運營預(yù)警數(shù)據(jù)監(jiān)控(一)

1、運營數(shù)據(jù)監(jiān)控（一） 小武 前言 關(guān)于網(wǎng)上有很多數(shù)據(jù)分析的資料，但大都只講 述了該監(jiān)控哪些數(shù)據(jù)，并未提供數(shù)據(jù)分析的方 法，而需要監(jiān)控的數(shù)據(jù)卻是根據(jù)觀察者的需要 來判斷，也許一些數(shù)據(jù)一些人認(rèn)為需要，但另 外一部分觀察者卻認(rèn)為不重要。 本文檔特意提供了運營日常所需監(jiān)控的數(shù)據(jù)， 并舉出了分析案例，以期激發(fā)讀者的思維，為 讀者建立自己的分析方法提供有效幫助 文檔也有很多疏漏之處，希望讀者能多多提出 意見，讓這份文檔真正能滿足讀者的需要。我 的郵箱 常規(guī)數(shù)據(jù)源 用戶數(shù)據(jù)源用戶數(shù)據(jù)源 p ACU：建立時間序列的數(shù)據(jù)源，觀察并得出屬于自己游戲的波動范圍，屬于 日常預(yù)警數(shù)據(jù) p PCU：建立時間序列的數(shù)據(jù)源，觀

2、察并得出屬于自己游戲的波動范圍，屬于 日常預(yù)警數(shù)據(jù) p 活躍用戶等級分布活躍用戶等級分布：建立截面數(shù)據(jù)源，對比游戲升級曲線表觀察，屬于日常 預(yù)警數(shù)據(jù) p 付費用戶付費用戶：建立時間序列的數(shù)據(jù)源，對比業(yè)內(nèi)平均水準(zhǔn)，測試游戲消費引導(dǎo) 能力 p 消費用戶消費用戶：建立時間序列的數(shù)據(jù)源，觀察BU值，測試游戲消費點挖掘能力 p 新增賬號數(shù)新增賬號數(shù)：建立時間序列的數(shù)據(jù)源，分宣傳期與非宣傳期數(shù)據(jù)，可結(jié)合 ACU，PCU等數(shù)據(jù)，觀察游戲?qū)τ脩舻酿ぶ?，屬于日常預(yù)警數(shù)據(jù) p APA：建立時間序列的數(shù)據(jù)源，觀察游戲?qū)οM用戶的黏著度 p 回流回流ID：建立截面數(shù)據(jù)源，觀察運營活動對老用戶的挖掘能力。 銷售數(shù)據(jù)源

3、銷售數(shù)據(jù)源 服務(wù)器元寶囤積量服務(wù)器元寶囤積量：建立時間序列數(shù)據(jù)源，對比AU，付費 用戶，消費用戶數(shù)據(jù)，觀察游戲消費點挖掘能力 一次性道具銷售量一次性道具銷售量：建立時間序列數(shù)據(jù)源，對比AU，付費 用戶，消費用戶數(shù)據(jù)，觀察此類道具的消費潛力，并據(jù)此 進(jìn)行銷售策略調(diào)整 消耗性道具銷售量消耗性道具銷售量：建立時間序列數(shù)據(jù)源，對比AU，付費 用戶，消費用戶數(shù)據(jù)，觀察用戶消費重點的轉(zhuǎn)移情況，并 據(jù)此進(jìn)行銷售策略調(diào)整 博弈性道具銷售量博弈性道具銷售量：建立時間序列數(shù)據(jù)源，對比AU，付費 用戶，消費用戶數(shù)據(jù)，觀察此類道具的吸金潛力，并對此 類道具進(jìn)行適時調(diào)整。 游戲數(shù)據(jù)源游戲數(shù)據(jù)源 n 商城道具囤積量商城道

4、具囤積量：建立時間序列數(shù)據(jù)源，對比AU， 消費用戶，付費用戶數(shù)據(jù)，觀察商城物品在游戲 內(nèi)的剩余數(shù)量，據(jù)此適時調(diào)整銷售策略 n 商城道具人均擁有量商城道具人均擁有量：建立時間序列數(shù)據(jù)源，對 比AU,消費用戶，付費用戶等數(shù)據(jù)，深度了解玩家 的需求以及商城各道具的實用價值 預(yù)警數(shù)據(jù)的分析預(yù)警數(shù)據(jù)的分析 以周以周/月為單位，將各項預(yù)警數(shù)據(jù)分類統(tǒng)計，并備注特殊事件，然后進(jìn)行月為單位，將各項預(yù)警數(shù)據(jù)分類統(tǒng)計，并備注特殊事件，然后進(jìn)行 以下方式的分析（以下方式的分析（根據(jù)觀察者的需求來分析數(shù)據(jù)根據(jù)觀察者的需求來分析數(shù)據(jù)） 每日數(shù)據(jù)在本周的特點 本周與上周數(shù)據(jù)對比 每周數(shù)據(jù)在本月的特點 本月數(shù)據(jù)與上月數(shù)據(jù)對比

5、 每日數(shù)據(jù)分析案例說明 以上為一段時間的日活躍與最高在線2組數(shù)據(jù)，我們通過統(tǒng)計這2組數(shù)據(jù) 來分析其中變化 注：這里的每日數(shù)據(jù)分析是指將觀察者特定日期的數(shù)據(jù)整理在一組，進(jìn) 行分析。 時間日活躍用戶最高在線 10月14日125852563 10月15日96552022 10月16日98672234 10月17日99442368 10月18日73372195 10月19日62401962 10月20日52111795 10月21日51111669 10月22日52691595 10月23日86301982 10月24日95772017 10月25日7225 1950 圖1-1 箱線圖分析：箱線圖分析

6、： 常用分析方法之一，用于監(jiān)控日常數(shù)據(jù)波動，需使用SPSS來做圖 中位數(shù)： 將一段數(shù)據(jù)由小到大進(jìn)行排序后，處于中間位置的數(shù)即為中位數(shù) 四分位數(shù)： 四分位數(shù)，把所有數(shù)值由小到大排列，處于25%與75%位置的得分就是四分位數(shù)。 波動范圍： 上下四分位數(shù)+1.5*四分位差 最小值 最大值 下四分位數(shù) 上四分位數(shù) 中位數(shù) 箱線圖分析： u無論是日活躍用戶還是最高在線都沒有離群點或者極限值，通過觀察這2組數(shù)據(jù)的箱線圖，可以看出這段時間內(nèi)，游 戲人數(shù)并未發(fā)生巨大變化 u日活躍的中位數(shù)較高，說明這段時間內(nèi)的平均日活躍相對于本周來說較高，這可以看出這段時間內(nèi)，游戲內(nèi)的用戶上 線較為頻繁。 u最高在線的分析同上

7、 注： 以上分析皆建立在與本段時間數(shù)據(jù)的對比之上，當(dāng)分析者單純觀察一周數(shù)據(jù)時，不能通過中位數(shù)高低輕易下定論認(rèn)為本 周用戶上線頻繁與否 因為2組數(shù)據(jù)分析的參照數(shù)據(jù)不同，因此也不能單純得出平均日活躍較高，而平均最高在線較低是有原因的這樣的結(jié)論。 圖1-3圖1-4 當(dāng)我們修改數(shù)據(jù)，假設(shè)當(dāng)我們修改數(shù)據(jù)，假設(shè)10月月14日那天公測，再使用箱線圖來觀察日那天公測，再使用箱線圖來觀察 這組數(shù)據(jù)時，情況又不一樣這組數(shù)據(jù)時，情況又不一樣 時間日活躍用戶 10月14日（公測）25000 10月15日9655 10月16日9867 10月17日9944 10月18日7337 10月19日6240 10月20日521

8、1 10月21日5111 10月22日5269 10月23日8630 10月24日9577 10月25日7225 此時我們再來分析日活躍這組數(shù)據(jù) u1號數(shù)據(jù)（即10月14日）出現(xiàn)極限值，說明在這一天游戲發(fā)生什么重大事件，即 開公測，所以我們需要在日期上備注特殊事件，以方便我們了解引起數(shù)據(jù)變化的原 因 u日活躍的中位數(shù)較高，說明這段時間內(nèi)的平均日活躍相對于本周來說較高，這可 以看出這段時間內(nèi)，游戲內(nèi)的用戶上線較為頻繁。 圖1-5 箱線圖小解箱線圖小解 用箱線圖觀察是否有離群點或者極端值時，應(yīng)注意觀察本組多數(shù)數(shù)據(jù)波動是否較為正常，說白了就是 觀察下這組數(shù)據(jù)的大概情況是否正常，如果一組數(shù)據(jù)中有少數(shù)不

9、正常的數(shù)據(jù)，通過箱線圖可以觀察到 特殊點，如果一組數(shù)據(jù)中多數(shù)為不正常的數(shù)據(jù)，可能無法滿足觀察特殊點的需要。 SPSS箱線圖中離群點為超出四分位差1.5倍距離的數(shù)值。統(tǒng)計學(xué)中離群點為超出平均數(shù)N個標(biāo)準(zhǔn)差的范 圍的數(shù)值。這個數(shù)值并非隨意而定，其中運用的是統(tǒng)計學(xué)知識。 當(dāng)一組數(shù)據(jù)為對稱分布時， 約有68%的數(shù)據(jù)在平均數(shù)1個標(biāo)準(zhǔn)差的范圍之內(nèi) 約有95%的數(shù)據(jù)在平均數(shù)2個標(biāo)準(zhǔn)差的范圍之內(nèi) 約有99%的數(shù)據(jù)在平均數(shù)3個標(biāo)準(zhǔn)差的范圍之內(nèi) 當(dāng)一組數(shù)據(jù)未不對稱分布時， 至少有75%的數(shù)據(jù)落在平均數(shù)2個標(biāo)準(zhǔn)差范圍之內(nèi) 至少有89%的數(shù)據(jù)落在平均數(shù)3個標(biāo)準(zhǔn)差范圍之內(nèi) 至少有94%的數(shù)據(jù)落在平均數(shù)4個標(biāo)準(zhǔn)差范圍之內(nèi)

10、根據(jù)以上情況可以看出，如果某數(shù)值為離群點，那么該數(shù)值確實存在異常之處。 注：關(guān)于標(biāo)準(zhǔn)差，平均數(shù)等統(tǒng)計學(xué)知識，想了解詳情的同學(xué)請自行查詢統(tǒng)計學(xué) 下面我們將使用另一種方式來重新分析這下面我們將使用另一種方式來重新分析這2組數(shù)據(jù)，首先我們將星組數(shù)據(jù)，首先我們將星 期加入到時間標(biāo)簽中，然后使用下面的方法來分析期加入到時間標(biāo)簽中，然后使用下面的方法來分析 星期時間日活躍用戶最高在線 星期四10月14日125852563 星期五10月15日96552022 星期六10月16日98672234 星期日10月17日99442368 星期一10月18日73372195 星期二10月19日62401962 星期三

11、10月20日52111795 星期四10月21日51111669 星期五10月22日52691595 星期六10月23日86301982 星期日10月24日95772017 星期一10月25日7225 1950 曲線圖分析：曲線圖分析： 在用曲線圖分析時，面對不同坐標(biāo)值數(shù)據(jù)值，一定要記得使用主次 坐標(biāo)軸來分開查看，同時加上數(shù)據(jù)標(biāo)簽，以方便我們觀察。 通常情況下，日活躍用戶數(shù)會影響會最高在線數(shù)，但是其中的關(guān)系 可能是怎樣的呢？ 這個圖表上的數(shù)據(jù)到底告訴了我們一些什么信息呢？哪些信息又是 我們無法從箱線圖上得到的？ 圖2-1 u總體上看，日活躍用戶的趨勢和最高在線的趨勢是成正比的，2者的趨勢幾近相同 u14日到15日，下降曲線非常陡峭，說明14號-15號是特殊時間段，而實際上也正是如此， 這2組數(shù)據(jù)取自于新服，14號是開新服的日期，而當(dāng)前國內(nèi)游戲的次日流失率是非常高。 u14日數(shù)據(jù)為這段數(shù)據(jù)的最高值，原因在于14日是新服開放時間，而新服的效應(yīng)又無法同 游戲內(nèi)測或者公測相比，所以這個值在箱線圖中是無法看出來。如果我們分析一個不成熟 游戲內(nèi)測時期的數(shù)據(jù)，其結(jié)果很可能如圖1-5一樣。 u16，17日的曲線為上升，如排除除時間因素以外的其他因素來看，就是16，17為周末的 原因，因此我們分析數(shù)據(jù)時應(yīng)盡可能的結(jié)合