找出为游戏收入做出贡献的用户

仅凭数字难以比较的头部对象

游戏收入通常通过总收入、购买笔数等汇总指标来查看。仅凭这些指标，很难直接看出每位用户或每件商品对整体收入的贡献有多大。虽然可以按对象重新汇总收入并排序找出头部对象，但每当查询时间段或比较基准发生变化，就需要重复一遍单独的分析流程。

业务决策所需的头部收入指标

业务负责人需要知道哪些用户对收入贡献较大，才能把握收入表现，并确定后续应对的优先级。以同一基准比较各用户的收入，就能具体识别出主要的收入贡献者。

从按用户的收入指标排名中找出头部用户，可用于选定 VIP 管理对象，并研究定制化福利或运营策略。按应用商店细分排名，可以具体找出在各应用商店中对收入贡献较大的用户；同时查看按商品的收入指标排名，则能掌握购买较多的商品，快速缩小后续分析范围。

Hive Analytics 的排行

Hive Analytics 的 Ranking 是以所选度量为基准计算排名，并在结果中一并显示维度值的功能。在 Create（创建）菜单中选择 Ranking 后，设置项目、时间段、度量和维度值即可创建。维度值至少需要选择一个，并可指定升序或降序，以及界面上要显示的名次。最多可显示前 500 名。

Ranking 会将所选时间段整体作为一个范围进行汇总。例如选择 7 天时，不是计算每日排名，而是以这 7 天内所选度量的汇总结果为基准，计算维度值的排名。

选择两个及以上维度值时，可以在Combined（整体）和Per dimension（按维度）之间选择排名计算方式。Combined 是不区分维度，以全部数据为基准计算排名。Per dimension 则是在除最后一个维度值之外的前序维度值的每种组合内，分别计算最后一个维度值的排名。例如按 market → userId 的顺序设置维度，就能分别查看各应用商店内的用户排名。除排名计算方式外，还可以根据分析口径选择数值相同项目的排名显示方式。

• Sequential（连续排名）：无论是否并列，都按 1, 2, 3, 4 的顺序排名。
• Skip ranks（跳号排名）：并列之后的名次跳过，显示为 1, 1, 1, 4。
• No gaps（不跳号排名）：并列之后的名次连续，显示为 1, 1, 1, 2。

查看头部收入指标

先查看全部用户的收入排名，再按应用商店拆分范围，最后查看按商品的销售笔数排名。

查看收入 TOP 100 用户

查看按用户的收入排名，就能在所需范围内查看在查询时间段内贡献高收入的用户。下图是将度量设为收入、维度值设为 userId，并按降序排列查看用户收入排名的示例。

如果再依次将 market 和 userId 设为维度值，并将排名计算方式选为 Per dimension，即可按应用商店细分全部用户的收入排名，查看各应用商店内的用户收入排名。

查看销售笔数 TOP 10 商品

将度量设为销售笔数、维度值设为商品名称并选择降序，即可查看查询时间段整体的商品收入指标排名。如果再在图表类型中选择饼图，还能直观比较 TOP 10 商品的销售笔数占比。

商品排名可以作为确定优先检查购买情况的商品，或在后续结合国家、应用商店、用户特征缩小查看对象的起点。

开始使用 Hive Analytics

借助 Ranking，可以基于所选时间段的数据查看用户和商品的排名，并根据需要按整体或按维度范围拆分查看。

Hive Analytics 是一款面向游戏的专业分析解决方案，能够将通过 Hive SDK 采集的游戏数据按度量和维度值汇总，分析用户、商品等主要对象的排名。现在就使用 Hive Analytics 的 Ranking，按多种口径查看游戏收入数据的排名吧。