游戏的用户新进数据指什么

A. 手机游戏运营主要的指标是什么7天活跃，14天活跃 ARPU

我觉得所有指标其实都是一个一个维度深化下去的。数据是永无止境的，关键是你想要数据解决什么问题。与其思考手机游戏运营重要的指标是什么，不如思考对于游戏重要关注什么。我觉得设计一款游戏最重要的指标归根结底就是2点：留存和收入。我们做的大部分的策划和思考都来自于提高这2个数据，从而衍生出所谓的7日活跃和14日活跃，月活跃。同时为了提高隔日或者7日留存的数据，我们又要设计很多运营方面跟游戏相关的数据去检查这些数据跟留存数据的关系。
为什么关注7天活跃？
有个词叫体验线。是用来衡量每个玩家从接触游戏到不同阶段所享受到游戏乐趣的不同感觉。我们认为，隔日留存跟七天留存重要，是因为这段时间如果能够给玩家带来很好的游戏体验，用户留下来的概率会增加不少。
前期我们主要关注3个数据：新手通过率和隔日留存，7日留存。而且我一直主观认为，建立一个好的新手通过率的模型会直接影响留存数据。例如，一个游戏会做新手引导，关键是引导到多少级更好呢？引导的越久意味着流失越大，而没引导意味着玩家还没懂玩游戏就已经流失，同时也会影响留存。我建议策划主观设定一个阶段的新手引导等级，根据新手通过率和隔日留存建模型，不断修正新手引导。所以我们为了提高隔日留存，又会有一系列的数据指标，去验证设计的方案。
我相信，当你设计好了目标，到底是为了提高留存还是收入，你就能想到各种运营数据去优化游戏的体验。

B. 游戏中的ACU，双周活跃用户数，双周新增活跃用户数，本月流失用户数 分别指的是什么啊

ACU：RTS游戏最高指挥官系列中的单位，在游戏设定中是玩家在战场上的代表，杀死ACU即相当于摧毁了部队的最高指挥官，赢得胜利。由于此种设定，导致在标准的游戏模式下，ACU一直是敌人的重点攻击目标。特别是在游戏后期，需要保护好。
双周新增活跃用户：两周前注册的用户并有登陆迹象的用户数量。
本月流失用户数：一个月未登录的用户数量。

C. 游戏中的数据是什么意思

一般游戏都是要上传数据的 只是不大而已 你的电脑操作产生指令发送到服务器 然后服务器确认并发送下一条指令 然后你的电脑上的程序才会进行下一步的动作或者其他 就这个意思

D. 如何用商业思维分析游戏用户行为数据

第1步：看整体数据，主要看整体数据有何异常，以及哪些数据的趋势较好(例如，整体数据，游戏人数稳定，月收入对比极端)

第2步：看细分数据(例如，细分数据，游戏新增用户和流失活跃付费用户成正比，新增用户不付费，大R流失严重)

第3步：结合数据分析(例如，分析数据，付费玩家为什么流失?没有付费竞争?还是付费后达到游戏金字塔顶端失去乐趣?)

第4步：根据数据行动(例如，更新版本，开展玩家召回活动，换量….)

E. 安卓手机这个用户数据是指什么

这里的用户数据指的是软件运行数据，根据和平精英游戏来看的话，这是正常的，和平精英用户数据中存放的是地图包以及皮肤音效等文件，强制删除后需要重新下载地图后才能进行游戏。

F. 游戏产品不同阶段，关注哪些数据

重度手游数据运营工作流程：
1、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,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，玩家等级也已经升到10~15级，但是大部分玩家真心也没记住多少引导内容,更有甚者因为引导过程漫长无法跳过而导致流失,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,市面上已经有专业调查提供了重度手游任务分析系统,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,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，首先需要重点关注其首付行为，例如：首次购买的道具，首充金额，以及首付场景等，分析其首付动机，然后放大这些动机点来引导更多的非付费玩家进入。其次，小R、中R、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、购买动机以及购买场景，深入分析其需求点，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，有效玩家群体的留存与流失表现也极为重要，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：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体现游戏的产品品质，如果次留处于同类型的游戏的平均水平之下，就要考虑游戏前期的内容是不是与其他游戏太过雷同，缺乏新意，或者后期一些好玩的系统没有提前呈现给玩家，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，游戏是否有亮点、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，那么流失后的回流数据分析则可以验证游戏各种活动，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。
游戏运营到中后期需要重点关注的数据，则是相关玩家等级、道具、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，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，不要让玩家有后期无力的感觉，要让游戏保持可发展性以及可玩性。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。
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、挣快钱，这种运营方式对老服中的老玩家冲击是很大的，老服的玩家急剧流失会给其他玩家带来连锁流失效应,所以采用滚服操作一定要非常非常慎重。

G. 统计游戏的DAU和MAU一般包括当期新注册用户数吗

玩家在玩游戏的时候就能自动完成更新,不需要停服维护,也不需要和各种渠道对接,数据有几个重要指标,分别是活跃用户,日(DAU),周(WAU),月(MAU)平均停留时长。

H. 如何获取app的新增用户，活跃用户，启动次数，使用时长等数据

最近和几个人聊天,大家对于活跃都有着自己的看法,此外因为一些标准的问题,不熟悉分析术语的很多人把活跃,留存等很多信息都搞混了.后来发现这是一个很现实的问题。在一些我 看来不是问题的问题都变成了问题了，因此在此特地说说活跃的事，帮助更多从事游戏数据分析的小白们成长。
究竟什么是活跃?在日常与外界合作过程中，我们经常日活跃、周活跃、月活跃等等信息，貌似听起来比较简单，但是真正如果自己实施操作统计数据时却发现自己又不懂这些定义，因此作为一些分析师、甚至开发人员就会发现很难去操作。以下我将描述三个活跃的定义、使用方式、分析方法以及注意事项，限于篇幅今天就说说日活跃的分析使用。
日活跃
统计标准
日活跃的统计标准有很多种，在RPG中有日活跃角色数和日活跃账号数。这类游戏由于存在创建角色的问题，所以一般会分成两种统计方式。一般比较多见的是日活跃账号数，可以认为就是日活跃用户数。当然，很多游戏室不存在这样的多角色概念，因此通用日活跃账号数来作为统计的标准为最佳。
当然，还有一种统计标准就是设备的唯一标示，比如MAC，这样统计日活跃设备数量，不过价值相对不大。
定义标准
统计日登录过游戏的账号数，此处要去重。
比如某日有1000个账号登录过游戏，总计登录次数为1600次(因为存在某些账号重复登录游戏)，那么该日的日活跃账号数为1000。不要小看这个解释，在实际操作中，经常会出现问题，例如我们在写SQL语句提取数据时就应该加上distinct 进行去重操作：
Select count(distinct passportid) from playerlogintable
如果没有加上distinct 统计的就是所有登录玩家的总计的登录次数，这样就会出现大的问题。
日活跃能分析什么?
单单一天的日活跃其实只能与前一日或者历史同期做一个环比或者同比的分析。但是日活跃的能发挥的作用远远超出你的想象。
核心用户规模
核心用户规模的衡量其实和产品周期结合起来来看，在大部分游戏中，日活跃大概的构成可以分成以下的部分。
其中，新登用户对于日活跃用户的影响是最大的，一般新登占比达到40%，而这个比例其实是可以判断游戏核心用户规模的依据之一。
从上图的构成来看，如果新登用户在后续不断转化稳定的老用户以后，那么老活跃用户的规模是在不断增长的，同时，如果新登用户的注入水平保持不变，这样来看，游戏的核心用户有规模是在增长，并且新登用户所占的日活跃百分比是在下降的;如果新登用户注入水平也在增长，且不断转化为老用户，即核心用户规模也在增长，那么新登用户所占百分比会在一个区间稳定的变化的。
刚才所提到的核心用户规模，之所以使用日活跃用户来衡量，原因在于，以每日作为一个衡量的单位比较客观反映用户的游戏积极性，以日作为统计长度，恰好符合用户游戏的最短的周期性循环。
那么在日常的分析中，我们可以简单计算一个周期内，每日新登用户和活跃用户的关系比例，看一个长期趋势，一定程度上反映了目前核心用户的规模增长情况。
那这里有人会问，怎么看待回流用户的作用呢?
实际上，回流用户对于日活跃用户的贡献比例是极低的，但是该部分的贡献却不能够忽略，因为在重大节日、渠道推广等各种营销手段上线以后，会对于游戏日活跃产生一个很大的贡献值。但是一般而言，该部分的贡献比例比较低。
说了这么多，那么老用户和回流用户的定义究竟是怎样的?这里只给出参考的标准：
回流用户：统计日登录游戏，但是之前7天未登录过游戏的历史用户(所谓历史用户就是非新登用户，历史上登录过游戏的用户)
老活跃用户：如果粗略的计算，可以如下计算：
•日活跃用户数-日新登用户数-日回流用户
当然如果要精确衡量老用户规模，可以给予老用户定义，例如：
统计日登录游戏的用户，在此之前7日内再次登录过游戏(注意此处没有严格区分新登用户的情况，即也把新登用户的次日登录的部分计算为老用户，可按照实际需要提出此部分对于老用户的影响)。
下面我们通过几个曲线来简单说明一下怎么利用DAU分析问题。
首先我们要得到划定时间区段的DAU和DNU的曲线图，如下图：
在该图中，我们DAU和DNU的走势基本上是一致的，DNU对于DAU的影响还是比较大的，但是随着后期波动的减小，我们发现从106天到280 天，两条曲线是呈现缓慢的下滑趋势的，但是这不足以说明问题，仔细观察，我们发现夹在两条曲线之间的面积是逐渐缩小的，而这部分面积就是DAU中除去 DNU的部分，即我们可以认定是老用户的部分，这个面积的缩小，意味着用户的流失加剧，活跃用户的控制不得当，此外，也可能是新用户在短期内留存率不高引起的，那就需要结合留存率来看问题了，这里不讨论。
在发现上述的情况后，我们可以使用DAU-DNU的差值做一条曲线来进行分析这个问题。如下图所示：
可以很明显的看到，这个差值在逐渐走低，也就是说用户的活跃度是在下滑的，这个下滑可以认定是后期渠道导入用户质量不高造成的，也可以是产品本身的用户周期问题造成的。但是断定一点的是，这个时期，需要紧急的拉动用户规模增长，因此，可以看到，随后进行了两次相应的拉动，其规模有所提升。
此外，我们还要看一下新用户所占的比例曲线，如上文所述，基本维持在40%的水平上，但是有一个值得关注的是，当处于一个相对的稳定期时，即使有大范围的推广和拉动新登增长，那么这个比值的变化也不会太剧烈，唯一剧烈的原因就在于，原本游戏的老活跃用户规模就在下滑，流失较多。
当然了，用户的流失、产品的粘性等等都可以通过对DAU不同角度的解析获得相应的信息，这点也是要和其他数据结合来分析的，比如次日留存率，用户流失率、启动次数、登录时长分布等数据，找出来DAU中的虚假用户，例如1-3s用户非常多，那么在正常的网络和设计情况下，这种数据就可能是很多假用户造成的，也就是作弊行为。
再比如的情况，我们可以通过事件管理，区分推广和非推广时期的用户增长对DAU的影响，比如自然增长时期的新登用户对DAU的影响，判断DAU的质量，渠道的质量;或者推广时期的新登用户对DAU的影响情况分析。
如果需要的也可以结合用户的登录习惯，比如登录次数，登录天数等等数据进行忠诚活跃用户的阈值确定，以此来保证DAU的质量。
其实在DAU的背后，隐藏的问题和分析的要素很多，这个也是需要结合自己的业务需要来进行的，这里只是给大家提供一个分析的思路和方式。至于具体的问题，还要结合具体需求进行分析。不过话说回来，DAU的解析离不开细分数据和其他数据的支持，但是也是不一定一直细分进行数据的分析。因为有一些因素不是靠细分数据就一定能够得到的，还要经验积累，有关这部分的分析参见这里。
文章来源：博客园

I. 王者荣耀的游戏数据是什么，能删吗

可以删除。

王者荣耀的游戏数据就是王者荣耀这个游戏产生的内部数据与缓存。在连接网络的情况下下载的一些游戏内部的数据，比如图片、视频、音乐等，方便下次打开时可以更快的加载。

王者荣耀的游戏数据是可以删除的，但下次打开游戏时需要重新下载，严重的话可能会影响游戏的正常运行。

游戏数据的作用

游戏服务器无论内存再大，关机数据就会丢失。数据库的作用是关机以后都还能保留，所以必须得用数据库。因为游戏服务器不可能不关机，我们的用户注册资料不可能关机一次就全部清空。

你可能觉得用了数据库就慢了，特别是当内存有那么大的时候，其实好的软件不存在这个问题，可以充分使用系统内存进行数据存取，只有在机器空闲的时候才把内存里面做过修改的数据保存到数据库中去。