来自：http://www.gpxz.com/zixun/jinri/469043.html
对移动游戏数据这块, 我一般喜欢用经典的“水池图”来做说明;
作为CP，无论我们从什么角度做数据分析，最终还是希望能够帮助我们更好的实现最终目的：赚到更多的￥
从一个庸俗易懂的公式出发：
Revenue = AU * PUR *ARPPU
统计周期内的收入流水 = 统计周期内的活跃用户规模 * 活跃用户付费比例 * 平均每付费用户付费金额;
因此，我们要做的事情是：“最大化活跃用户规模，并在此规模之上最大化用户付费转化及付费强度”.
【最大化活跃用户规模】：如果我们把当前的活跃用户看做一个水池，要想提升水池内的含水量，我们可以有几种做法：
1.开源：让更多的水注入，导入更多用户;通过市场推广：
1.1拓展新渠道;
1.2增加推广费用，提高渠道导入、媒体广告导入量;
1.3自有资源与其它APP换量;
1.4口碑管理、增加市场认知度和认同度，，提高自然导入量;
2.节流, 减少水池的出水量，降低用户流失;
2.1.通过运营活动、版本更新 提高用户的游戏参与度(玩的更久)
2.2.通过老玩家召回的活动，唤醒沉默用户;可以联想成，水池中的部分水分被蒸发，并没有真正的离开流走，可以再通过降雨的方式重新回到水池中;
【最大化用户付费转化及付费强度】：在维持水池水量的同时，我们可以通过各种养殖和捕捞的方式(游戏内的消费埋点、促销、充值活动等)打到更多的鱼;
当然，价值挖掘 和 用户规模的维护 并不是完全割裂开的，过度的追求高ARPPU也有可能导致用户的流失增加;这是一个相辅相成的过程;
综上所述，移动游戏数据分析指标可以分解为3个模块：
1、市场推广相关指标(包括：激活、上线、各节点转化率、成本指标、渠道质量等)，它的任务是帮助我们进行“渠道优化”和“产品优化”，最小化用户获取成本，实现更多的新增导入;
2、用户活跃 & 留存相关指标(包括：DAUMAU、AT(日均使用时长)、日、周、月留存、回归率等)，它的任务是帮助我们在宏观数据表现层面，快速判断产品存在的问题，并对运营活动及产品改进给予“方向性”指导;
3、用户付费相关指标(包括：LTV、PUR(活跃用户付费比)、ARPPU(每付费用户付费强度)、充值结构、充值时段等)，它的任务也是帮助我们在宏观数据表现层面明确产品盈利能力，并对运营活动及产品改进给予“方向性”指导。