一、指标 (用户活跃 / 付费)
| DAUDaily Active Users | 日活跃用户数。当天登录过游戏的玩家数 (按 role_id 去重)。
例: 4/15 当天有 84,343 个不同玩家登录, DAU = 84,343。 |
| 既存 DAU | 当天 DAU - 当天创角玩家。也就是"老玩家活跃数", 不含当天新创的角色。
例: 4/15 总 DAU 84K, 当天创角 40K, 既存 DAU = 44K。看板上 DAU 默认指既存 DAU (你的标准口径)。 |
| PDAUPaying DAU | 付费 DAU。"曾经付过费"的玩家中, 当天登录的数。
例: 累计付过费的玩家有 30 万, 4/15 这天他们登录了 1.6 万, PDAU = 16K。衡量氪金用户活跃度。 |
| 有效访问 | 渗透率的分母。期间登录过 ∩ 历史曾达到该活动开启地图门槛的玩家。
例: 7030009 种菜 (要求地图≥5), 6 天内登录且曾经过地图 5 的玩家有 54,543 人。 |
| 渗透率 | 参与活动玩家 / 有效访问玩家。衡量活动对"够格玩"的玩家有多大吸引力。
例: 7030009 渗透率 74.4% = 40,572 人参与 / 54,543 人有效访问。 |
| 导量Acquisition | 当天新增玩家数 (按 role_regtime 当天创角的 distinct role_id)。
例: 4/15 创角 39,975, 含买量进来的新玩家。 |
| RPIRevenue Per Impression | 人均活动收入 = 全服收入 / DAU。横向比期次商业化效率用。 |
| ARPPU | 付费玩家平均充值额 = 总收入 / 付费玩家数。区分鲸鱼/小R 的关键指标。 |
二、用户分层
| 微氪 / 小R / 中R / 大R / 鲸鱼 | 按累计充值金额分层 (lifetime payment, JPY):
|
| 鲸鱼集中度 | 鲸鱼贡献收入占比。越高越脆弱 (鲸鱼流失风险)。50% 以上算预警。 |
三、留存模型
| Cohort / 队列 | 同一天 (或同一周/月) 注册的玩家集合。我们按注册日分 cohort, 看每天的衰减情况。 |
| DSRDay Since Registration | 注册后第几天。D1 = 第二天, D7 = 一周后, D30 = 一个月后。 |
| D1 / D7 / D30 留存 | 注册后第 N 天还活跃的玩家比例。整体 D1=5.8%, D7=2.2%, D30=1.2%。 |
| Power law / 幂律 | 留存衰减的数学曲线: 留存(d) = a / (d+1)^b。我们的拟合: 0.069/(d+1)^0.52, 拟合误差 11.2%。 |
四、预测模型
| Walk-forward / 滚动校验 | 用第 1...i-1 期数据预测第 i 期, 跟实测对比。每加一期就重新预测下一期。 |
| v1 加权均值 | 最简单模型: 历史期数据按"越近权重越高"加权平均。基线模型。 |
| v2 版本对齐 | 只用同版本+前一版本的数据预测。避免老版本噪声。 |
| Prophet | Facebook 开源的时序预测库, 自动捕捉趋势 + 季节性。 |
| Ensemble / 集成 | v3 = v1 + v2 + Prophet 三个模型加权融合。鲁棒性最强。 |
| 误差% (原 MAPE) | 预测准度: |实测 - 预测| / 预测 × 100%。 <10% 优秀 / 10-25% 可接受 / >25% 差。 |
| Bayesian / 贝叶斯 | 用历史误差自动调整 Ensemble 权重。误差小的模型获得更高权重, 数据驱动。 |
| EMA / 指数加权移动平均 | 给最近数据高权重的平滑方法, α=0.7 表示最近一期权重 70%。 |
五、活动效果评估
| Lift / 提升 | 活动相对基线的"涨幅"百分比。+10% = 比没活动时高 10%。 |
| CausalImpact / 因果影响 | "如果没办活动, 数据会怎样" → 跟实测对比, 算出活动**真正带来的增量**。我用周几加权反事实做。 |
| Synthetic Control / 合成控制 | 构造反事实基线的方法。我们用"期前 14 天 + 周几对齐"作 baseline。 |
| DAU 加成 (boost) | 活动期间 DAU 比基线高的倍数。1.072 = +7.2%。 |
| 收入折扣 (dilution) | 活动期间收入比基线的倍数。0.87 = -13% (合作不付费导致氪金被分流)。 |
| 同期金不理分流 | 合作活动跟金不理同时开, 玩家氪金被分走。系数表示对收入的影响。 |
六、地区与节假日
| JP / KR / TW | 按 client_info.language 分: ja(日)=53%, zh-TW(台)=28%, ko(韩)=17%。占游戏 98% 玩家。 |
| ゴールデンウィーク | 日本黄金周 (5/3-5/6), 4 天连假, 玩家在线时间大幅增加。 |
| 年末年始 | 日本元旦假期 (12/29-1/3), 跟中国春节地位相当。 |
| 설날 / 추석 | 韩国春节 / 中秋。설날 在 2 月中下旬。 |
七、模型工程
| 写死 (hardcode) | 把数值固定写在代码里, 不会自动更新。坏处: 现实变了系数还旧。我们用自动校准替换。 |
| 自动校准 (auto-calibrate) | 每次新数据进来, 重算所有系数 (boost / dilution / 节假日影响等), 不再 hardcode。 |
| 保险值上下限 (clip) | 系数最小最大不能超出范围。e.g. DAU boost ∈ [0.85, 1.30]。防异常数据把模型搞崩。 |
| 特征工程 | 把活动属性 (主题/天数/同期付费活动/节假日) 量化成数字喂给模型, 提升预测精度。 |
八、活动相关
| 合作活动 (一起XX吧) | ActivityMan type=7。每月 1 期, 5-7 天, 双人协作玩法。免费, 主要拉留存不直接氪金。 |
| 金不理 (lucky_card) | type=18, 2-3 天/期, 抽卡付费玩法。"赶走左卫门"礼包是核心氪金点。 |
| map_id / 地图等级 | 玩家进度门槛。合作活动要求 map_id ≥ 5。在 activity_main.xlsx col[15] 配置。 |
| 进度奖完成率 | 参与玩家中拿到第一档进度奖的比例。本质是活动门槛是否合适。 |
| 进阶率 | 参与玩家中达成第二阶段 (高奖励) 的比例。衡量活动深度。 |