要想在手机游戏行业里存活，拥有大量的下载量并不够，虽然说这是一个好的开始，但作为一名游戏开发者，或一家游戏公司的投资人，你必须理解下载量之外的更多数据。下面我们就一起来看一下手机游戏研发数据分析，看看游戏公司用于衡量一款产品成功的关键在哪。
手机游戏
手游研发数据
玩家获取的相关指标
目前，一名新玩家的获取成本介于0.5-2.5美元之间。玩家获取成本的高低，与你选用了哪些获取玩家的渠道，以及游戏类型关系紧密。但从当前市场趋势来看，我们不难注意到，玩家获取成本正在上涨。为什么?这是因为大型发行商采用海量广告网络推广自己的游戏，玩家获取的总体成本随之水涨船高。成本上涨对预算充足的老牌游戏公司影响不大，可是对独立游戏开发者来说，它无疑带来了大麻烦。
购买vs.原生
你是如何获取玩家的?原生玩家之所以下载你的游戏，是因为他们在应用商店看到它，因为他们受朋友建议来瞧一瞧，甚至可能是因为他们无意中看到自己的老板在悄悄玩你的游戏。
另一些玩家进入你的游戏，却完全不经由上述任何一种途径。简单来说，你“购买”了他们——你通过付费手段，直接或间接地吸引他们点击游戏下载按钮。
此乃分类游戏玩家群体的较简单方式，往往也是衡量任何一款游戏的较重要指标。
不同国家的安装量
并非所有游戏都是《糖果粉碎传奇》或《像素鸟》，**程度跨越国界，吸引所有地球人的青睐(或鄙视)。某些游戏针对特定地区的受众，如面向日本、中国或韩国玩家的游戏。你的游戏在目标市场的表现是否达到预期?抑或，是否有另外一些地区的玩家对你的游戏特别感兴趣?通过统计一款游戏在每个国家的下载量，你将有可能发现很多关联问题。
不同版本的安装量
你是否曾推出某款游戏的“圣帕特里克节”版本，却惹毛了某些玩家，令他们秒删游戏?你的游戏的较新版本是否让玩家大失所望?又或者，某款游戏的更新版本令其下载量疯涨?无论好坏，每一个版本的安装量都将向你传递重要信息，因此是你需要持续跟踪的重要指标。
K因素(K-factor)
K因素用于衡量病毒式增长的效果。
如果K因素等于1，那意味着你能通过每一名现有玩家获取一名新玩家，你的游戏既未增长也没有衰减。如果K因素小于1，那么你必须加大营销力度，否则游戏玩家将有可能流失殆尽;而若K因素大于1，则意味着你的游戏增长*。绝大多数游戏的K因素都小于1，换言之，绝大多数游戏都不可能*增长。
从病毒传播的角度来说，K因素衡量单个被感染玩家所引发的“感染病例”。举个例子，如果某款游戏的K因素为0.5，就意味着每一个“被感染的玩家”将感染0.5个其他玩家——促使后者下载你的游戏。不过，这种衡量方法并不完全准确，因为很多因素可能引发病毒式传播，其过程充满未知和不可预见性。
平均每用户获取成本(CPA)和有效用户获取成本(eCPA)
CPA即平均每用户获取成本。CPA很*理解，假设你在Chartboost渠道花了5000美金，获得2500个新玩家，那么你的CPA就是5000/2500=2美元。
有很多因素可能影响移动游戏的总体用户获取成本，例如地域、平台、游戏类型、下载包大小等各种参数。一款游戏是免费抑或付费下载，以及用户的质量高低，都将影响用户获取成本。你也许不得不为游戏的每一次下载付出0.5-2.5美元，以获取优质用户，和/或大量用户。通常来说，这就是你获取用户的一个基本计划，而预期用户量大，出价就越高。
InMobi或AdMob等广告网络的服务费用可能更高，常介于单次安装5-10美元之间。通常只有大游戏公司才使用这些网络，它们对独立游戏开发者来说并不划算。很多开发者选择Chartboost，因为后者能够让游戏触及高质量玩家，且成本可以接受。
eCPA则是指有效用户获取成本，即获取每一名玩家，再加上该玩家所吸引而来的下载量的总成本。某种程度上，eCPA亦可被用于衡量你的网络所具备的病毒式传播潜力。eCPA总是小于CPA，因为它有附加效果，但其较大的缺点是，eCPA非常难以统计。举个例子，你如何判断一次连锁效应是否源起于你的某次购买行为呢?
但为了简便起见，开发者倾向于统计在特定时间段内的投资总额，及游戏的总下载量。假设在1个月内，开发者投入2000美元为某游戏购买了1000次下载，而该游戏当月总下载量为5000次，那么其CPA为2000/1000 = 2美元，而eCPA则是2000/5000 = 0.4美元。
使用及留存相关指标
留存率被用于统计在一段时间内，活跃玩家的留存比率。
举个例子，得益于某次营销行为，你的某款游戏成功获取了4000名玩家。至*5日，如果该游戏活跃玩家人数当天达到2000，那么其留存率即50%;如果次日(*6日)现有玩家减少了10%，降至1800人，那么第6天游戏留
存率就是45%，以此类推。
一般来说，开发者会统计游戏上线首日、第7天和*30天的留存率——在这3次统计项中，40%、20%和10%的留存率数据就很不错。不过，游戏留存率也受到游戏类型的影响，策略游戏的30日留存率通常**休闲游戏。
天数x留存率
这项指标指玩家在安装游戏后，重返游戏的频率，通常以百分比显示，被用于追踪你的游戏某些性能或特定版本的表现。高留存率意味着人们真心喜欢它，而你盈利的机会也就随之增加。
统计过去4/7/15天打开游戏的玩家人数，并统计几周及几月后的玩家人数。你有必要理解真正“活跃”的玩家有多少，一旦掌握这些数字，你就可以开始测量用户流失率——将他们与过去某个时间点活跃的玩家数量进行比对。在与历史数据进行比对时，请务必选择合适的时间点。
DAU、MAU、DAU/MAU
统计活跃用户的指标包括每日活跃用户(DAU)和每月活跃用户(MAU)。两项数据指在某天，或某个月内，一款游戏的玩家人数。这些数据将有助于你管理服务器负载量，以及处理类似事宜。开发者普遍认为用DAU统计活跃玩家人数更准确，而MAU则常被用于远期规划。
DAU/MAU的值则被用于衡量玩家黏度，换句话说，这项数值可以反映你的游戏留存玩家的能力。某种程度上，它亦展示了一款游戏吸引玩家参与的潜力，但它无法体现收入或内购道具销售数据。
会话时长
玩家在你的游戏里待多久?瞧瞧会话时长，你就知道了。玩家在你的游戏里呆的时间越长，那意味着其投入程度越高。这也许是因为玩家确实对你的游戏**感兴趣(游戏确实很棒，让人爱不释手)，或者难度适当，适合玩家打发时间。你有必要调整广告时间安排及时间，以便与玩家的会话时长相适应。
流失率
流失率指在一个月内，某款游戏内，停止玩游戏的玩家占玩家总人数的百分比。玩家有时会对一款游戏感到厌烦，转而投入其他游戏或应用。前述百分比即被称作流失率。
流失率= 1 – 留存率
游戏内进程
在玩家发生付费行为前，会体验游戏多长时间?付费行为是在哪个阶段发生的?游戏内是否存在吸引大量玩家付费的特定节点?基于对用户行为的定性研究，你讲有可能总结出*到见解。
货币化相关指标
平均每日活跃用户收入(ARPDAU)、平均每付费用户收入(ARPPU)
ARPDAU和ARPPU是游戏开发者需要统计的两个关键的货币化指标，常以月为统计周期。ARPDAU指在某一天内，用游戏当日总收入除以当天登陆游戏的用户总人数所得出的平均值。另一项指标，ARPU则是指平均每(活跃)用户收入。休闲游戏的ARPU值一般介于0.10-0.20美元之间，受市场规模、增长率、微交易转化率等因素的驱动。
用户终生价值(LTV)指代平均每个玩家在游戏内的累计消费额，该指标的统计对象含付费和非付费玩家。
LTV = ARPU x (平均每名玩家玩你的游戏的月数)。以一款休闲游戏为例，假设该游戏ARPU值为0.15美元，平均每名玩家玩儿游戏6个月，那么其 LTV= 0.15 x 6 =0.9美元。
转化率
转化率指的是，某一天内，在游戏中**付费的玩家占当日玩家总数的比例，它通常以百分比展示，被用于评估游戏新版本的效果。优化玩家转化率的手段包括调整UI，让游戏内付费体验更易于玩家接受等。
据移动游戏发行商Natural Motion**执行官托斯滕•雷尔透露，该公司旗下iOS游戏《CSR赛车》(CSR Racing)转化率较高，得益于此，2012年其单日营收就**过了1200万美元，差不多每天IAP入账40万美元。雷尔称，《CSR赛车》所有下载都是原生的，Natural Motion没有花钱购买玩家。
但整体来看，休闲游戏的转化率约为2-5%。
付费用户人数，微交易次数
由于每家移动游戏开发商都试图创新，移动游戏的研发成本持续看涨。你必须追踪统计付费用户的人数，因为相当多的付费用户是你的忠实粉丝——其重要性甚至**过追踪他们的行为和数据。一旦付费用户人数下降，你必须尽快找出原因。
同样的道理，你也有必要时刻统计(游戏内)微交易的次数。基于这样的统计，你将看到哪些升级道具更**，更受玩家欢迎。再往细了说，你还可以发现一个用户是否只参与某类微交易，并基于此对游戏做出调整(如有必要)。
最后，我希望上述指标列表能够帮助游戏开发者更好地研究游戏表现。请谨记，特定指标也许只适用于特定游戏，你需要选择正确的统计指标。
