目前移動游戲的運營數(shù)據(jù)分析越來越重要，像是用戶留存、DAU、MAU之類的參數(shù)，是每個運營人員每天要考察的指標(biāo)。但是這些指標(biāo)背后所呈現(xiàn)的信息該如何正確解讀？今天我們就來詳細(xì)分析一下移動游戲的DAU分解和游戲粘性之間的關(guān)系。
在正式開始討論之前，我們需要了解一個基本概念，那就是用戶留存，后續(xù)所有討論都是建立在用戶留存基礎(chǔ)上的，這方面推薦大家閱讀《讀懂你的用戶留存》一文。本文中不再做過多介紹，用戶留存的基本概念如下圖。
留存率遺留的問題
如上面的留存率示意圖，我們發(fā)現(xiàn)留存是針對新登用戶在進(jìn)入游戲后每一天的狀態(tài)表現(xiàn)，換句話就是用戶回到游戲的概率。留存率是以每一天作為一個獨立研究對象來分析問題的，是以每一個獨立的時間點作為計算口徑的。但是從用戶的角度來看，前一天登錄游戲的用戶，是否今天登錄的可能性更大？這一點，在留存率上是無法作出解答的。
今天，我們換一個角度來分析問題，而以下的計算模型，也將統(tǒng)一DNU和DAU之間的關(guān)系，加強我們對于DAU、DNU的理解和使用。
DAU是一個指數(shù)
我們清楚，DAU是有DNU和之前老用戶組成的。這里的老用戶我們指的是除了當(dāng)日新登之外的用戶都是老用戶，但是這種方式不足以說明問題。在此，我們將重點針對老用戶部分進(jìn)行分解和建模分析。
其實老用戶部分也是由之前不同時間點的新登用戶組成的。因為每個用戶的狀態(tài)都是由新登用戶向活躍用戶過渡的。那么老用戶的組成我們就可以按照以下的方式進(jìn)行劃分：
下面舉一個例子：3月22日的DAU為220,3月22日的DNU為77，那么剩下3月22日的OLD=220-77=143。那么這143=130*17.7%+127*7.9%+132*5.3%+131*1.5%+182*2.2%+137*3.6%+129*0.0%+…
通過上述的計算我們了解到，所謂老用戶，就是之前每日的DNU到統(tǒng)計DAU之日的留存率乘積并進(jìn)行加和的數(shù)量。即：DAUi=DNUi+DNU(i-1)*DAY1_Retention_Rate+DNU(i-2)*DAY2_Retention_Rate+DNU(i-n)*DAYn_Retention_Rate
以上公式將DAU進(jìn)行拆分和細(xì)化，如果我們仔細(xì)來看的話，會發(fā)現(xiàn)DAU是由不同的DNU進(jìn)行加權(quán)得到的綜合值。這個值是用戶粘性變化和留存表現(xiàn)的綜合指數(shù)。如果我們按照以上的邏輯計算下去，計算量會很大，而且意義不是很大。
上述的公式告訴了DAU是由之前不同時間點的回流DNU組成的，因此，我們可以得到不同時間點的回流DNU占據(jù)DAU的水平，即
Return_DNU(i-1)= DNU(i-1)*DAY1_Retention_Rate
DAUi_1%= Return_DNU(i-1)/ DAUi
DAUi_2%= Return_DNU(i-2)/ DAUi
…
DAUi_n%= Return_DNU(i-n)/ DAUi
DAUi_1%+ DAUi_2% + DAUi_n%=100%
實際上，利用以上的公式，我們可以了解最近一周的DNU中，有多少用戶貢獻(xiàn)給了今日的DAU，這點其實很重要，由此我們知道了用戶對于游戲的關(guān)注度和粘性，如果你的游戲中，每日有超過50%的DAU是一周之前的DNU貢獻(xiàn)出來的，可以想象，你的游戲黏著能力是很強的，至少對于用戶而言，近期（至少7天是不會離開游戲，或者淡忘游戲的）。
按照上述邏輯，我計算了每個DAU的最近7日DNU貢獻(xiàn)率，曲線如下：
在圖中，我們看到，最近7日DNU對于DAU的貢獻(xiàn)率持續(xù)走低，保持在20%左右，也就是說現(xiàn)在每日的DAU中有20%的用戶是最近7日的DNU貢獻(xiàn)出來的。
更多詳細(xì)信息，請您微信關(guān)注“計算網(wǎng)”公眾號：
