帮助与文档

> >

一. 数据模型理解

1、事件模型

Mob统计整体数据模型为 事件-用户模型,即采集用户每个行为操作的细节

用户在客户端,web上产生的任何行为我们都 可以抽象为一个事件(事件即就是 谁在什么时间什么环境下做了一件什么样的事情)。

例如下图“激活优惠券”为一个事件,为5057**用户在2017-10-18 12:52:45触发,其包含两个数据“优惠券金额=94”、“优惠券名称=618优惠券”        

事件属性主要包含“自定义属性”及“触发环境(预设属性)”

自定义属性:需要用户在接入数据时传入(包含字符型、数值型,建议用户在初次传入时确定数据类型,若之后数据类型发生变化,建议重新新建一个自定义属性字段统计,原字段废弃掉)

触发环境(预设属性):为系统的预设属性,在SDK端,SDK会自动采集设备等相关信息,主要包含如下列表

名称 类型 是否必填 说明
_trackChannel string 触发端
_version string 版本
_channel string 渠道
_networkType string 网络类型。
_carrier int 运营商编码。
_factory string 设备品牌
_model string 设备型号
_browserType string 浏览器品牌
_browserVersion string 浏览器版本
_plat int 操作系统平台。1=android,2=ios,3=wap,4=pc,5=server
_sysver string 操作系统版本号
_screenHeight string 屏幕高度
_screenWidth string 屏幕宽度
_duid string 设备id
_country string 国家
_ip string ip
_longi string 经度
_lati string 纬度
_province string 省份
_city string 城市


2、
用户模型

用户属性及与用户相关属性,比如vip等级,生日、所属省份等。Mob统计分析提供接口用户记录这些用户属性,在进行数据分析时可调用出来圈定特定人群进行分析。

在记录用户的发生事件时我们同时会将用户发生事件时的用户属性快照保存并记录,能够更好的回访用户当时的场景;

例如用户在vip等级为vip2的时候通过了A副本,之后进行充值达到了vip3,这时候通过A副本为一个单独的事件,记录的属性为当时触发的vip等级vip=2,在分析时也可以根据这个属性进行筛选

二. 明确核心业务主流程

1、账号体系

Mob统计游戏专版支持 用户-角色 两层账户体系,您可以在一个事件同时上传用户userID 与角色roleID,我们会将他们区别处理,在之后的分析过程中可以根据用户、或者角色双维度进行分析

当您的用户未登录时我们SDK会自动根据设备ID生成一个标识,为匿名用户,当您的用户真实登录后,匿名用户的数据会自动合并到主账户,您不用担心数据的丢失

对于不同端的数据,例如ios、安卓或者服务端采集的一些用户数据,请务必保持userID一致,他们讲被认为同一个用户的行为数据

我们会预置六大事件,分别如下,这六个事件除了作为普通事件记录下来以外,同时还会更新用户信息及角色信息,在其它事件触发时作为用户快照保存下来

强烈建议系统预置的字段,后期配置高级数据模型可能会使用

  • 用户注册事件
  • 用户登录事件
  • 更新用户信息事件
  • 角色注册事件
  • 角色登录事件
  • 更新角色信息事件

详细事件code,即事件属性,可点击查看

2、主流程埋点

初期使用Mob统计-游戏专版的埋点功能时,建议先从一些简单的基础事件进行埋点,例如注册、登录、付费、某个特定玩法等行为埋点,优先使用我们SDK对外暴露的一些预设的事件及事件属性进行埋点,我们对于这些事件会生成一些预置的分析模型,后期的一些高级功能的更新也会优先根据预置的事件及事件属性进行创建分析模型

3、详细埋点需求

首次接入数据埋点,建议选择与产品核心业务最关联的业务流程进行分析,用户的每个行为抽象为事件

例如:“从注册到登录到首次付费流程”、“获得某个特殊道具流程”

重要的玩法,我们强烈建议您独立设置一个事件单独分析,可能更好的查看该玩法的细节行为分布;不重要的玩法,我们只需要设置一个事件名称叫“通过副本”,将其中一个事件属性设置为“副本名称”即可

接下来我们以“王者荣耀”举例,看看哪些埋点更合理

 

事件 属性 值类型 枚举例子 采集时间
注册事件 用户ID 字符 ghah、gesgeg、geg 注册成功
注册渠道 字符 AppStore、应用宝、360、未知
注册方式 字符 微信、QQ、一键登录、未知
登录事件 用户ID 字符 ghah、gesgeg、geg 登录成功
登录渠道 字符 AppStore、应用宝、360、未知
登录方式 字符 微信、QQ、一键登录、未知
注册角色 用户ID 字符 ghah、gesgeg、geg 注册成功
角色ID 字符 role1、role2、role3
服务器 字符 12服三国茅庐、15区草船借箭
登录事件 用户ID 字符 ghah、gesgeg、geg 登录成功
角色ID 字符 role1、role2、role3
服务器 字符 12服三国茅庐、15区草船借箭
更新用户信息事件 用户id 字符 ghah、gesgeg、geg 用户属性发生变化时
注册方式 字符 微信、QQ、一键登录、未知
注册渠道 字符 AppStore、应用宝、360、未知
账号类型 字符 测试账号、正常、封号、福利账号
是否通过防沉迷 字符 是、否、未知
更新角色信息事件 用户id 字符 ghah、gesgeg、geg 角色属性发生变化时
角色id 字符 gesg、gegjk、lvbhr
区服 字符 12服三国茅庐、15区草船借箭
角色名称 字符 张三、李四、王五
角色职业 字符 战士、牧师、法师
角色等级 数值 12、19、15
角色vip级别 字符 vip1、vip2、vip3
角色排位级别 字符 青铜、白银、黄金
角色货币(直充货币)-点券 数值 1565、5836
角色游戏币(非直充货币)-金币 数值 1565、5836
核心资源1-钻石 数值 1253125236
核心资源2-英雄个数 数值 12、15
核心资源3-皮肤个数 数值 12、15
付费事件(充值事件) 用户id 字符 ghah、gesgeg、geg 付费成功时
角色id 字符 gesg、gegjk、lvbhr
实际付费金额 数值 12.36、153.25
消费内容类型 字符 月卡、道具、vip
支付方式 字符 微信支付、支付宝
参与的活动 字符 圣诞活动、双11打折、无、未知
折扣金额 数值 12.36、153.25
折扣原因 字符 新用户打折、老用户回归
参与排位赛 用户id 字符 ghah、gesgeg、geg 排位成功时
角色id 字符 gesg、gegjk、lvbhr
排位方式 字符 单人、多人组队、五人组队
真是组队人数 数值 1,2,3
邀请方式 字符 好友邀请、微信邀请、战队邀请、附件的人
排位时间(秒) 数值 12、15
铭文抽奖 用户id 字符 ghah、gesgeg、geg 成功获取铭文时
角色id 字符 gesg、gegjk、lvbhr
获取方式 字符 金币买1次、金币买5次、钻石买一次
获取铭文等级 数值 1,2,3,4,5
铭文类型 字符 鹰眼、夺萃、庇护
是否为免费钻石获取 字符 是、否

 

三. 执行埋点&测试

 

研发同学根据集成文档及埋点需求进行埋点

  1. 官网注册Mob账户
  2. 获得Appkey与Appsecret
  3. 添加analySDK服务
  4. 根据埋点需求执行埋点

 

测试接入数据

测试几个埋点事件后,在开发者后台点击“查看详细行为分析”跳转到“数据分析中心”,点击“用户行为”即可以看到实时上传的数据(新触发的事件大约15分钟后即可在后台显示)

 

四. 邀请项目组其它成员

于后台账户管理,Mob开发者后台的账户可通过手机号邀请其它项目组成员, 并控制相关权限

 

五. 游戏专版-数据模型介绍

1、生命周期价值

可选择任意用户群组用户作为分析对象,分析生命周期价值

2、留存率&后续付费情况

可选择指定的用户群组进行分析:活跃留存率、后续充值率、后续充值金额

3、激活-注册-付费转化率

可选择指定的用户群组进行分析:激活->注册->付费 转化率分析
可选择任意属性进行筛选、分组对比 (比如如图分组选择“运营商”,可对比分析各个运营商的转化率)

4、付费分析

>付费总金额、
>付费用户数、
>付费总次数、
>平均单次付费金额、
>付费人数占活跃用户的比例
>ARPU
>ARPPU
>付费用户活跃留存率
>付费用户后续付费率

5、周活跃用户构成

1)分析内容
a)         绝对值显示用户构成
b)         比例显示用户构成

分类如下:
>新用户:本周新注册用户
>本周回流用户:本周活跃,上周未活跃用户
>连续2周活跃
>连续3周活跃
>连续4周活跃
>连续4+周活跃:连续4周以上活跃用户

6、用户列表

可显示任意一个用户群组内的用户属性列表,按照付费金额等字段可以排序,方便挖掘出鲸鱼用户

可选择任意属性进行筛选、分组对比

7、其它预设数据模型

>付费总金额、
>付费用户数、
>付费总次数、
>平均单次付费金额、
>付费人数占活跃用户的比例
>ARPU
>ARPPU
>付费用户活跃留存率
>付费用户后续付费率
>活跃/新增用户
>活跃/新增角色
>用户/角色属性分布
>付费用户属性分布
>流失用户

8、用户/角色分析

>付费总金额、
>付费用户数、
>付费总次数、
>平均单次付费金额、
>付费人数占活跃用户的比例
>ARPU
>ARPPU
>付费用户活跃留存率
>付费用户后续付费率