游戏运营入门:写给开发者的业务概念
2026/10/31约 6724 字大约 22 分钟
一、游戏运营是干什么的?
类比理解
传统软件开发:
开发 → 上线 → 维护 → 偶尔更新
游戏运营:
开发 → 上线 → 【持续运营】→ 不断迭代
↑
核心差异在这里游戏是"活的产品",上线只是开始。运营团队的工作就像是一个 24/7 运行的监控系统:
- 拉新:获取新用户(类似市场推广)
- 留存:让用户持续玩下去(类似产品优化)
- 付费:让用户愿意花钱(类似商业变现)
运营的核心问题
每天运营人员都在问这些问题:
1. 今天来了多少人?(用户量)
2. 他们玩了多久?(活跃度)
3. 多少人明天还会来?(留存)
4. 多少人花钱了?花了多少?(付费)
5. 哪个渠道带来的用户最好?(渠道质量)
6. 数据突然下跌了,为什么?(异常归因)这个平台要解决的就是:自动回答这些问题。
二、账号、角色、设备的区别
在游戏数据分析中,账号、角色、设备是三个不同的统计口径,必须区分清楚。
三者定义
设备 (Device)
├── 定义:物理设备,用 device_id 标识
├── 示例:一部手机 = 一个设备
└── 特点:设备可能被多人使用(如网吧电脑)
账号 (Account)
├── 定义:用户注册的账号,用 game_user_id 标识
├── 示例:玩家用手机号注册的账号
└── 特点:一个人可能有多个账号(大号、小号)
角色 (Role)
├── 定义:游戏内创建的角色,用 role_id 标识
├── 示例:《原神》里创建的"旅行者"
└── 特点:一个账号可能有多个角色(不同服务器)层级关系
1台设备
└── 可登录多个账号(换号登录)
└── 每个账号可创建多个角色(多服务器)
示例:
手机A (device_id: D001)
├── 账号1 (user_id: U001) - 主账号
│ ├── 角色A (role_id: R001) - 1服
│ └── 角色B (role_id: R002) - 2服
└── 账号2 (user_id: U002) - 小号
└── 角色C (role_id: R003) - 1服为什么要区分?
不同统计口径,结果差异很大:
场景:统计今日付费情况
按设备统计:1台设备付费了 → 付费设备数 = 1
按账号统计:2个账号付费了 → 付费账号数 = 2
按角色统计:3个角色付费了 → 付费角色数 = 3
如果不区分口径,数据会对不上!账号设备比
定义:账号数 / 设备数
正常值:1.0 - 1.2
- 大部分用户一台设备一个账号
异常值:> 1.5
- 可能存在刷号行为(工作室)
- 可能有大量小号
技术实现:
SELECT
COUNT(DISTINCT game_user_id) / COUNT(DISTINCT device_id) AS account_device_ratio
FROM player_login
WHERE DATE(login_time) = '2026-01-20'三、新增用户漏斗(激活→注册→创角)
新用户从下载到真正开始玩,要经过多个步骤,每一步都有流失。
漏斗阶段
激活设备 → 注册设备 → 创角设备
↓ ↓ ↓
100% 55% 50%
│ │ │
│ │ └── 只有一半用户真正开始玩
│ └── 45%的人安装后没注册
└── 广告带来的初始流量各阶段定义
| 阶段 | 定义 | 作用 |
|---|---|---|
| 激活设备 | 首次安装并打开游戏的设备 | 衡量广告/渠道带来的初始流量 |
| 注册设备 | 完成账号注册的设备 | 衡量注册流程的转化效果 |
| 创角设备 | 创建游戏角色的设备 | 衡量新手引导的吸引力 |
转化率指标
设备激活注册率 = 注册设备数 / 激活设备数
正常值:50-60%
低于40%:注册流程有问题设备注册创角率 = 创角设备数 / 注册设备数
正常值:85-95%
低于80%:新手引导有问题异常诊断
| 现象 | 可能原因 |
|---|---|
| 激活注册率低 | 注册流程太繁琐、需要实名认证、登录报错 |
| 注册创角率低 | 下载资源太大、新手引导劝退、服务器选择困难 |
| 某渠道转化率特别低 | 该渠道用户质量差、或存在作弊流量 |
SQL 示例
-- 计算某日的新增用户漏斗
SELECT
COUNT(DISTINCT CASE WHEN event_type = 'activate' THEN device_id END) AS 激活设备,
COUNT(DISTINCT CASE WHEN event_type = 'register' THEN device_id END) AS 注册设备,
COUNT(DISTINCT CASE WHEN event_type = 'create_role' THEN device_id END) AS 创角设备
FROM user_events
WHERE DATE(event_time) = '2026-01-20'四、核心指标详解
4.1 用户量指标
DAU - 日活跃用户 (Daily Active Users)
定义:当天登录过游戏的用户数(去重)
示例:
- 用户A 早上登录1次,晚上登录1次 → 算1个DAU
- 用户B 今天登录3次 → 算1个DAU
- 今天有1000个不同用户登录 → DAU = 1000
技术实现:
SELECT COUNT(DISTINCT player_id)
FROM player_login
WHERE DATE(login_time) = '2026-01-20'为什么重要:DAU 是游戏健康度的"心跳",DAU 下降通常意味着出问题了。
MAU - 月活跃用户 (Monthly Active Users)
定义:过去30天内登录过游戏的用户数(去重)
DAU vs MAU 的关系:
- DAU/MAU 比值叫"粘性"
- 比值越高,说明用户越愿意每天来玩
- 典型值:休闲游戏 10-20%,重度游戏 20-40%PCU - 最高同时在线 (Peak Concurrent Users)
定义:某一时刻同时在线的用户数峰值
示例(某天数据):
10:00 → 500人在线
12:00 → 800人在线
20:00 → 2000人在线 ← 这就是PCU
23:00 → 1200人在线
技术实现:服务器每分钟采样在线人数,取最大值为什么重要:PCU 决定服务器容量规划,也反映游戏的"热度峰值"。
日活跃付费老账号数
定义:当天登录的历史付费用户数
为什么单独统计:
- 付费用户是高价值用户
- 付费用户流失损失更大
- 需要重点监控这群人的活跃情况
示例:
今天DAU = 10000
其中历史付费过的用户 = 3000 → 日活跃付费老账号数 = 30004.2 留存指标
什么是留存?
留存 = 新用户在第N天还回来玩的比例
举例:
1月1日:100个新用户注册
1月2日:其中40人回来了 → 次日留存 = 40%
1月8日:其中20人回来了 → 7日留存 = 20%
1月31日:其中10人回来了 → 30日留存 = 10%留存率的计算
-- 计算2026-01-01注册用户的次日留存
WITH new_users AS (
SELECT DISTINCT player_id
FROM player_login
WHERE DATE(login_time) = '2026-01-01'
AND is_new = 1 -- 新用户标记
),
day2_users AS (
SELECT DISTINCT player_id
FROM player_login
WHERE DATE(login_time) = '2026-01-02'
)
SELECT
COUNT(day2_users.player_id) / COUNT(new_users.player_id) AS retention_d1
FROM new_users
LEFT JOIN day2_users ON new_users.player_id = day2_users.player_id留存率的行业标准
次日留存 7日留存 30日留存
优秀 > 50% > 25% > 15%
良好 40-50% 15-25% 8-15%
及格 30-40% 10-15% 5-8%
危险 < 30% < 10% < 5%
不同类型游戏差异很大:
- 休闲游戏:次日留存 35-45% 就不错
- SLG策略:次日留存可能只有 20%,但长期留存高为什么重要:留存是游戏能否长期赚钱的基础。留存差 = 用户来了就走 = 花钱买来的用户浪费了。
留存矩阵
实际工作中,留存数据通常以矩阵形式展示:
日期 新增用户 当日 第1日 第3日 第7日 第14日
2025-12-21 6,612 100% 54.8% 38.1% 26.6% 17.3%
2025-12-22 162 100% 62.9% 40.1% 28.4% 14.2%
2025-12-23 502 100% 58.9% 47.4% 34.3% 19.5%如何解读:
- 每一行是一批新用户(按注册日期分组)
- 每一列是该批用户在第 N 天的留存率
- 可以对比不同日期新增用户的留存差异
4.3 回流用户
什么是回流?
回流 ≠ 留存
留存:用户从未流失,一直在玩
回流:用户曾经流失,后来又回来了
示例:
用户A:1月1日注册,1月2日登录,1月3日登录... → 留存用户
用户B:1月1日注册,1月2日没来,1月3日回来了 → 1日回流用户回流指标
| 指标 | 定义 | 作用 |
|---|---|---|
| 1日回流 | 昨天没来、今天回来的用户数 | 短期召回效果 |
| 3日回流 | 连续3天没来、今天回来的用户数 | 中期召回效果 |
| 7日回流 | 连续7天没来、今天回来的用户数 | 长期流失用户召回 |
回流的业务价值
场景:游戏做了一次召回活动(发短信/推送/邮件)
活动前:7日回流 = 100人/天
活动后:7日回流 = 500人/天
→ 活动效果 = 新增回流 400人4.4 付费指标
付费率的多种口径
| 指标 | 公式 | 典型值 | 用途 |
|---|---|---|---|
| DAU付费率 | 当日付费人数 / DAU | 3-8% | 日常监控 |
| 新增注册付费率 | 当日新增且付费人数 / 当日新增人数 | 1-2% | 首日转化效果 |
| 新用户付费率 | 新用户累计付费人数 / 新用户总数 | 5-15% | 用户质量评估 |
ARPU & ARPPU
ARPU (Average Revenue Per User)
定义:平均每个用户贡献的收入(包括不付费的)
计算:总收入 / DAU
示例:今天充值30000元,DAU=10000 → ARPU = 3元
ARPPU (Average Revenue Per Paying User)
定义:平均每个付费用户的消费金额
计算:总收入 / 付费用户数
示例:今天充值30000元,付费人数=300 → ARPPU = 100元ARPPU 的多种统计口径
账号付费ARPPU:按账号去重统计
- 一个人多个角色付费,算一个账号
角色付费ARPPU:按角色统计
- 一个人多个角色付费,算多个角色
- 通常比账号ARPPU高三者的关系
ARPU = ARPPU × 付费率
验证:
ARPU = 100元 × 3% = 3元 ✓
运营策略选择:
- 提高付费率:让更多人愿意付费(降低付费门槛)
- 提高ARPPU:让付费用户花更多钱(增加高价值商品)首次付费分析
首次付费金额:用户生命周期中第一笔付费的金额
首次付费账号数:当天首次付费的用户数
作用:
- 衡量付费门槛设计是否合理
- 首充礼包是否有吸引力
- 新用户的付费转化效果
示例数据:
首次付费金额均值 = 6元 → 说明首充6元档最受欢迎
首次付费账号数 = 241人 → 今天有241人首次付费4.5 LTV 时间维度详解
LTV(生命周期价值)是用户从注册到流失贡献的总收入,但实际工作中需要按时间维度拆分。
不同时间点的 LTV
| 指标 | 定义 | 用途 |
|---|---|---|
| 1日LTV | 用户注册当天贡献的收入 | 衡量首日付费转化 |
| 7日LTV | 用户7天内累计贡献的收入 | 短期投放回收判断 |
| 14日LTV | 用户14天内累计收入 | 中期价值评估 |
| 30日LTV | 用户30天内累计收入 | 月度ROI计算基准 |
| 360日LTV | 用户一年内累计收入 | 长期用户价值 |
LTV 预估方法
早期只有 1日LTV 数据时,可以用系数预估长期 LTV:
LTV(n日) ≈ 1日LTV × 系数
典型系数(不同游戏差异大):
- 7日LTV ≈ 1日LTV × 1.5-2.0
- 30日LTV ≈ 1日LTV × 2.0-3.0
- 360日LTV ≈ 1日LTV × 3.0-5.0
示例:
某渠道 1日LTV = 2元
预估 7日LTV = 2 × 1.8 = 3.6元
预估 30日LTV = 2 × 2.5 = 5元LTV 与 ROI 的关系
n日ROI = n日LTV / CAC
示例:
某渠道 CAC = 10元(获取一个用户花10元)
7日LTV = 8元
7日ROI = 8 / 10 = 80%(还没回本)
30日LTV = 12元
30日ROI = 12 / 10 = 120%(回本了)
→ 该渠道在30天内可以回本回本周期
定义:找到 n日ROI ≥ 100% 的最小 n
核心公式:
n日ROI = n日LTV / CAC
回本条件:n日LTV ≥ CAC
示例1(健康渠道):
CAC = 10元
1日LTV = 2元 → 1日ROI = 20%
7日LTV = 6元 → 7日ROI = 60%
14日LTV = 9元 → 14日ROI = 90%
30日LTV = 12元 → 30日ROI = 120% ← 第一次超过100%
→ 回本周期 = 30天(健康)回本周期计算模型
方法一:直接追踪法
持续追踪用户的累计付费,直到 n日LTV ≥ CAC
优点:最准确
缺点:需要等待很长时间才能得到结果方法二:LTV系数推算法
当只有短期数据时,用 LTV 系数预估回本周期:
已知:1日LTV、CAC、LTV系数
求解:回本周期
计算步骤:
1. 求回本需要的 LTV 系数:目标系数 = CAC / 1日LTV
2. 根据系数对应表推算天数
LTV 系数参考(中重度游戏):
7日 ≈ 1.5-2.0 倍
30日 ≈ 2.0-3.0 倍
90日 ≈ 2.5-4.0 倍
180日 ≈ 3.0-4.5 倍
360日 ≈ 3.5-5.0 倍
示例:
CAC = 15元,1日LTV = 3元
目标系数 = 15 / 3 = 5.0(需要5倍才能回本)
查系数表:5.0 倍对应约 360天 或更长
→ 回本周期 ≈ 300-400天(偏长,需要评估渠道质量)方法三:线性外推法(粗略估计)
假设 LTV 增长近似线性(实际是递减的):
回本天数 ≈ CAC / 日均 LTV 增量
示例:
CAC = 15元,1日LTV = 3元
假设 7日LTV = 5元
日均增量 = (5-3) / 6 = 0.33元/天
剩余需要:15 - 3 = 12元
估算天数:12 / 0.33 ≈ 36天
但实际 LTV 增长会递减,所以真实回本周期更长回本周期的判断标准
游戏类型不同,可接受的回本周期差异很大:
| 游戏类型 | 健康回本周期 | 可接受上限 | 警戒线 |
|---------|-------------|-----------|--------|
| 休闲游戏 | 7-14天 | 30天 | 60天 |
| 中度游戏 | 30-60天 | 90天 | 180天 |
| 重度游戏 | 60-120天 | 180天 | 365天 |
| SLG/MMO | 90-180天 | 365天 | 540天 |
判断渠道质量:
回本周期 < 健康值 → 优质渠道,可加大投放
回本周期 < 可接受值 → 正常渠道,维持投放
回本周期 > 警戒线 → 问题渠道,考虑停投回本周期过长的诊断
如果某渠道回本周期过长,可能原因:
1. CAC 过高
- 竞价太激烈
- 素材吸引了低质量用户
→ 优化素材,调整出价
2. LTV 过低
- 用户付费意愿弱
- 用户流失太快
→ 分析该渠道用户画像
3. 渠道属性问题
- 某些渠道天然用户质量低
- 买量成本与用户价值不匹配
→ 考虑停止该渠道投放4.6 渠道与投放指标
什么是渠道?
渠道 = 用户从哪里来的
常见渠道类型:
- 应用商店:App Store、Google Play、华为应用市场等
- 广告平台:抖音、Facebook、Google Ads 等
- 小程序:微信小程序(微小)、抖音小程序(抖小) 等
- 自然流量:用户自己搜索下载
- 社交分享:朋友推荐
技术实现:
用户安装时带上渠道标识(channel_id),全生命周期追踪CAC - 用户获取成本
定义:获取一个新用户花的钱
计算:广告花费 / 新增用户数
示例:
在抖音投了10000元广告
带来了500个新用户
CAC = 10000 / 500 = 20元/人ROI - 投资回报率
定义:投入的钱赚回来多少
计算:收入 / 成本
示例:
某渠道投入10000元,用户充值了15000元
ROI = 15000 / 10000 = 150%(赚了)
判断标准:
ROI > 100% → 赚钱
ROI < 100% → 亏钱渠道质量评估
不同渠道的用户质量差异很大:
渠道A(便宜渠道):
- CAC = 5元
- 次日留存 = 20%
- 7日ROI = 50%
渠道B(优质渠道):
- CAC = 30元
- 次日留存 = 45%
- 7日ROI = 120%
表面看A便宜,实际B更值得投!
这就是为什么需要按渠道维度分析数据。五、支付渠道与退款
支付渠道 (charge_channel)
定义:用户使用的支付方式
常见支付渠道:
- 101:微信支付
- 105:支付宝
- 108:Apple Pay
- 110:Google Pay
- ...
为什么要区分:
- 不同渠道手续费率不同(Apple 抽成30%)
- 支付故障需要定位到具体渠道
- 用户付费习惯分析支付来源 (sub_channel_id)
定义:更细粒度的支付来源
示例(微信支付下的细分):
- 微信小程序支付
- 微信H5支付
- 微信APP支付
作用:
- 定位支付问题更精准
- 分析不同入口的付费转化支付监控指标
| 指标 | 定义 | 作用 |
|---|---|---|
| 充值账号数 | 进行充值的唯一账号数 | 付费用户规模 |
| 充值次数 | 充值交易笔数 | 付费频次 |
| 总充值金额 | 所有充值的总金额 | 营收规模 |
| ARPPU | 总充值金额 / 充值账号数 | 人均消费 |
| 付费金额占比 | 该渠道金额 / 总金额 | 渠道重要性 |
退款监控
| 指标 | 定义 | 警戒值 |
|---|---|---|
| 退款订单数 | 发起退款的订单数量 | - |
| 退款金额 | 退款总金额 | - |
| 退款率 | 退款订单数 / 支付成功订单数 | > 1% 需关注 |
退款率高的常见原因
1. 支付BUG
- 重复扣款
- 支付成功但未发货
2. 用户投诉
- 外挂检测后封号
- 对游戏不满要求退款
3. 平台政策
- Apple/Google 无条件退款政策
- 用户利用政策薅羊毛
4. 恶意退款
- 黑产工作室
- 利用退款漏洞六、商品销售分析
直购销售数据
直购 = 直接购买商品(相对于抽卡/开箱)
监控字段:
- product_name:商品名称
- 付费金额:该商品的销售额
- 付费金额占比:该商品占总销售额的比例常见商品类型
| 类型 | 说明 | 特点 |
|---|---|---|
| 点券/钻石 | 游戏内货币 | 用于购买各种道具,是主要收入来源 |
| 月卡 | 持续多天发放奖励 | 性价比高,培养付费习惯 |
| 礼包 | 限时打折的道具组合 | 促进冲动消费 |
| 通行证 | 赛季制奖励系统 | 类似Battle Pass |
价格档位分布
以某游戏点券销售为例:
648点券: 42.62% ← 大R(大氪金玩家)首选
328点券: 10.79%
68元礼包: 12.51%
198点券: 7.34%
98点券: 6.99%
30元礼包: 3.69%
6元月卡: 2.12%
...如何解读
648 占比最高(42%):
→ 大R贡献大,游戏依赖鲸鱼用户
→ 需要维护好这批高价值用户
如果小额占比过高:
→ 可能缺乏高价值付费点
→ 大R没有花钱的地方
→ 需要设计更多高端内容七、滚服用户
什么是滚服?
滚服 = 用户在多个服务器创建角色
常见场景:
- 新服开服活动福利好,老玩家去新服"重新开始"
- 玩家想体验不同服务器的社区氛围
- 工作室批量注册刷资源滚服账号数
定义:在多个服务器有角色的账号数量
作用:
- 评估新服对老服的分流影响
- 识别工作室刷号行为
- 分析玩家的跨服行为区服相关字段
| 字段 | 说明 |
|---|---|
| game_zone_id | 区服ID(如 1, 2, 3...) |
| game_zone_name | 区服名称(如 "1服-创世之初") |
八、实时监控的时间粒度
不同时间粒度的用途
| 粒度 | 指标示例 | 用途 |
|---|---|---|
| byminute (按分钟) | 注册创角byminute、付费金额byminute | 实时监控异常,发现问题 |
| byhour (按小时) | 活跃byhour、付费人数byhour | 日内趋势分析,峰值定位 |
| 按天 | DAU、日充值 | 日常运营报告 |
| 按周/月 | WAU、MAU、月流水 | 长期趋势分析 |
环比与同比
| 指标 | 定义 | 用途 |
|---|---|---|
| 小时环比 | 与上一小时对比 | 发现突发异常(如服务器宕机) |
| 日环比 | 与昨天同期对比 | 日常波动判断 |
| 周同比 | 与上周同一天对比 | 排除周内波动影响(周末vs工作日) |
示例
当前活跃数:2,410
小时环比:+14.43% ← 比上一小时增长14.43%
日同比:+6.99% ← 比昨天同一时间增长6.99%
解读:
- 小时环比正常(白天活跃上升)
- 日同比正常(符合预期)
- 如果小时环比突然 -50%,可能有问题!九、项目空间的概念
为什么要分项目空间?
一款游戏可能有多个"版本"同时运行:
游戏《王者荣耀》(假设)
├── 国内-iOS服
├── 国内-Android服
├── 海外-美国服
├── 海外-欧洲服
└── 海外-东南亚服
每个项目空间:
- 用户群体不同
- 运营策略不同
- 付费习惯不同
- 需要独立分析数据隔离需求
运营人员A(负责国内iOS):
- 只能看国内iOS的数据
- 不能看海外数据
- 不能看其他渠道数据
运营人员B(负责海外):
- 只能看海外服务器数据
- 可以看美国/欧洲/东南亚
这就是权限设计的业务背景十、异常检测与归因
什么是异常?
异常 = 数据偏离正常范围
示例场景:
- 平时DAU是10000,今天突然只有5000 → 异常!
- 平时付费率3%,今天突然变成8% → 异常!(好的异常)
- 平时崩溃率0.1%,今天突然5% → 异常!归因分析
发现异常后,最重要的是找原因(归因)
场景:DAU突然下跌30%
归因过程:
1. 按维度切片分析
- 按渠道:渠道A正常,渠道B下跌80% → 定位到渠道B
- 按设备:iOS正常,Android下跌50% → Android有问题
- 按版本:旧版本正常,新版本DAU为0 → 新版本有bug!
2. 找到根因
→ 新版本Android包上架后崩溃,用户无法登录
3. 采取行动
→ 紧急回滚版本,修复bug
这就是AI Agent要做的事:自动完成这个分析过程常见异常场景
用户量异常:
- 某渠道被下架
- 服务器宕机
- 版本bug导致闪退
- 竞品上线抢用户
付费异常:
- 支付通道故障
- 促销活动效果
- 物价调整反应
- 外挂导致经济系统崩溃
留存异常:
- 新手引导改动
- 难度曲线问题
- 服务器卡顿
- 内容消耗完毕十一、数据埋点基础
什么是埋点?
埋点 = 在代码里插入数据上报逻辑
类比:
console.log() 是给开发者看的日志
埋点 是给运营/产品看的用户行为数据常见埋点事件
// 登录事件
trackEvent('login', {
player_id: '12345',
device_id: 'xxx-yyy-zzz',
channel: 'taptap',
os: 'android',
version: '1.2.0'
});
// 付费事件
trackEvent('payment', {
player_id: '12345',
order_id: 'ORD_001',
amount: 68.00,
product_id: 'monthly_card', // 月卡
currency: 'CNY'
});
// 关卡完成事件
trackEvent('level_complete', {
player_id: '12345',
level_id: 15,
duration: 120, // 用时120秒
retry_count: 2 // 重试2次
});
// 自定义事件(业务特有)
trackEvent('gacha_pull', { // 抽卡
player_id: '12345',
gacha_type: 'limited', // 限定池
pull_count: 10, // 10连抽
result: ['SSR_001', 'SR_002', ...] // 抽到的东西
});埋点设计原则
1. 关键路径必须埋点
- 登录、注册
- 付费全流程
- 核心玩法(战斗、抽卡、升级等)
2. 带足够的维度信息
- 用户维度:player_id, device_id, channel
- 时间维度:自动带时间戳
- 业务维度:等级、VIP、服务器等
3. 数据不能丢
- 弱网重试
- 本地缓存
- 断点续传十二、明细查询
玩家登录资料明细
用途:查询单个玩家或一批玩家的详细登录记录
可筛选字段:
- 应用包名:游戏的包标识符
- device_id:设备唯一标识
- game_user_id:游戏用户ID
- role_id:游戏角色ID
- 国家地区:用户所在地区
- 客户端IP:用户登录时的IP地址
- game_zone_id / game_zone_name:区服
- role_nickname:角色昵称充值订单明细查询
用途:查询充值订单的详细信息
可筛选字段:
- 基础字段:同上
- charge_flow_order:充值流水订单号
- 付费次数:用户的付费交易次数十三、这个平台能帮运营做什么?
场景1:日常数据查看
运营:打开看板,一眼看到今天的DAU/PCU/充值
平台功能:
- 实时看板:核心指标一目了然
- 趋势对比:vs昨天、vs上周
- 异常标红:自动标出异常数据场景2:问题排查
运营:DAU掉了20%,赶紧看看怎么回事
以前的方式:
1. 登录数据库,写SQL
2. 按渠道分析、按版本分析、按地区分析...
3. 导出Excel,做对比图表
4. 写分析报告
→ 可能要2-4小时
用这个平台:
1. 收到AI告警:"DAU下跌20%,主要原因是渠道X的Android版本崩溃"
2. 点击查看详细归因报告
3. 直接采取行动
→ 10分钟内完成场景3:自然语言查询
运营(在Chat界面输入):
"过去7天,渠道A的付费用户有多少?ARPPU是多少?"
AI Agent:
1. 理解意图 → 这是一个查询请求
2. 调用NL2SQL → 生成SQL查询
3. 执行查询 → 获取数据
4. 返回结果 → "过去7天渠道A共有523位付费用户,ARPPU为87.6元"
5. 可选 → 顺便给出对比(比上周增长12%)场景4:定时报告
每天早上9点,运营收到企业微信消息:
📊 《王者xxx》日报 - 2026-01-20
核心指标:
- DAU: 52,341 (↑3.2%)
- PCU: 8,892 (↓1.1%)
- 充值: ¥156,789 (↑12.5%)
- 付费率: 3.2% (持平)
异常告警:
⚠️ 海外-美国服 DAU下跌15%
归因:版本更新后登录流程异常
建议:检查v2.1.0版本登录模块
→ 点击查看完整报告十四、术语速查表
基础指标
| 术语 | 英文全称 | 含义 | 公式 |
|---|---|---|---|
| DAU | Daily Active Users | 日活跃用户 | 当天登录用户数(去重) |
| MAU | Monthly Active Users | 月活跃用户 | 30天内登录用户数(去重) |
| PCU | Peak Concurrent Users | 最高同时在线 | 单日在线人数峰值 |
| 留存率 | Retention Rate | 用户回访比例 | 第N天回访用户 / 新用户 |
| PUR | Pay User Rate | 付费率 | 付费用户 / DAU |
| ARPU | Avg Revenue Per User | 人均收入 | 收入 / DAU |
| ARPPU | Avg Revenue Per Paying User | 付费用户人均收入 | 收入 / 付费用户数 |
| LTV | LifeTime Value | 生命周期价值 | 用户全周期贡献收入 |
| CAC | Customer Acquisition Cost | 获客成本 | 广告花费 / 新增用户 |
| ROI | Return On Investment | 投资回报率 | 收入 / 成本 |
新增/转化相关
| 术语 | 含义 |
|---|---|
| 激活 | 首次安装并打开游戏 |
| 创角 | 创建游戏角色 |
| 激活注册率 | 激活用户中完成注册的比例 |
| 注册创角率 | 注册用户中完成创角的比例 |
| 首充 | 用户的第一笔付费 |
用户行为相关
| 术语 | 含义 |
|---|---|
| 回流 | 流失后重新回来的用户 |
| 滚服 | 在多个服务器创建角色 |
| 区服 | 游戏服务器 |
时间对比相关
| 术语 | 含义 |
|---|---|
| 环比 | 与上一个周期对比(如小时环比、日环比) |
| 同比 | 与去年/上周同期对比(如周同比、年同比) |
付费相关
| 术语 | 含义 |
|---|---|
| 直购 | 直接购买商品(非抽卡) |
| 支付渠道 | 用户使用的支付方式(微信/支付宝等) |
| 退款率 | 退款订单数 / 支付成功订单数 |