运营 | 小白学数据分析之DNU/DAU

文/jetpv

写在分析之前

一直以来，我们对于数据都是在做加法，也希望这个过程中，不断搜罗和变换出来更多的数据指标，维度等等。而在实际的分析中，我们发现，一如我们给用户提供产品一样，太多的时候，我们思考的是如何增加功能，而产品的核心功能和诉求，却越来越远。

最近有幸和一些团队在做数据分析的交流，一个现象是，基于最基本的数据指标，实际上我们并没有深入的理解，或者说，我们并不了解数据，以及背后的用户，使用场景等等。因此，也就造成了，在夹生的数据理解上，我们不断还在探寻新的数据组织和加工。

前年的时候，我制定了关于游戏数据分析的一些基本指标，后来有人和我说，我们的数据指标定义和你的不一样，你的指导意义是不够的，不符合业务需要，比如这里我举一个例子：

很多企业在定义日活跃用户数（DAU）时，都会和我说，我们是按照每天登陆2次以上的用户算作DAU，而给出的行业标准，是只要登陆过的用户，就算是日活跃用户。

就这个问题，我想表达的是，DAU这样的指标，他本身代表的是业务场景，而非一个简单粗暴的指标内容，换句话，在背后是存在一个围绕DAU的体系和流程的。

我们可以以“转化率”或者“金字塔”的思想来理解这个DAU，实际上，我很清楚，大家在做DAU数据时，我们有的定义是登陆两次以上是活跃用户，或者登陆时长超过10min，算作一个活跃用户。但是在这个背后，我们会发现，登陆是最基本要具备的要素，有了这个要素或者场景后，刚才我们提到的登陆两次也好，还是在线时长超过10min才是被满足的。如果按照“转化率”或者“金字塔”的思想来看，我们其实想知道层层过滤之后的，所谓那部分高价值用户的比例。

从业务场景的角度分析来看，这其实是我们在研究用户到达的好坏，而围绕在这一点场景的核心，我们就会发现，影响到DAU的分析因素其实很多了，比如我们刚才提到了，基本的DAU定义是指，登陆游戏一次就是活跃用户，这个过程中，如果结合我们刚才提到的转化率思想，你会发现，DAU的转化率关系或者金字塔结构（仅从登陆次数作为统计维度），是能够发现一些问题所在的。比如用户的游戏行为习惯，付费相关性，营销活动刺激，举例，间隔时间极短的两次登陆用户，且级别很低时，很可能是登陆存在问题，趋利用户（即积分墙用户）。

行业指标观察

今天我们要分析的是和DAU相关指标，DNU，DAU，后面还会和留存率放到一起讲解。

今天，我们花一些时间就只说DNU和DAU，而分析的指标就是DNU/DAU,你可以成这个指标叫做活跃度指数，当然大家喜欢叫做新增用户占比。

且看下面的图片：

这里的老玩家指的是：DAU-DNU，注：DAU-DNU与DOU是同义。

在此图蕴藏了几个信息：

玩家的行为习惯逐渐形成，周六成为用户游戏的高峰时间段；

尽管这个事实，也许很多人都注意到了，但不是所有人在做周末奖励活动时都考虑了这个因素。对比的大家可以看到在1月到2月份春节期间，行为特点则是完全不同的。

蓝色区域面积，越小，则留下的老用户（即DAU-DNU）比例就越多，相对的留存质量则会好一些。游戏的玩家自循环系统则逐步成立，则推广期间的大部分玩家则在次日之后都留在了游戏中。针对这一点，在下面展开解释。

我们将DNU/DAU的比率拿出来，做出如下图的曲线：

可以看到，基本上这个比率维持在一个很低的比例，大概在10%-15%左右，换句话说，新增用户的占比只有全体日活跃用户占比的10%~15%，即使当我们游戏开始大范围拉新推广时，这个比例仍旧维持在10%~15%，但此种情况仅存在于游戏已经上线，且用户的自然转化情况比较理想的情况下。从数学的角度来看，这个比率计算的分子和分母，分别是DNU和DNU+DOU（即DAU），基本上变化幅度是同步的，当DOU足够多的时候，DNU的新增影响是有限的。但是如果一段时间内DNU的诸多用户不能转化为DOU，则此比值则在不断升高。如下图所示：

可以看到的是，昨日的DNU中的一部分（次日留存部分）变成了，今天的老用户（DAU-DNU），而昨日（DAU-DNU）部分则有一些转化为今天的老用户，同时，今天DAU中，则继续有DNU的加入，而这一部分，也构成了明日（DAU-DNU）的一部分，在明日的DAU-DNU中，同时还有昨日DNU在明日的部分贡献，昨日DAU-DNU在明日的贡献。

由此，我们可以认为：

在游戏足够吸引用户或者流量足够理想的情况下，随着不断新用户被带入到游戏中，游戏中DOU的比例则会越来越高，那么我们的DAU就会不断的成长。

在游戏带入的流量是虚假的或者游戏不足以吸引玩家时，则每天导入的DNU则会不断的被损失掉，就变成了一次性用户，即新增当天登陆过游戏的用户，且此后不再登录游戏。此时，我们会看到在随后的一段时间（尤其是停止推广后），DOU即老用户的比例并没有发生显著的增长，这一点从DAU事看不出来的，但是我们从DOU的比例就可以看出来。此时，不需要等待几天来看效果，推广的第二天如果效果不佳就需要停止。

案例

从下图我们可以看到，在大推开始，DAU的规模开始急剧增长，但是基本上是DNU的贡献，推广几天的DNU/DAU平均水平在83%左右，这一点恰恰说明了，在推广期间每一天的大量DNU并没有在次日有效转化为DOU，这一点，我们从DOU比较平滑的曲线就可以看到，尽管这期间我们发现DAU急剧膨胀，但是实际DOU较推广前的涨幅则是有限，经过计算，较推广前，DOU平均涨幅30%,  而实际此期间，DNU的平均涨幅100倍左右，而推广结束后，DAU较推广前涨幅了30% 左右。对比DNU约100倍流量的涌入，实际DAU和DOU的涨幅，则实在是很微弱。

总结起来看，这个指标对于游戏的粘性理解和投放效果评估，能够起到一定的积极作用，同时，要说明的是，这个指标从长期运营的游戏来说，是评估其生命力的一个重要参照，想必用过的人是很清楚的。最后奉上行业水准：

一线：<10%

二线：<20%

三线：<30%

四线：<45%

行业平均水平：28%

注：游戏上线初期的1~3天不具备参考意义。

留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠厚用户的历程。

新增用户的第一天尤为首要，上文的421规则也显示多数产品的新增次日留存达到40%已经不易，根据以往做产品的经验，又有50%的用户在第一个30分钟就抉择了他是否会持续应用产品，因此，产品经理们好好思考如何做好新用户在第一个小时，第一个10分钟的用户留存吧。