从数据分析看游戏粘性——正确理解DAU/MAU

2023-12-10 17:59

本文主要是介绍从数据分析看游戏粘性——正确理解DAU/MAU,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

不少游戏开发者特别看重游戏的DAU/MAU,认为这项指标直接说明游戏的质量如何,如果这个指标的表现不好,就认为这款游戏做的不好。这种观点是片面的,移动游戏的运营数据分析是一个比较复杂的工作,每项指标都有其应有的作用,并且各项指标、维度,需要综合评估。单凭一项指标,就下定论,并不可取。这里,我们来简单的分析一下,DAU/MAU究竟能为我们表达游戏运营中的哪些表现。

首先DAU/MAU这个指标最早主要用在社交类游戏以及网站上,用于评估用户粘性。随着移动游戏数据化运营的不断发展,目前这一指标也逐渐开始使用在其他类游戏的用户粘性评估上。

在讨论这一指标是否能够比较有效的评估移动游戏用户粘性之前,我们先来明确这一指标中的两个关键因素:DAU和MAU。参照《TalkingData移动游戏运营数据分析指标白皮书》中对这两项指标的定义如下:

  • DAU: Daily Active Users日活跃用户数,即每日登录过游戏的用户数
  • MAU: Monthly Active Users 月活跃用户数,即截止当日,最近一个月[含当日的30天]登录过游戏的用户数,一般按照自然月计算

DAU/MAU是以每日登陆游戏用户为基准,展示月活跃用户中登陆游戏的用户百分比,是一种计算玩家参与度的方法。但是,如果我们只有DAU和MAU的数据并不能计算玩家留存率。因此这一指标并不能直接反映游戏的用户留存情况,但可以从用户活跃的角度与用户留存互为印证。另外,由于游戏上线初期都会做各种形式的推广以拉动用户数量,因此有效的DAU应该取3个月左右之后,游戏运营平稳后的数据,才能有效展现真实的游戏内用户活跃情况。

那么,如何使用DAU/MAU对我们的游戏年度进行考量呢?首先,我们来假设两种极端的情况:

  1. 所有用户只登陆一次即流失——这种情况下,MAU=DAU之和,并且DNU(Daily New User)=DAU。在游戏已经处于自然稳定的情况下,每日的DAU近似相等,那么DAU/MAU≈1/30≈3.33333%。我们可以认为这是DAU/MAU的下限。
  2. 所有用户天天活跃——这种情况下,MAU=DAU,那么DAU/MAU=1。这就是DAU/MAU的上限。

不难看出,DAU/MAU的上下限介于3.33%到100%之间,但显然这两种情况现实中基本不可能出现。就目前的实际情况来看,目前大多数移动游戏DAU/MAU在10%~30%之间。如果低于10%的话,游戏很可能已经处于衰退期了;高于20%的则可以从一个侧面反映出游戏的留存还不错。以下是两款粘度不错的游戏的DAU/MAU趋势图:

dau-1

dau-2

目前来看,一些成功的Facebook游戏拥有百万级的用户群,而其DAU/MAU通常介于10%~20%之间。虽然也有一些游戏的DAU/MAU比值甚至超过了50%,但其用户规模却较为有限。这种游戏往往是受众题材选择比较单一却拥有大批硬核玩家。

DAU/MAU确实能够反映游戏的粘度如何。但并不精确,需要辅助其他指标才能更完整全面的体现出游戏的用户粘性。比如,一款新上线的游戏,在第一天有1000个玩家登陆,随后在这1000人当中,每天只有固定的100个人活跃。这样算下来DAU/MAU的值是0.1,显示出玩家的参与度很低,但事实上这100个玩家的游戏参与度却是100%。正是因为有日新登用户(DNU)的存在,才会使得DAU/MAU是一项判断玩家参与度的重要指标。但也仅限于参与度。

所以正确理解DAU/MAU的意义是很重要的。DAU/MAU的值越高,那么毫无疑问,游戏的粘性很强,表示有更多的玩家愿意参与到游戏中;反之如果DAU/MAU的值很低并不能直接说这款游戏就是失败的。我们还需要结合活跃用户数量、ACU、ARPU值、在线时长、付费转化率等多个条件进行多维分析,才能得出结论。

所以说DAU/MAU并不能直接作为评判游戏是否合格的标准,DAU/MAU实际上是一项反映玩家参与度的指标,不可忽略,亦不可完全依赖。


文章来源:http://blog.talkingdata.net/?p=266

这篇关于从数据分析看游戏粘性——正确理解DAU/MAU的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/477871

相关文章

国产游戏崛起:技术革新与文化自信的双重推动

近年来,国产游戏行业发展迅猛,技术水平和作品质量均得到了显著提升。特别是以《黑神话:悟空》为代表的一系列优秀作品,成功打破了过去中国游戏市场以手游和网游为主的局限,向全球玩家展示了中国在单机游戏领域的实力与潜力。随着中国开发者在画面渲染、物理引擎、AI 技术和服务器架构等方面取得了显著进展,国产游戏正逐步赢得国际市场的认可。然而,面对全球游戏行业的激烈竞争,国产游戏技术依然面临诸多挑战,未来的

火柴游戏java版

代码 /*** 火柴游戏* <p>* <li>有24根火柴</li>* <li>组成 A + B = C 等式</li>* <li>总共有多少种适合方式?</li>* <br>* <h>分析:</h>* <li>除去"+"、"="四根,最多可用火柴根数20根。</li>* <li>全部用两根组合成"1",最大数值为1111。使用枚举法,A和B范围在0~1111,C为A+B。判断</li>** @

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

国产游戏行业的崛起与挑战:技术创新引领未来

国产游戏行业的崛起与挑战:技术创新引领未来 近年来,国产游戏行业蓬勃发展,技术水平不断提升,许多优秀作品在国际市场上崭露头角。从画面渲染到物理引擎,从AI技术到服务器架构,国产游戏已实现质的飞跃。然而,面对全球游戏市场的激烈竞争,国产游戏技术仍然面临诸多挑战。本文将探讨这些挑战,并展望未来的机遇,深入分析IT技术的创新将如何推动行业发展。 国产游戏技术现状 国产游戏在画面渲染、物理引擎、AI

第四次北漂----挣个独立游戏的素材钱

第四次北漂,在智联招聘上,有个小公司主动和我联系。面试了下,决定入职了,osg/osgearth的。月薪两万一。 大跌眼镜的是,我入职后,第一天的工作内容就是接手他的工作,三天后他就离职了。 我之所以考虑入职,是因为 1,该公司有恒歌科技的freex平台源码,可以学学,对以前不懂的解解惑。 2,挣点素材钱,看看张亮002的视频,他用了6000多,在虚幻商城买的吸血鬼游戏相关的素材,可以玩两年。我

nyoj 1038 纸牌游戏

poj 的一道改编题,说是翻译题更恰当,因为只是小幅度改动。 一道模拟题,代码掌控能力比较好,思维逻辑清晰的话就能AC。 代码如下: #include<stdio.h>#include<string.h>#include<algorithm>using namespace std;struct node{char c[5];int rk;char da[5];int nu

如果出一个名叫白神话悟空的游戏

最近黑神话由于与原著不符引起了原著派的争议。 所以我在摸鱼的时候想到如果游科或者某个别的公司“痛改前非”不夹带私货完全复刻吴承恩百回版剧情制作一个“重走西游路”的游戏,会有一个什么样的销量?(设定为原著派已经多方渠道认证,此游戏的确没有夹带私货,绝大部分复刻了原著剧情) 游戏玩法我想了几类 超长线性有岔路蜈蚣形状地图,蜈蚣的腿部是探索区域和支线,重走西游路线,开篇就是开始取经前唐玄宗御弟cg

win7下安装Canopy(EPD) 及 Pandas进行python数据分析

先安装好canopy,具体安装版本看自己需要那种,我本来是打算安装win764位的,却发现下载总是出现错误,无奈只能下载了32位的! https://store.enthought.com/downloads/#default 安装好之后,参考如下连接,进行检验: 之后再根据下面提供的连接进行操作,一般是没问题的! http://jingyan.baidu.com/article/5d6

《黑暗之魂2:原罪学者》是什么类型的游戏 《黑暗之魂》可以在苹果Mac电脑上玩吗?

在宏大的世界观游戏中,《黑暗之魂2:原罪学者》脱颖而出,以其探索性和挑战性征服了全球玩家的心灵。下面我们来看看《黑暗之魂2:原罪学者》是什么类型的游戏,《黑暗之魂2:原罪学者》可以在苹果电脑玩吗的相关内容。 一、《黑暗之魂2:原罪学者》是什么类型的游戏 《黑暗之魂2:原罪学者》作为《黑暗之魂2》的增强版和重制版,是一款FromSoftware制作、BANDAI NAMCO和FromSoft

「大数据分析」图形可视化,如何选择大数据可视化图形?

​图形可视化技术,在大数据分析中,是一个非常重要的关键部分。我们前期通过数据获取,数据处理,数据分析,得出结果,这些过程都是比较抽象的。如果是非数据分析专业人员,很难清楚我们这些工作,到底做了些什么事情。即使是专业人员,在不清楚项目,不了解业务规则,不熟悉技术细节的情况下。要搞清楚我们的大数据分析,这一系列过程,也是比较困难的。 我们在数据处理和分析完成后,一般来说,都需要形成结论报告。怎样让大