手机游戏的游戏玩法与IAP的标准参数（一）
在过去几周时间里我发布了一些关于优化游戏玩法和用户转换的分析案例。我将使用一款现实游戏作为例子，即App Store中的《Ancient Blocks》。
本文中的报告使用了Calq，你也可以使用其它服务或自己创造这些参数。比起“如何测量”，这系列文章将更注重“测量什么”。
ancient blocks(from gamedev)
常见的KPI
通常情况下，不管是什么类型，所有手机游戏的高级关键绩效指标都是相似的。大多数开发者所拥有的KPI包括：
第一天，第七天以及第三十天的用户留存—-用户多长时间回到游戏中一次。
DAU，WAU和MAU—-每日，每周以及每月的活跃用户，这是衡量活跃玩家基础的数值。
用户LTV—-这是关于玩家的终身价值(通常情况下是基于各种年龄层，性别，地理位置，广告活动等等进行衡量)。
DARPU—-每用户每日平均收入，也就是每天每个活跃用户所创造的收益。
ARPPU—-每付费用户平均收益，这是与LTV相关的测量，但它只计算真正付费的用户子集。
除此之外还存在一些特定的KPI。这些参数将帮助你明确游戏的独立组成部分并对其进行更好的完善。你的最终目标便是通过完善更多游戏领域而提高高级KPI。
用户留存
用户留存是衡量用户在一定时期后回到游戏中的频率。第一天的用户留存是关于多少玩家在第一次游戏后的隔天回到游戏中，第七天用户留存是指七天后回到游戏中的玩家。用户留存是关于游戏是否具有粘性的关键指标。
通常情况下衡量用户留存比衡量收益还重要。如果你拥有很棒的用户留存但是用户终身价值却不怎样，那么你便可以在之后做出进一步的改善。而如果是相反情况的话你可能就会措手不及。如果基于较低的用户留存率，你便更难从一款应用中获得盈利。
用户留存表格是观察一段时期后游戏留存率的有效方法：
retention grid(from gamedev)
当游戏是基于用户留存进行迭代(游戏邦注：添加/删除一些功能或调整现有的功能)，我们便能够看出一些改变是否具有正面的影响。
活跃的用户基础
你可能已经听过“每日/每周/每月”活跃用户。这是关于你的活跃用户基础的产业标准尺度。例如WAU是衡量过去7天里玩游戏的特定玩家数量。使用DAU/WAU/MAU是明确你的用户是增长，收缩还是平稳的简单方法。
active user base(from gamedev)
活跃用户衡量需要与用户留存数据一起进行分析。如果你拥有许多新用户但同时也失去了一些现有的用户，那么你的用户基础可能会趋于平稳。
游戏特定的KPI
除了常见的KPI，每一款游戏还具有特定的额外参数。这可能包含你的玩家在游戏中的进程的相关数据(如级别)，游戏机制，平衡参数，病毒性传播以及分享循环等等。
这将衡量大多数用户进程(用户参与你的应用的互动路径，如开始一次新游戏的菜单)，如此开发者便能够对其进行迭代与优化。
《Ancient Blocks》的特定参数包含：
玩家进程：
完成了哪些关卡。
玩家是否重新玩了一个更高的难度。
关卡难度：
玩家完成一个关卡前做出了多少次尝试。
玩家在一个关卡中花费了多少时间。
玩家在完成一个关卡前使用了多少道具。
游戏内部货币：
玩家在游戏货币中花了多少钱?
玩家用游戏货币换取了什么?
玩家在购买前通常或做些什么?
游戏内部教程
当玩家第一次开始玩一款游戏时，他们通常会看到一个教授他们如何玩游戏的互动教程。这是游戏留给玩家的第一印象，所以开发者需要好好完善教程。如果你的教程很糟糕，那么你的第一天用户留存也会很糟糕。
《Ancient Blocks》拥有基于10个步骤的教程去教授用户如何游戏(垂直拖动组块直至它们能够连成一条线)。
目标
关于教程的数据需要呈现出哪些领域需要进行完善的信息。通常情况下这些都是用户容易受困或花太长时间的领域。
识别教程中的阻塞点(即用户受困的地方)。
迭代这些教程步骤将能够提高游戏的用户转换率。
参数
为了完善教程，你就需要明确一组针对于教程的参数。对于《Ancient Blocks》，我们需要获得的关键参数是：
通过每个教程步骤的玩家比例。
在完成教程后继续游戏的玩家比例。
执行
使用基于行动的分析平台(就像我们使用了Calq)追踪教程步骤非常直接。《Ancient Blocks》便使用了名为教程步骤的行动。这一行动包含名为步骤的定制属性去指示用户处于哪个教程步骤(0代表第一步)。我们同时也想要追踪用户花费在每个步骤的时间长度(按秒计算)。为了做到这点我们包含了一个名为持续时间的属性。
行动
属性
教程步骤
步骤—-当前教程步骤(0代表开始，以此类推)。
持续时间—-用户完成步骤所用时间(按秒计算)。
分析
分析教程数据非常简单。我们可以通过创造一个简单的转换漏斗(每个漏斗步骤就等于每个教程阶段)去识别大多数参数。
完整的漏斗查询能够一步步地呈现完整的教程交换率。在这里我们很容易看到哪个教程“损失”了最多用户。
funnel(from gamedev)
从结果中我们可以看到：第四个步骤拥有大约97%的转换率而其它步骤拥有99%的转换率。这表明我们需要完善这一步骤。尽管只有1%的差别，这却代表着我们在这一步骤中每个月可能损失1000美元的收益。而如果是一款大受欢迎的游戏，其损失可能会更大!
