为了让更多人方便快捷地了解《小白学运营》这一版块的内容，手游那点事精心筹划并出版了《小白学运营》一书！
购买请戳链接：http://item.jd.com/11753280.html
文/VV5；本文由手游那点事VV5原创，转载请注明出处！
DAU：（Daily Active User）日活跃用户数量；目前行业内对这个“活跃”的定义各有不同；大部分厂商会将其定义为登陆即活跃；也有些厂商会定义为用户登录多久（5分钟？十分钟？）
不管DAU如何定义，我们需要知道的是：DAU本身是一个业务场景；从宏观上说，只需要我们粗暴的记录一个好的DAU去向同行炫耀，去向渠道吹水；但是从微观上说，又需要我们将DAU进行拆解细分。
小明：我家有一款游戏，30万DAU；是不是很牛？
小华：这么赞！你们这些用户怎么来的？
小明：方式很多啊，像积分墙、CPA…..
小华：你们的DOSU多少？（PS： DOSU为新登用户中只有一次会话的用户）
小明：20W
小华：……….
从宏观说上，30万DAU的确是一个很可观的数字；从微观上说，就需要我们知道DAU的组成：
日活跃用户=新登的用户+老活跃用户+回流的用户
之所以将其拆分，我们可以分别解析这三块元素：
新登用户在这个公式里面的地位是举足轻重的；一般的新登用户占比为40%；我们来看一组数据（手游那点事1群：165095584；关注手游那点事，关注小白学运营）：
上图为《洪荒ol》4月29日-5月13日封测数据
感谢上海玄云网络科技有限公司提供的《洪荒ol》封测数据，从上面数据我们可以看出：
（DNU/DAU）*100%=27.4%
因为数据样本采集有限，数据暂以平均数计算，从上面我们可以看出游戏的用户活跃度指数为27.4%。
然后我们再来看该游戏的留存情况：
上图为《洪荒ol》4月29日-5月13日封测数据
留存和平均在线时长都较为可观，为什么新增用户占比少，结合封测实际情况我们来看：
该游戏封测采用限号测试，然后我们综合看以下几种因素：
上图为《洪荒ol》4月29日-5月13日百度指数
从上图的数据来看，可以知道该游戏用户热点一般，是什么导致这种情况，我们再看一组数据：
上图为《洪荒ol》4月1日-5月31日新闻监测
在这里，该游戏并没有做出相对应的媒体投放，在6月份则做出简单的媒体投放：
上图为《洪荒ol》6月新闻监测
然后我们再综合百度问答来看：
上图为《洪荒ol》百度问答
从上面的几组数据参考来看；我们可以知道该游戏在封测时期并没有做出太多的媒体投放，将游戏曝光局限在小范围之内；采用小规模限号测试；那么我们再回到开始的话题：
日活跃用户=新登的用户+老活跃用户+回流的用户
由于没有CCU（曲线趋势图）列表，分析比较局限；我们再看老活跃用户；由于是封测阶段，7天的数据采集没有回流数据，我们统一来看（手游那点事1群：165095584；关注手游那点事，关注小白学运营）：
老用户=DAU-DNU=1019-280=739；若以统计图表来看，我们可以看出739与280的数据差距是比较大的；回到数学的角度来看：DNU/DAU；分子和分母分别对应的DNU和DAU；当DAU-DNU的数值差距较大的时候，我们可以看到的是DNU的新增影响是有限的；这时候则需要我们从DNU的转化入手；衡量DNU转化为老用户的占比为多少。
接下来我们再结合日活跃用户的构成来看：
若新登用户转化为老活跃用户之后，那么老活跃用户是不断增长的
若新登用户以稳定的趋势转化，而老活跃用户增长幅度较大；那么回流用户是回归率是提升的。
在这里，一般可以建一个数据趋势图，即DAU与DNU同比趋势图，综合二者区间间隔我们可以看到老活跃用户流失波动；即若DAU与DNU数值越接近，意味着老用户流失越严重：
例如：
某日DAU为1000；DNU为500；则老用户为500
次日DAU为1300；DNU为1000；则老用户为300
反之我们可以看到：若DAU与DNU数值差距越大，意味着老用户流失越小
例如：
某日DAU为1000；DNU为500；则老用户为500
次日DAU为1000；DNU为100；则老用户为900
结合上述说明；也就是DAU、DNU的解析，我们再看下面一组数据：
上图为《洪荒ol》4月29日-5月13日等级分布数据
从上图我们又可以看出，1-2级的用户在游戏中分布非常多；这部分用户同样可以称之为DAU；若我们再细化一些，又可以从DNU里面解析，该1-2级用户中，只有一次用户会话所占比；在这里我们可以衡量整体DNU的质量和后续转化；需要我们建立用户模型，从新手引导，用户类型，用户喜好特征、登陆问题综合调研。
而用户模型我们同样可以具体划分，例如：
上图为《洪荒ol》封测期间城市搜索指数分布
上图为《洪荒ol》封测期间人群搜索特征分布
上图为《洪荒ol》封测期间人群搜索特征分布
从这些用户特征，我们可以解析流失用户的基本属性以及后续回流活动的相关推广；写到这里，我们已经通过DAU做出了较为基本的微观分析；即DNU与老用户的转化关系；宏观上看，DAU暴增长；但是微观上看，仅仅是DNU暴增长，而老用户趋于平稳；对于公司内部来说，这并不是好消息；用户转化不行，再高的DAU也只是一个对外展示的空壳。
某篇文章曾经提到过关于投放推广的数据研究，结合本文同样可以提一下：
DNU/DAU的行业标准：
一线：<10%
二线：<20%
三线：<30%
四线：<45%
行业平均水平：28%
为什么比值越小代表粘性和投放效果越好？
其实这和DNU的转化有关；例如：
若：DNU=100；DAU=1000；则有DNU/DAU=10%；则有老用户=DAU-DNU=900
若：DNU=200；DAU=1000；则有DNU/DAU=20%；则有老用户=DAU-DNU=800
若：DNU=300；DAU=1000；则有DNU/DAU=30%；则有老用户=DAU-DNU=700
若：DNU=450；DAU=1000；则有DNU/DAU=45%；则有老用户=DAU-DNU=550
从这里我们可以看出，游戏老用户是DNU的转化后产物；游戏老用户的粘性越强，则证明用户质量越高；从宏观上看DAU涵盖DNU与老用户；即若单独说某游戏的DAU为多少，参考价值是比较局限的（手游那点事1群：165095584；关注手游那点事，关注小白学运营）。
最后我们再看DAU的分析特征：
从数据本身的关系，我们通过解析DAU看出老用户留存所表现的产品粘性
从DNU的转化分析，衡量DOSU，即用户来源渠道质量
通过调取一次会话用户模型，做出用户流失分析
根据DAU的减法分析得出游戏的核心用户规模
根据游戏产品周期分析整体用户变化
根据DNU的除法分析得出游戏的用户粘性以及质量
因数据有限，暂且不做深入分析；通过本期我们需要知道的是DAU的构成，以及DAU的增长与减少从哪些方面做具体分析；【小白学运营第22期】产品分析案例感谢玄云网络提供，如果您有好产品希望曝光，如果您有数据希望彼此交流，欢迎联系VV5！！！
【小白学运营】一起说不同，如果您有不同见解，如果您有其他想法；可以直接在本文下方评论，VV5将根据您的想法，积极与您联系；您还可以加群：165095584；和群里的各位同学一对一交流，共同进步！！！
本文由手游那点事VV5原创，转载请注明出处！
不管您是不是初学者，《小白学运营》绝对是您必备的案头读物！
购买请点击：
