【运营攻略】数据分析中DAU数据模型

本章内容可能对于老运营来说是比较常规的内容，但也有些人可能不太了解其具体逻辑。进入正题，作为运营，通常会非常重视新用户的研究，因此游戏设计中引入了“留存（retention）”这一概念。关于这个概念，网上和笔者文章中都有非常丰富的信息。但今天的重点在于另一个方向，关注相同的目标群体，即新用户群体。

新用户的留存率，即他们再次进入游戏的概率，是一个概率问题。值得注意的是，不同时间段的留存率（例如次日、二日、三日等）存在交叉，也就是说，次日登录的用户可能在第二天也会再次登录。这种现象是肯定存在的。总的来说，我们的讨论是围绕留存这一方向展开的，但今天我们将重点放在基于DAU的角度进行探讨。

当前，手游的推广主要依赖于渠道和买量，这是用户获取的关键来源。通常情况下，我们重视下载量和激活量，一般来说，如果能够在主要渠道或显眼位置进行推广，便能吸引到最多、最优质的用户。但运营、推广和研发之间常常存在脱节，导致大量资金用于购买广告、流量或推广位置，却无法准确评估这些投入的效果。

最近我看到的一份数据报告：尽管许多开发者投入了大量资金和精力来购买流量和推广位置，但用户增长和质量却未见显著改善（可以与自己游戏的表现进行对比分析）。今天，我们将对流失率进行探讨，以便为上述问题提供数据管理和分析的基础。

留存率遗留的问题

留存率是指新用户在注册后的每一天的状态表现，即他们再次进入游戏的概率。由于游戏与用户之间的曝光度问题，用户在一段时间内频繁接触游戏，回归的可能性会增加，这种概率即为留存率。留存率是以每天为独立时间点进行分析，主要关注每天用户的回归情况。

从用户角度来看，前一天登录游戏的用户，今天再次登录的可能性通常较大，这是由于曝光度的影响。尽管留存率的计算方法通常不涉及相邻时间段用户之间的相关性和交叉关系（例如，前一天留存的用户中有很多会在今天再次登录），但这种现象在实际情况中确实存在。