游戏行业术语解决及数据计算方式

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 游戏行业术语解决及数据计算方式

付费率=付费用户÷活跃用户x100

活跃率=登陆人次÷平均在线人数


用户流失率=游戏当前活跃用户规模÷历史注册总量

同时在线峰值=24小时内同时在线最高达到人数

平均在线=24小时每小时同时在线相加总和÷24小时

中国大陆运营游戏平均同时在线用户=ACU

采用道具收费模式游戏活跃付费用户=APC

活跃付费账户=APA


当日登录账号数=UV

用户平均在线时长=TS

最高同时在线人数=PCU

付费人数一般是在线人数2~4倍。­

 

DNU(Daily New Users): 每日游戏中的新登入用户数量


AU(Active Users):活跃用户,统计周期内,登录过游戏的用户数

相应的,根据统计周期,有DAU(日活跃用户),WAU(周活跃用户),MAU(月活跃用户)等。


PU ( Paying User):付费用户

APA(Active Payment Account):活跃付费用户数


这里我们要注意“用户”和“付费用户”的区分,这也将影响收入的计算。


ARPU(Average Revenue Per User) :平均每用户收入,即可通过 总收入/AU 计算得出。

ARPPU (Average Revenue Per Paying User): 平均每付费用户收入,可通过 总收入/APA 计算得出。

PUR(Pay User Rate):付费比率,可通过 APA/AU 计算得出。

LTV(Lift Time Value):生命周期价值,即平均一个用户在首次登录游戏到最后一次登录游戏内,为该游戏创造的收入总计

 

小岳:

统计角度不一样,公式计算是一样的,都是付费/人数

ARPU一般是按活跃单位统计周期,比如日ARPU,月ARPU,是日付费/日活跃,或者月付费/月活跃

LTV一般是总的,是按注册日期或者激活日期计算的。就跟留存一样,某日激活用户,7日LTV、30日LTV,总LTV

小岳:

LTV跟留存率一样,只某个特定时间注册的用户,他们的一个周期

 

ARPU一般是某段时间内用户的值,而不是观察某个注册日的用户的表现。维度不一样

    活跃用户(玩家):是指通过你的推广代码注册,不属于小号或作弊情况、正常进行游戏一个月以上未被官方删除的用户视为活跃用户 。

     您推广的两个用户目前还没有通过至少1个月的审查时间,您可以在您的推广纪录中查看您推广用户的注册时间。且这两个用户需要满足上述对活跃玩家的定义才能称为活跃玩家!

  活跃付费账户=APA。

  每个活跃付费用户平均贡献收入=ARPU。

  【活跃天数计算定义】

  活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天。

  当天0:00-23:59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天。

  当天0:00-23:59登陆游戏时间0.5小时至2小时、活跃天数累积0.5天。

  当天0:00-23:59登陆游戏时间0.5小时以下、不为其累积活跃天数。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
4月前
|
消息中间件 弹性计算 关系型数据库
体验函数计算:高效处理多媒体文件的真实感受与实战总结
该方案在引导和文档方面做得较为详尽,仅在事件驱动机制部分略显简略。部署和代码示例实用,但需注意内存配置以避免超时。使用体验方面,函数计算表现出色,尤其在高并发场景下,显著提升了应用稳定性和成本效益。云产品如OSS、MNS等与函数计算配合流畅,ECS和RDS表现稳健。总体而言,这套方案弹性好、成本低,特别适合应对高并发或流量不确定的场景,值得推荐。
83 24
|
3月前
|
前端开发 算法 JavaScript
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。
|
5月前
|
存储 人工智能 算法
高质量存储力发展问题之“存储即平台”的定义如何解决
高质量存储力发展问题之“存储即平台”的定义如何解决
35 0
|
5月前
|
vr&ar
AIGC 3D宇宙问题之混合显示的定义如何解决
AIGC 3D宇宙问题之混合显示的定义如何解决
24 0
|
消息中间件 存储 Java
3000人群被字节内部技术图谱炸翻了,惊艳级实用
前几天晚上群里的消息炸翻了,我以为发生啥大事了。一看,一字节老哥秀了一把他们老大给组里配的技术图谱手册! 大家都求着来1套,我认真看了,基本覆盖了所有Java技术栈以及架构设计的方方面面。 确实很少见,够实在够精华,这套东西要是拿出去卖,少说也得一二百!
|
存储 边缘计算 编解码
《2022中国云游戏行业认知与观察》——第二章、云游戏应用场景与技术实践——2.2 微端:游戏小包分发 提高转化效率——2.2.1 应用案例 十秒完成下载,《三国志·战略版》用了什么黑科技?
《2022中国云游戏行业认知与观察》——第二章、云游戏应用场景与技术实践——2.2 微端:游戏小包分发 提高转化效率——2.2.1 应用案例 十秒完成下载,《三国志·战略版》用了什么黑科技?
275 0
|
存储 传感器 数据可视化
数字水利模型展示云流化方案有什么优势?
云流化技术是如何助力数字水利的呢?使用是否麻烦呢?要想解决这些疑问,我们首先要明确下什么是云流化技术?其实简单来说有点像远程桌面,但是云流化技术原理和远程桌面有所区别,可以支持大型、重型各类三维程序的直接云端服务器中使用。对用户来说无需花费学习成本,和以前打开网页或者APP的操作完全一样,简单方便。
228 0
数字水利模型展示云流化方案有什么优势?
|
编解码 人工智能 运维
跨越行业绊脚石,阿里云函数计算发布7大技术突破
如何对函数进行端云联调、如何对函数进行可观测和调试、如何优化 GB 级别的镜像冷启动?这些以往在服务的颗粒度时,都不是问题的事情,成了 Serverless 大规模落地企业核心生产业务的绊脚石。 2021云栖大会现场,阿里巴巴研究员、阿里云智能云原生应用平台总经理丁宇(叔同)重磅发布了函数计算的7大技术创新和突破,加速现代应用架构的革新。
447 7
跨越行业绊脚石,阿里云函数计算发布7大技术突破
|
机器学习/深度学习 传感器 人工智能
技术和产品二重奏:搜狗如何演绎「自然交互和知识计算」
苹果 Siri 的推出让大众开始对语音交互有了初步概念,而这几年深度学习的发展更是使语音识别准确率获得了质的提升。
141 0
技术和产品二重奏:搜狗如何演绎「自然交互和知识计算」
|
自然语言处理 算法 搜索推荐
颠覆编程方式的感知编码:Stephen Wolfram雄心勃勃的全新计算模式
2002 年,出生在英国的科学家、程序员及创业家 Stephen Wolfram 的《一种新科学》刚刚发布,其颠覆传统的追求知识方式引发的惊愕、争议与指责就已经铺天盖地。上个月初,他在博客中披露了自己的一个即将完成的新项目,称该项目将会对技术世界乃至于技术以外的世界产生深远影响。
181 0
颠覆编程方式的感知编码:Stephen Wolfram雄心勃勃的全新计算模式

热门文章

最新文章