據數據行動(例如，更新版本，開展玩家召回活動，換量….)

E. 安卓手機這個用戶數據是指什麼

這里的用戶數據指的是軟體運行數據，根據和平精英游戲來看的話，這是正常的，和平精英用戶數據中存放的是地圖包以及皮膚音效等文件，強制刪除後需要重新下載地圖後才能進行游戲。

F. 游戲產品不同階段，關注哪些數據

重度手游數據運營工作流程：
1、新手引導過程
所有重度游戲無例外都會有新手引導,而且因為玩法系統的越來越端游化,導致新手引導也越來越復雜,以往新手引導做法是把新手任務一股腦的全部拋給玩家，等新手任務全部完成後，玩家等級也已經升到10~15級，但是大部分玩家真心也沒記住多少引導內容,更有甚者因為引導過程漫長無法跳過而導致流失,目前一些採用分布式階段式引導的重度手游改善了這種情況,在市調中也表現出玩家們對該種引導的接受程度,此外,市面上已經有專業調查提供了重度手游任務分析系統,可以通過漏斗式任務設置來分析任務之間的轉化率，找到任務之間低轉化率的節點，進而結合游戲設定來進行任務引導優化。
2、用戶行為篩選過程
運營人員可以針對有效玩家群體進行行為數據篩選,這里所說的有效群體按付費情況分為兩大類——玩家和付費玩家。
對於付費玩家，首先需要重點關注其首付行為，例如：首次購買的道具，首充金額，以及首付場景等，分析其首付動機，然後放大這些動機點來引導更多的非付費玩家進入。其次，小R、中R、大R等幾個付費群體的所佔比例。一般會呈現金字塔的表現形式，分析不同級別的付費玩家的購買習慣、購買動機以及購買場景，深入分析其需求點，逐一放大，引導低層的玩家向上一級轉化。
除了對有效玩家付費群體行為數據的重點關注之外，有效玩家群體的留存與流失表現也極為重要，玩家只有在游戲中留住後才會有後續更多的可能性。需要重點關注的留存數據主要為：次日留存，3日留存，7日留存，14日留存和30日留存。次留的高低最能直接體現游戲的產品品質，如果次留處於同類型的游戲的平均水平之下，就要考慮游戲前期的內容是不是與其他游戲太過雷同，缺乏新意，或者後期一些好玩的系統沒有提前呈現給玩家，玩家沒有看到自己感興趣玩點在哪裡。由於手游的生命周期相對較短，14日留存和30日留存就代表了游戲的長線留人能力，游戲是否有亮點、玩法或者交互是否可以長期留住玩家，這些都可以從數據表現來具體分析。
如果說留存數據可以代表游戲的品質以及留人能力，那麼流失後的迴流數據分析則可以驗證游戲各種活動，或者更新內容對沉默玩家的喚醒效果。可以通過精準推送功能來針對沉默群體來進行特製的消息推送。其實游戲運營的更多精力應該放在游戲中的有效玩家群體，沉默玩家的喚醒成本太高，而且一般效果都不是非常好。
游戲運營到中後期需要重點關注的數據，則是相關玩家等級、道具、任務、關卡等綜合分析。從數據方面查看大量玩家所處的等級分布，篩選老服的大部分玩家等級是否都是集中在中高級階段，後續更新內容要根據玩家的等級數據表現及時調整，不要讓玩家有後期無力的感覺，要讓游戲保持可發展性以及可玩性。根據道具數據表現來分析後期玩家的道具或裝備飽和度，及時調整新道具或裝備的更新節奏，以及通過任務停滯和關卡難度來分析玩家主要被卡在哪個節點，及時進行優化。
有部分中重度手游會沿用以前頁游的運營方式——滾服，即不停地開新服洗玩家、掙快錢，這種運營方式對老服中的老玩家沖擊是很大的，老服的玩家急劇流失會給其他玩家帶來連鎖流失效應,所以採用滾服操作一定要非常非常慎重。

G. 統計游戲的DAU和MAU一般包括當期新注冊用戶數嗎

玩家在玩游戲的時候就能自動完成更新,不需要停服維護,也不需要和各種渠道對接,數據有幾個重要指標,分別是活躍用戶,日(DAU),周(WAU),月(MAU)平均停留時長。

H. 如何獲取app的新增用戶，活躍用戶，啟動次數，使用時長等數據

最近和幾個人聊天,大家對於活躍都有著自己的看法,此外因為一些標準的問題,不熟悉分析術語的很多人把活躍,留存等很多信息都搞混了.後來發現這是一個很現實的問題。在一些我 看來不是問題的問題都變成了問題了，因此在此特地說說活躍的事，幫助更多從事游戲數據分析的小白們成長。
究竟什麼是活躍?在日常與外界合作過程中，我們經常日活躍、周活躍、月活躍等等信息，貌似聽起來比較簡單，但是真正如果自己實施操作統計數據時卻發現自己又不懂這些定義，因此作為一些分析師、甚至開發人員就會發現很難去操作。以下我將描述三個活躍的定義、使用方式、分析方法以及注意事項，限於篇幅今天就說說日活躍的分析使用。
日活躍
統計標准
日活躍的統計標准有很多種，在RPG中有日活躍角色數和日活躍賬號數。這類游戲由於存在創建角色的問題，所以一般會分成兩種統計方式。一般比較多見的是日活躍賬號數，可以認為就是日活躍用戶數。當然，很多游戲室不存在這樣的多角色概念，因此通用日活躍賬號數來作為統計的標准為最佳。
當然，還有一種統計標准就是設備的唯一標示，比如MAC，這樣統計日活躍設備數量，不過價值相對不大。
定義標准
統計日登錄過游戲的賬號數，此處要去重。
比如某日有1000個賬號登錄過游戲，總計登錄次數為1600次(因為存在某些賬號重復登錄游戲)，那麼該日的日活躍賬號數為1000。不要小看這個解釋，在實際操作中，經常會出現問題，例如我們在寫SQL語句提取數據時就應該加上distinct 進行去重操作：
Select count(distinct passportid) from playerlogintable
如果沒有加上distinct 統計的就是所有登錄玩家的總計的登錄次數，這樣就會出現大的問題。
日活躍能分析什麼?
單單一天的日活躍其實只能與前一日或者歷史同期做一個環比或者同比的分析。但是日活躍的能發揮的作用遠遠超出你的想像。
核心用戶規模
核心用戶規模的衡量其實和產品周期結合起來來看，在大部分游戲中，日活躍大概的構成可以分成以下的部分。
其中，新登用戶對於日活躍用戶的影響是最大的，一般新登佔比達到40%，而這個比例其實是可以判斷游戲核心用戶規模的依據之一。
從上圖的構成來看，如果新登用戶在後續不斷轉化穩定的老用戶以後，那麼老活躍用戶的規模是在不斷增長的，同時，如果新登用戶的注入水平保持不變，這樣來看，游戲的核心用戶有規模是在增長，並且新登用戶所佔的日活躍百分比是在下降的;如果新登用戶注入水平也在增長，且不斷轉化為老用戶，即核心用戶規模也在增長，那麼新登用戶所佔百分比會在一個區間穩定的變化的。
剛才所提到的核心用戶規模，之所以使用日活躍用戶來衡量，原因在於，以每日作為一個衡量的單位比較客觀反映用戶的游戲積極性，以日作為統計長度，恰好符合用戶游戲的最短的周期性循環。
那麼在日常的分析中，我們可以簡單計算一個周期內，每日新登用戶和活躍用戶的關系比例，看一個長期趨勢，一定程度上反映了目前核心用戶的規模增長情況。
那這里有人會問，怎麼看待迴流用戶的作用呢?
實際上，迴流用戶對於日活躍用戶的貢獻比例是極低的，但是該部分的貢獻卻不能夠忽略，因為在重大節日、渠道推廣等各種營銷手段上線以後，會對於游戲日活躍產生一個很大的貢獻值。但是一般而言，該部分的貢獻比例比較低。
說了這么多，那麼老用戶和迴流用戶的定義究竟是怎樣的?這里只給出參考的標准：
迴流用戶：統計日登錄游戲，但是之前7天未登錄過游戲的歷史用戶(所謂歷史用戶就是非新登用戶，歷史上登錄過游戲的用戶)
老活躍用戶：如果粗略的計算，可以如下計算：
•日活躍用戶數-日新登用戶數-日迴流用戶
當然如果要精確衡量老用戶規模，可以給予老用戶定義，例如：
統計日登錄游戲的用戶，在此之前7日內再次登錄過游戲(注意此處沒有嚴格區分新登用戶的情況，即也把新登用戶的次日登錄的部分計算為老用戶，可按照實際需要提出此部分對於老用戶的影響)。
下面我們通過幾個曲線來簡單說明一下怎麼利用DAU分析問題。
首先我們要得到劃定時間區段的DAU和DNU的曲線圖，如下圖：
在該圖中，我們DAU和DNU的走勢基本上是一致的，DNU對於DAU的影響還是比較大的，但是隨著後期波動的減小，我們發現從106天到280 天，兩條曲線是呈現緩慢的下滑趨勢的，但是這不足以說明問題，仔細觀察，我們發現夾在兩條曲線之間的面積是逐漸縮小的，而這部分面積就是DAU中除去 DNU的部分，即我們可以認定是老用戶的部分，這個面積的縮小，意味著用戶的流失加劇，活躍用戶的控制不得當，此外，也可能是新用戶在短期內留存率不高引起的，那就需要結合留存率來看問題了，這里不討論。
在發現上述的情況後，我們可以使用DAU-DNU的差值做一條曲線來進行分析這個問題。如下圖所示：
可以很明顯的看到，這個差值在逐漸走低，也就是說用戶的活躍度是在下滑的，這個下滑可以認定是後期渠道導入用戶質量不高造成的，也可以是產品本身的用戶周期問題造成的。但是斷定一點的是，這個時期，需要緊急的拉動用戶規模增長，因此，可以看到，隨後進行了兩次相應的拉動，其規模有所提升。
此外，我們還要看一下新用戶所佔的比例曲線，如上文所述，基本維持在40%的水平上，但是有一個值得關注的是，當處於一個相對的穩定期時，即使有大范圍的推廣和拉動新登增長，那麼這個比值的變化也不會太劇烈，唯一劇烈的原因就在於，原本游戲的老活躍用戶規模就在下滑，流失較多。
當然了，用戶的流失、產品的粘性等等都可以通過對DAU不同角度的解析獲得相應的信息，這點也是要和其他數據結合來分析的，比如次日留存率，用戶流失率、啟動次數、登錄時長分布等數據，找出來DAU中的虛假用戶，例如1-3s用戶非常多，那麼在正常的網路和設計情況下，這種數據就可能是很多假用戶造成的，也就是作弊行為。
再比如的情況，我們可以通過事件管理，區分推廣和非推廣時期的用戶增長對DAU的影響，比如自然增長時期的新登用戶對DAU的影響，判斷DAU的質量，渠道的質量;或者推廣時期的新登用戶對DAU的影響情況分析。
如果需要的也可以結合用戶的登錄習慣，比如登錄次數，登錄天數等等數據進行忠誠活躍用戶的閾值確定，以此來保證DAU的質量。
其實在DAU的背後，隱藏的問題和分析的要素很多，這個也是需要結合自己的業務需要來進行的，這里只是給大家提供一個分析的思路和方式。至於具體的問題，還要結合具體需求進行分析。不過話說回來，DAU的解析離不開細分數據和其他數據的支持，但是也是不一定一直細分進行數據的分析。因為有一些因素不是靠細分數據就一定能夠得到的，還要經驗積累，有關這部分的分析參見這里。
文章來源：博客園

I. 王者榮耀的游戲數據是什麼，能刪嗎

可以刪除。

王者榮耀的游戲數據就是王者榮耀這個游戲產生的內部數據與緩存。在連接網路的情況下下載的一些游戲內部的數據，比如圖片、視頻、音樂等，方便下次打開時可以更快的載入。

王者榮耀的游戲數據是可以刪除的，但下次打開游戲時需要重新下載，嚴重的話可能會影響游戲的正常運行。

游戲數據的作用

游戲伺服器無論內存再大，關機數據就會丟失。資料庫的作用是關機以後都還能保留，所以必須得用資料庫。因為游戲伺服器不可能不關機，我們的用戶注冊資料不可能關機一次就全部清空。

你可能覺得用了資料庫就慢了，特別是當內存有那麼大的時候，其實好的軟體不存在這個問題，可以充分使用系統內存進行數據存取，只有在機器空閑的時候才把內存裡面做過修改的數據保存到資料庫中去。