轉自： http://www.kaixin001.com/repaste/80488684_6910412734.html
我們知道在所有的游戲運營數據中，最終要的兩個數據莫過於DAU、ARPU了。
|-DAU代表每天有多少活躍用戶。
|-ARPU代表平均每個活躍用戶會花多少錢。
這兩個數據指標共同構成了產品每天的收入。
今天重點講一下關於DAU這個關鍵數據的預測，以及相關數據指標的制定：
在展開細節之前，我先說幾個與DAU息息相關的數據指標。
1、新增用戶：指每天新注冊到游戲中的那一部分用戶。
2、次日留存：指每天新注冊用戶中，有百分之多少的玩家在注冊的第二天還會繼續登陸游戲。
3、老用戶流失率：指除次日留存流失掉的那一部分用戶之外，還會額外產生的數據波動。
關於“老用戶流失率”這個數據指標可能不太好理解，我這里舉例說明。
假設1號DAU為10萬，其中包括1萬的新用戶，再假設次日留存為30%，那么這1萬用戶第二天還會剩下3000。
如果2號的新增也為1萬，那么理論上2號的DAU應該為10.3萬。
但是因為有一些老用戶的數據發生了變化。
情況1：如果在原有的9萬(10萬DAU-1萬新增)用戶基礎上，又流失了1萬。
那么2號的實際數據應該是10.3萬-1萬，即9.3萬。
情況2：如果在原有的9萬用戶基礎上，從歷史流失用戶中召回了1萬。
那么2號的實際數據應該是10.3萬+1萬，即11.3萬。
情況3：如果在原有的9萬用戶基礎上，流失了5000，但是從歷史流失用戶中召回了1萬。
那么2號的實際數據應該是10.3萬+5000，即10.8萬。
因此這個數據有可能是正值也可能是負值。
當為正值時，說明老用戶流失>召回；
當為負值時，說明老用戶召回>流失
不知道這么解釋大家明白了么。
ok，下面開始展開DAU的數據預測。假設我們希望DAU每天以一個固定的比例（增長率）進行增長。
也就是說：
今日DAU = 昨日DAU * (1 + 增長率)
今日DAU = 昨日DAU + 昨日DAU * 增長率
因為：今日DAU = 昨日DAU – 昨日新增 * (1 – 次日留存) + 今日新增 – 老用戶流失
=> 昨日DAU – 昨日新增 * (1 – 次日留存) + 今日新增 – 老用戶流失 = 昨日DAU + 昨日DAU * 增長率
=> -昨日新增 * (1 – 次日留存) + 今日新增 – 老用戶流失 = 昨日DAU * 增長率
=> -昨日新增 + 昨日新增 * 次日留存 + 今日新增 – 老用戶流失 = 昨日DAU * 增長率
因為：今日老用戶流失 = (昨日DAU – 昨日新增) * 老用戶流失率
=> 今日新增 – 昨日新增 + 昨日新增 * 次日留存 – (昨日DAU – 昨日新增) * 老用戶流失率 = 昨日DAU * 增長率
=> 今日新增 – 昨日新增 + 昨日新增 * 次日留存 – 昨日DAU * 老用戶流失率 – 昨日新增 * 老用戶流失率 = 昨日DAU * 增長率
=> 今日新增 – 昨日新增 * (1 – 次日留存 – 老用戶流失率) = 昨日DAU * 增長率 + 昨日DAU * 老用戶流失率
=> 今日新增 = 昨日DAU * (增長率 + 老用戶流失率) + 昨日新增 * (1 – 次日留存 – 老用戶流失率)
因此，我們可以測算。
當次日留存、老用戶流失率明確時，新增的指標的測算公式：
今日新增 = 昨日DAU * (增長率 + 老用戶流失率) + 昨日新增 * (1 – 次日留存 – 老用戶流失率)
當新增、老用戶流失率明確時，次日留存指標的測算公式：
次日留存 = (昨日DAU * 增長率 + 昨日DAU * 老用戶流失率 – 新增 * 日老用戶流失率) / 新增
當新增、老用戶流失率、次日留存的指標都明確時，DAU的測算公式：
今日DAU = 昨日DAU – 新增 * (1 – 次日留存) + 新增 – (昨日DAU – 新增) * 老用戶流失率
參考資料：