第1章 了解游戏数据分析 1
1.1 游戏数据分析的概念 1
1.2 游戏数据分析的意义 2
1.3 游戏数据分析的流程 4
1.3.1 方法论 5
1.3.2 数据加工 6
1.3.3 统计分析 9
1.3.4 提炼演绎 9
1.3.5 建议方案 12
1.4 游戏数据分析师的定位 13
1.4.1 玩家——游戏用户 14
1.4.2 分析师 17
1.4.3 策划——游戏设计者 22
第2章 认识游戏数据指标 24
2.1 数据运营 24
2.2 数据收集 25
2.2.1 游戏运营数据 25
2.2.2 游戏反馈数据 26
2.2.3 收集方式 26
2.3 方法论 27
2.3.1 AARRR模型 28
2.3.2 PRAPA模型 38
2.4 数据指标 39
2.4.1 用户获取 40
2.4.2 用户活跃 41
2.4.3 用户留存 43
2.4.4 游戏收入 44
2.4.5 自传播 47
第3章 游戏数据报表制作 48
3.1 运营现状 49
3.1.1 反馈指标 49
3.1.2 制作报表 50
3.2 趋势判断 52
3.2.1 关键要素 52
3.2.2 制作报表 53
3.3 衡量表现 56
3.3.1 关键数据 56
3.3.2 制作原则 57
3.4 产品问题 58
3.4.1 两个问题 59
3.4.2 分析案例 60
3.5 一个问题、三个原则和图表的意义 62
3.5.1 一个问题 62
3.5.2 三个原则 62
3.5.3 图表的意义 64
第4章 基于统计学的基础分析方法 65
4.1 度量数据 66
4.1.1 统计描述 66
4.1.2 分布形状类型及概率应用 70
4.1.3 常用统计图 73
4.1.4 概率抽样、样本量估计和实验设计 80
4.2 分类数据分析 95
4.2.1 列联表分析 95
4.2.2 无序资料分析 96
4.2.3 有序分类资料分析 98
4.2.4 分类数据分析案例 100
4.3 定量数据分析 101
4.3.1 假设检验与t检验 101
4.3.2 方差分析与协方差分析 104
4.4 时间序列数据分析 112
4.4.1 时间序列及分解 112
4.4.2 时间序列描述统计 115
4.4.3 时间序列特性的分析 116
4.4.4 指数平滑 121
4.5 相关分析 124
4.5.1 定量资料相关分析 125
4.5.2 分类资料相关分析 126
参考文献 129
第5章 用户分析 130
5.1 两个问题 130
5.2 分析维度 131
5.3 新增用户分析 135
5.3.1 黑色一分钟 135
5.3.2 激活的用户 138
5.3.3 分析案例——注册转化率 140
5.4 活跃用户解读 141
5.4.1 DAU的定义 142
5.4.2 DAU分析思路 143
5.4.3 DAU基本分析 144
5.4.4 分析案例——箱线图分析DAU 146
5.5 综合分析 151
5.5.1 分析案例——DNU/DAU 151
5.5.2 使用时长分析 157
5.6 断代分析 161
5.7 LTV 162
5.7.1 LTV定义 162
5.7.2 LTV算法局限性 163
5.7.3 用户平均生命周期算法 166
5.7.4 LTV使用 167
第6章 留存分析 169
6.1 留存率的概念 170
6.1.1 留存率的计算 170
6.1.2 留存率的三个阶段 173
6.1.3 留存率的三要素 175
6.2 留存率的分析 181
6.2.1 留存率的三个普适原则 181
6.2.2 留存率分析的作用 184
6.2.3 留存率分析操作 190
6.3 留存率优化思路 202
6.4 留存率扩展讨论 203
第7章 收入分析 205
7.1 收入分析的两个角度 206
7.1.1 市场推广角度 206
7.1.2 产品运营角度 207
7.2 宏观收入分析 208
7.3 付费转化率 210
7.3.1 付费转化率的概念 212
7.3.2 APA和DAU对付费转化率的影响 213
7.3.3 真假APA 214
7.3.4 付费转化率的引申 215
7.3.5 付费转化率的影响因素 217
7.4 ARPU 219
7.4.1 ARPDAU 220
7.4.2 DAU与ARPU 221
7.5 ARPPU 222
7.5.1 ARPPU的由来 222
7.5.2 平均惹的祸 223
7.5.3 首次付费与ARPPU 224
7.6 APA 225
7.6.1 APA分析 226
7.6.2 付费用户的划分 226
7.6.3 付费频次与收入规模 231
7.6.4 付费频次与付费间隔 232
7.7 分析案例——新增用户付费分析 235
7.7.1 新增用户留存 235
7.7.2 付费转化率 236
7.7.3 留存用户中付费用户的收入 237
7.7.4 ARPU 239
7.7.5 新增用户的收入计算 241
第8章 渠道分析 244
8.1 渠道的定义 244
8.2 渠道的分类 245
8.3 渠道分析的意义 245
8.3.1 最佳渠道是运营之外使产品的利益最大化的方式 245
8.3.2 品牌的力量不容小觑 246
8.4 建立渠道数据分析体系 247
8.4.1 建立数据监控体系 247
8.4.2 渠道推广分析的闭环 254
8.5 分析案例——游戏渠道分析 256
第9章 内容分析 259
9.1 营销分析与推送 259
9.1.1 理解用户 259
9.1.2 营销方式——推送 261
9.2 流失预测模型 263
9.2.1 数据准备 263
9.2.2 数据建模 264
9.3 购买支付分析 272
9.3.1 场景分析 272
9.3.2 输入法的局限 273
9.3.3 批量购买的设计 275
9.3.4 转化率 276
9.4 版本运营分析 278
9.4.1 把握用户的期待 278
9.4.2 地图 281
9.4.3 武器 284
9.4.4 新道具 286
9.4.5 其他更新 288
9.5 长尾理论实践 289
9.5.1 概念 289
9.5.2 顾尾不顾头 290
9.5.3 长尾与二八法则 291
9.5.4 尾部的挖掘 291
9.5.5 案例——FPS游戏的长尾策略 292
9.6 活动运营分析 294
9.6.1 理解活动运营 294
9.6.2 活动数据分析 295
第10章 R语言游戏分析入门 297
10.1 R语言概述 297
10.2 新手上路 299
10.3 R语言数据结构 301
10.3.1 向量 301
10.3.2 矩阵 301
10.3.3 数组 302
10.3.4 数据框 303
10.3.5 列表 305
10.4 R语言数据处理 306
10.4.1 类型转换 306
10.4.2 缺失值处理 307
10.4.3 排序 308
10.4.4 去重 309
10.4.5 数据匹配 309
10.4.6 分组统计 310
10.4.7 数据变换 313
10.4.8 创建重复序列rep 315
10.4.9 创建等差序列seq 315
10.4.10 随机抽样sample 316
10.4.11 控制流 316
10.4.12 创建函数 318
10.4.13 字符串处理 319
10.5 基础分析之“数据探索” 320
10.5.1 数据概况理解 320
10.5.2 单指标分析 322
10.5.3 双变量分析 326
第11章 R语言数据可视化与数据库交互 332
11.1 R语言数据可视化 332
11.2 常用参数设置 334
11.2.1 颜色 334
11.2.2 点和线设置 341
11.2.3 文本设置 342
11.3 低级绘图函数 345
11.3.1 标题 345
11.3.2 坐标轴 345
11.3.3 网格线 346
11.3.4 图例 348
11.3.5 点线和文字 350
11.3.6 par函数 353
11.4 高级绘图函数 357
11.5 R语言与数据库交互 368
第12章 R语言游戏数据分析实践 372
12.1 玩家喜好对应分析 372
12.1.1 对应分析的基本思想 372
12.1.2 玩家购买物品对应分析 373
12.1.3 讨论与总结 378
12.2 玩家物品购买关联分析 379
12.2.1 算法介绍 379
12.2.2 物品购买关联分析 380
12.2.3 讨论与总结 385
12.3 基于密度聚类判断高密度游戏行为 386
12.3.1 案例背景 386
12.3.2 DBSCAN算法基本原理 387
12.3.3 数据探索 388
12.3.4 数据处理 389
12.3.5 模型过程 390
12.3.6 多核并行提高效率 393
12.3.7 讨论与总结 394
12.4 网络关系图分析应用 395
12.4.1 网络图的基本概念 395
12.4.2 创建网络关系图 396
12.4.3 画网络关系图 400
12.4.4 网络关系分析与应用 403
12.4.5 讨论与总结 409