原创 | 【小白学运营第二十二期】数据篇:基于产品解读DAU

为了让更多人方便快捷地了解《小白学运营》这一版块的内容,手游那点事精心筹划并出版了《小白学运营》一书!

购买请戳链接:http://item.jd.com/11753280.html

文/VV5本文由手游那点事VV5原创,转载请注明出处!

DAU:(Daily Active User)日活跃用户数量;目前行业内对这个“活跃”的定义各有不同;大部分厂商会将其定义为登陆即活跃;也有些厂商会定义为用户登录多久(5分钟?十分钟?)

不管DAU如何定义,我们需要知道的是:DAU本身是一个业务场景;从宏观上说,只需要我们粗暴的记录一个好的DAU去向同行炫耀,去向渠道吹水;但是从微观上说,又需要我们将DAU进行拆解细分。

小明:我家有一款游戏,30万DAU;是不是很牛?

小华:这么赞!你们这些用户怎么来的?

小明:方式很多啊,像积分墙、CPA…..

小华:你们的DOSU多少?(PS: DOSU为新登用户中只有一次会话的用户)

小明:20W

小华:……….

从宏观说上,30万DAU的确是一个很可观的数字;从微观上说,就需要我们知道DAU的组成:

日活跃用户=新登的用户+老活跃用户+回流的用户

之所以将其拆分,我们可以分别解析这三块元素:

新登用户在这个公式里面的地位是举足轻重的;一般的新登用户占比为40%;我们来看一组数据(手游那点事1群:165095584;关注手游那点事,关注小白学运营):

图片1上图为《洪荒ol》4月29日-5月13日封测数据

感谢上海玄云网络科技有限公司提供的《洪荒ol》封测数据,从上面数据我们可以看出:

DNU/DAU)*100%=27.4%

因为数据样本采集有限,数据暂以平均数计算,从上面我们可以看出游戏的用户活跃度指数为27.4%。

然后我们再来看该游戏的留存情况:

图片2上图为《洪荒ol》4月29日-5月13日封测数据

留存和平均在线时长都较为可观,为什么新增用户占比少,结合封测实际情况我们来看:

该游戏封测采用限号测试,然后我们综合看以下几种因素:

图371上图为《洪荒ol》4月29日-5月13日百度指数

从上图的数据来看,可以知道该游戏用户热点一般,是什么导致这种情况,我们再看一组数据:

图471上图为《洪荒ol》4月1日-5月31日新闻监测

在这里,该游戏并没有做出相对应的媒体投放,在6月份则做出简单的媒体投放:

图片571上图为《洪荒ol》6月新闻监测

然后我们再综合百度问答来看:

图片671上图为《洪荒ol》百度问答

从上面的几组数据参考来看;我们可以知道该游戏在封测时期并没有做出太多的媒体投放,将游戏曝光局限在小范围之内;采用小规模限号测试;那么我们再回到开始的话题:

日活跃用户=新登的用户+老活跃用户+回流的用户

由于没有CCU(曲线趋势图)列表,分析比较局限;我们再看老活跃用户;由于是封测阶段,7天的数据采集没有回流数据,我们统一来看(手游那点事1群:165095584;关注手游那点事,关注小白学运营):

老用户=DAU-DNU=1019-280=739;若以统计图表来看,我们可以看出739与280的数据差距是比较大的;回到数学的角度来看:DNU/DAU;分子和分母分别对应的DNU和DAU;当DAU-DNU的数值差距较大的时候,我们可以看到的是DNU的新增影响是有限的;这时候则需要我们从DNU的转化入手;衡量DNU转化为老用户的占比为多少。

接下来我们再结合日活跃用户的构成来看:

若新登用户转化为老活跃用户之后,那么老活跃用户是不断增长的

若新登用户以稳定的趋势转化,而老活跃用户增长幅度较大;那么回流用户是回归率是提升的。

在这里,一般可以建一个数据趋势图,即DAU与DNU同比趋势图,综合二者区间间隔我们可以看到老活跃用户流失波动;即若DAU与DNU数值越接近,意味着老用户流失越严重:

例如:

某日DAU为1000;DNU为500;则老用户为500

次日DAU为1300;DNU为1000;则老用户为300

反之我们可以看到:若DAU与DNU数值差距越大,意味着老用户流失越小

例如:

某日DAU为1000;DNU为500;则老用户为500

次日DAU为1000;DNU为100;则老用户为900

结合上述说明;也就是DAU、DNU的解析,我们再看下面一组数据:

图片771上图为《洪荒ol》4月29日-5月13日等级分布数据

从上图我们又可以看出,1-2级的用户在游戏中分布非常多;这部分用户同样可以称之为DAU;若我们再细化一些,又可以从DNU里面解析,该1-2级用户中,只有一次用户会话所占比;在这里我们可以衡量整体DNU的质量和后续转化;需要我们建立用户模型,从新手引导,用户类型,用户喜好特征、登陆问题综合调研。

而用户模型我们同样可以具体划分,例如:

图片871上图为《洪荒ol》封测期间城市搜索指数分布

图片971

上图为《洪荒ol》封测期间人群搜索特征分布

图片1071

上图为《洪荒ol》封测期间人群搜索特征分布

从这些用户特征,我们可以解析流失用户的基本属性以及后续回流活动的相关推广;写到这里,我们已经通过DAU做出了较为基本的微观分析;即DNU与老用户的转化关系;宏观上看,DAU暴增长;但是微观上看,仅仅是DNU暴增长,而老用户趋于平稳;对于公司内部来说,这并不是好消息;用户转化不行,再高的DAU也只是一个对外展示的空壳。

某篇文章曾经提到过关于投放推广的数据研究,结合本文同样可以提一下:

DNU/DAU的行业标准:

一线:<10%

二线:<20%

三线:<30%

四线:<45%

行业平均水平:28%

为什么比值越小代表粘性和投放效果越好?

其实这和DNU的转化有关;例如:

若:DNU=100;DAU=1000;则有DNU/DAU=10%;则有老用户=DAU-DNU=900

若:DNU=200;DAU=1000;则有DNU/DAU=20%;则有老用户=DAU-DNU=800

若:DNU=300;DAU=1000;则有DNU/DAU=30%;则有老用户=DAU-DNU=700

若:DNU=450;DAU=1000;则有DNU/DAU=45%;则有老用户=DAU-DNU=550

从这里我们可以看出,游戏老用户是DNU的转化后产物;游戏老用户的粘性越强,则证明用户质量越高;从宏观上看DAU涵盖DNU与老用户;即若单独说某游戏的DAU为多少,参考价值是比较局限的(手游那点事1群:165095584;关注手游那点事,关注小白学运营)。

最后我们再看DAU的分析特征:

从数据本身的关系,我们通过解析DAU看出老用户留存所表现的产品粘性

从DNU的转化分析,衡量DOSU,即用户来源渠道质量

通过调取一次会话用户模型,做出用户流失分析

根据DAU的减法分析得出游戏的核心用户规模

根据游戏产品周期分析整体用户变化

根据DNU的除法分析得出游戏的用户粘性以及质量

因数据有限,暂且不做深入分析;通过本期我们需要知道的是DAU的构成,以及DAU的增长与减少从哪些方面做具体分析;【小白学运营第22期】产品分析案例感谢玄云网络提供,如果您有好产品希望曝光,如果您有数据希望彼此交流,欢迎联系VV5!!!

【小白学运营】一起说不同,如果您有不同见解,如果您有其他想法;可以直接在本文下方评论,VV5将根据您的想法,积极与您联系;您还可以加群:165095584;和群里的各位同学一对一交流,共同进步!!!

本文由手游那点事VV5原创,转载请注明出处!

不管您是不是初学者,《小白学运营》绝对是您必备的案头读物!

购买请点击:

http://item.jd.com/11753280.html

Ashin

Ashin

线上专访,线下活动合作请联系:591188481

相关资讯

精选专栏