一、用户获取(Acquisition)AARRR模型指出了移动游戏运营两个核心点：1) 以用户为中心，以完整的用户生命周期为线索2) 把控产品整体的成本/收入关系，用户生命周期价值(LTV)远大于用户获取成本(CAC)就意味着产品运营的成功移动游戏的运营会经历如下从投入到产出的循环过程：Acquisition用户获取(投入)Activation ...

本文所有数据指标的定义均按照国际规范重新梳理，并对传统游戏运营数据分析方法中的常用指标进行调整，使之更适合移动游戏这一新领域。统一的数据分析指标，有助于运营人员理解、分析用户行为，改进产品，制定运营策略，让数据化运营更有效率。一、用户获取（Acquistion）日新登用户数（Daily New Users，DNU）：每日注册并登录游戏的用户数。解决问题：1....

在我们日常的运营活动中，在各个不同的运营阶段，经常需要对游戏的活跃、流水等进行预估。并且我们需要预估的不仅仅是最终的一个结果值，可能更需要的是完整的增长趋势，需要根据导入量，付费留存情况，去预测每一天的活跃、流水情况。这时候一个比较科学、简单的模型就比较关键了。本周就介绍一个笔者在工作中经常用到的一个预估模型，一个已经经过了多次优化和认证的模型。**该模型不仅仅可以预估一个游戏的流水活跃等走势..

这当然是积极的变化，但也助长了一种本能倾向，即让数据可视化成为了一种汇报时的必备“流程”，开始无目的地进行可视化，结果做出的图表差强人意，比如机械地把电子表格单元转换为图表，只能提供支离破碎的信息，或者无效却扰乱视听影响决策的信息，进而无法传达出完整的理念。当我们想表达过多类型的数据时，可以使用矩形树图，它展现同一层级的不同分类的占比情况，还可以同一个分类下子级的占比情况，每个矩形代表一个聚合类，

这是简易数据分析系列的第 8 篇文章。我们在Web Scraper 翻页——控制链接批量抓取数据一文中，介绍了控制网页链接批量抓取数据的办法。但是你在预览一些网站时，会发现随着网页的下拉，你需要点击类似于「加载更多」的按钮去获取数据，而网页链接一直没有变化。所以控制链接批量抓去数据的方案失效了，所以我们需要模拟点击「加载更多」按钮，去抓取更多的数据。今天我们讲的，就是利用 web scraper

这是简易数据分析系列的第 14 篇文章。今天我们还来聊聊Web Scraper 翻页的技巧。这次的更新是受一位读者启发的，他当时想用 Web scraper 爬取一个分页器分页的网页，却发现我之前介绍的分页器翻页方法不管用。我研究了一下才发现我漏讲了一种很常见的翻页场景。在web scraper 翻页——分页器翻页的文章里，我们讲了如何利用Element Click选择器模拟鼠标点击分页器进行翻页

这是简易数据分析系列的第 4 篇文章。今天我们开始数据抓取的第一课，完成我们的第一个爬虫。因为是刚刚开始，操作我会讲的非常详细，可能会有些啰嗦，希望各位不要嫌弃啊：）有人之前可能学过一些爬虫知识，总觉得这是个复杂的东西，什么 HTTP、HTML、IP 池，在这里我们都不考虑这些东西。一是小的数据量根本不需要考虑，二是这些乱七八糟的东西根本没有说到爬虫的本质。爬虫的本质是什么？其实就是找规律。而且爬

这是简易数据分析系列的第 5 篇文章。上篇文章我们爬取了豆瓣电影 TOP250 前 25 个电影的数据，今天我们就要在原来的 Web Scraper 配置上做一些小改动，让爬虫把 250 条电影数据全部爬取下来。前面我们同时说了，爬虫的本质就是找规律，当初这些程序员设计网页时，肯定会依循一些规则，当我们找到规律时，就可以预测他们的行为，达到我们的目的。今天我们就找找豆瓣网站的规律，想办法抓取全部数

这是简易数据分析系列的第 9 篇文章。今天我们说说 Web Scraper 的一些小功能：自动控制 Web Scraper 抓取数量和 Web Scraper 的父子选择器。如何只抓取前 100 条数据？如果跟着上篇教程一步一步做下来，你会发现这个爬虫会一直运作，根本停不下来。网页有 1000 条数据，他就会抓取 1000 条，有 10W 条，就会抓取 10W 条。如果我们的需求很小，只想抓取前

很多人都知道二八定理，即20%的人掌握着80%的财富。源出处是80/20帕累托法则，很有名的ABC分类法可以说是该法则的衍生。比如一共有100件商品，10件商品占销售总额的70%，20件商品占销售总额的20%，还有70件商品仅占销售总额的10%。于是你可以按照70%，20%，10%的销售额比重把产品分为ABC三类，然后把重点的管理资源放在A，把较少的资源分配给C或者砍掉部分C商品，以达到资源管理的