一個合格的好運營是數據驅動運營，而非運營驅動數據。數據分析作為運營最基礎的一項技能，如何發(fā)揮出數據的價值？這些運營的數據和公式你都知道嗎？
基礎數據
每日注冊并登陸的用戶數（DNU: Daily New Users）
每日登陸用戶數（DAU: Daily Active Users）
新登且只有一次會話的用戶（DOSU: Daily One Session Users）
7天內登陸用戶數（WAU: Weekly Active Users）
30天內登陸用戶數（MAU: Monthly Active Users）
月流失率= 30天前登陸，30天內未登陸用戶數 / MAU
周流失率= 7天前登陸，之后7天內未登陸用戶數 / WAU
日流失率= 統(tǒng)計日登陸，次日未登陸用戶數 / 統(tǒng)計日DAU
留存率= 新增用戶中登錄用戶數 / 新增用戶數（一般統(tǒng)計周期為天）
次日留存率= 當天新增的用戶中，在注冊第2天還有登錄的用戶數 / 第1天新增總用戶數
第3日留存率 = 第1天新增用戶中，在注冊第3天還有登錄的用戶數 / 第1天新增總用戶數
第7日留存率 = 第1天新增用戶中，在注冊第7天還有登錄的用戶數 / 第1天新增總用戶數
第30日留存率 = 第1天新增用戶中，在注冊第30天還有登錄的用戶數 / 第1天新增總用戶數
充值金額：一定周期內充值總金額
消費金額：玩家在游戲商城中的消費總金額
進階數據
平均同時在線人數（ACU: Average concurrent users）：一定時間段抓取一次數據，以一定周期為期限；周期內的ACU可取時間段的平均數據
最高同時在線人數（PCU:Peak concurrent users）：一定時間內抓取最高在線數據。
每付費用戶平均收益（ARPPU: Average Revenue Per Paying User）：與下載游戲的消費比率相似，此類數據主要衡量付費用戶收益
ARPPU = 月總收入 / 月付費用戶數每活躍用戶平均收益（ARPU: Average Revenue Per User）：主要衡量游戲整體貢獻收益；因為除了付費收益，活躍用戶也能產生收益，一般國內以此數據為核心，各家算法不同
ARPU = 月總收入 / 月活躍用戶平均生命周期（Average Life Cycle）：新增賬戶首次進入游戲至最后一次參與游戲的天數
平均生命周期= 每新增用戶的生命周期之和 / MAU
生命周期價值（LTV: Life Time Value）
生命周期價值= 充值金額總和 / 條件賬戶數（符合約定周期條件的賬戶）
成本數據
投入/運營成本：本月為推廣游戲而投入的營銷及市場費用金額
產出/元寶消費金額：玩家周期內（日/周/月）在游戲中的消費總金額
投入產出比（ROI）= 本月的產出 / 本月的投入
單個活躍用戶推廣成本= 本月投入 / 本月新增活躍用戶數
單個付費用戶推廣成本= 本月投入 / 本月新增付費用戶數
用戶狀態(tài)
新增活躍用戶數：首次上線的用戶數
流失活躍用戶數：上期（7-14天）登陸，本期（最近14天）未登陸的用戶數
回流活躍用戶數：上期（7-14天）未登陸，本期（最近7天）登陸的用戶數
活躍用戶流失率= 本月流失用戶 / 上月活躍用戶
活躍用戶充值率= 本月活躍付費用戶 / 本月活躍用戶
活躍用戶在線時長（單位/小時）= 當期（7天）所有活躍用戶在線時長總和 / 當期（7天）活躍用戶數
付費用戶在線時長（單位/小時）= 當期（7天）所有付費用戶在線時長總和 / 當期（7天）付費用戶數
新增活躍用戶充值率= 本月內有充值的新增登錄用戶 / 本月總新增登錄用戶
新增活躍用戶高活躍率= 本月新增登陸用戶中的高活躍用戶數 / 本月新增登陸用戶數
……
知道這些數據，你會如何統(tǒng)計？
當然Excel是運營同學每天需要整理數據必不可少的工具，但如今大數據、群體畫像、用戶標簽、精準分析等相關詞匯高頻出現在運營從業(yè)者的職場，想要在數據分析的領域脫穎而出，只有一個Excel顯然有些單薄。
這些數據都從哪里來？是程序猿小哥哥提供了數據提取功能嗎。程序猿小哥哥提供的數據是如何展現的呢？
這樣？
or這樣？
運營總是向其他部門提各種各樣的需求，為了用戶、為了產品……事實上，現在你還可以為了自己更得心應手的工作，替自己提需求。讓Mober來教你，如何說服你們的程序猿小哥哥自覺使用MobSDK的AnalySDK，有了AnalySDK你可以甩其他數據運營幾條街。
AnalySDK的發(fā)開者們，都是大數據團隊的大神，他們做出的SDK產品，穩(wěn)定、可靠且布局周全，為使用者提供如下八大數據統(tǒng)計功能，全面覆蓋所需數據。讓移動開發(fā)者無需自己建立后臺，編輯代碼就可以擁有數據功能。
不再需要保存一個又一個公式自己做進Excel里，只需把相應的數據在后臺進行操作，就可以輕松獲取結果，從小白進階成為數據大牛指日可待。
舉個例子：
如果用自己建立的表格統(tǒng)計近期的用戶留存率，則需要將相關的數據都手動添加至Excel，再根據留存率的公式：
留存率= 新增用戶中登錄用戶數 / 新增用戶數
和統(tǒng)計不同天數的留存率公式：
次日留存率= 當天新增的用戶中，在注冊第2天還有登錄的用戶數 / 第1天新增總用戶數
第3日留存率 = 第1天新增用戶中，在注冊第3天還有登錄的用戶數 / 第1天新增總用戶數
以此類推的公式……來對表格進行數據處理、設計、整理之后再輸出結果
在AnalySDK提供的后臺中，我們已經將這些公式編寫到程序之中，可以直接選擇想要統(tǒng)計的數據，如“用戶留存率”，選擇要查看的時間段，和用戶分組，即可查看到該日期內，用戶分組下的對應數據：
如果從程序猿手上接過的后臺數據都如同已經整理好的PPT，美觀、直觀、應有盡有，還可以根據不同的需求來操做各種分組的數據精細化分析，不再只是單薄的數據文本，還還可以不用再自己手動編輯表格，自動生成數據統(tǒng)計結果，呈現各種適合的圖標……驚不驚喜？
AnalySDK還有很多細分的數據統(tǒng)計輔助功能，歡迎大牛們盡情享用，并在使用中為我們提出寶貴的意見。 之后Mober還會繼續(xù)更新關于我們產品的介紹，期待您的持續(xù)關注。
