只筛出真实用户的干净数据再分析

内部 QA 和员工账号的活动混入后，收入、登录、内容参与等指标就会与实际情况不符。在 Hive Analytics 的 Excluded User Management（指标排除用户管理）中登记一次用户 ID 或设备 ID，该用户的事件数据就会自动从所有图表和仪表板中排除。账号较多时，可以通过文件批量登记，减轻重复设置的负担。

混入内部活动的指标

游戏上线或更新新内容时，内部员工和 QA 人员会反复测试登录、购买、领取奖励等功能。这一过程中产生的事件如果与真实用户数据一起计算，访问用户数、收入和内容参与结果都可能出现偏差。

虽然也可以在每个图表中把测试账号设为筛选条件，但对象一多就得反复设置。新建指标时还可能漏掉部分账号，或者不得不逐一修改多个已在使用的仪表板。

需要看清真实用户动向的游戏运营

运营人员要根据线上活动和版本更新后的变化来判断服务状态。如果其中混入了为检查而登录的账号或测试付费记录，就很难分辨出真实的用户反应。

尤其是活动刚开始时，内部会集中验证多项功能，参与人数或购买结果可能暂时显得偏高。要做出准确的运营判断，就需要按统一的标准只查看服务用户的活动。

Hive Analytics 的指标排除用户管理

Hive Analytics 的 Excluded User Management，用于将测试付费、QA 人员和内部员工产生的事件从指标数值中排除。以项目为单位登记一次账号后，就无需在每个图表中重复添加相同的筛选条件。

排除对象可以按用户 ID 或设备 ID 区分，账号较多时也可以通过文件批量登记。被设为排除对象的用户，其事件仍会继续采集，但不会计入数值，并且会同样作用于使用这些指标的图表和仪表板。无需逐一修改现有的分析页面，就能以真实服务用户为核心查看运营现状。

以真实用户为准检查运营状况

排除内部账号后的指标，可以应用于收入、登录、内容、同时在线人数等运营决策中常用的页面。

排除测试付费后的收入走势

在验证商品上架或支付对接的过程中，如果反复产生测试付费，收入、购买转化率、每用户平均收入（ARPU）、每付费用户平均收入（ARPPU）等指标就可能失真。排除用于测试的账号后，就能基于真实用户的数据准确查看用户反应。

线上内容参与情况

游戏赛季活动公开前后，QA 人员和运营人员会反复检查登录和内容状态。将这些活动分离出去后，就能基于真实的参与人数和留存判断进展情况。

版本更新后的同时在线人数趋势

版本更新或维护结束后，内部人员通常会率先登录检查主要功能。去掉这些账号再看同时在线人数趋势，就能更清楚地把握服务用户的回流情况以及运营是否稳定。

开始使用 Hive Analytics

在 Hive Analytics > Settings > Metric Settings > Excluded User Management（Hive Analytics > 设置 > 指标设置 > 指标排除用户管理）菜单中，可以把用于测试的内部账号和 QA 人员的用户 ID 或设备 ID 登记为指标排除对象。需要排除的账号较多时，可以通过上传文件轻松完成登记。定期更新排除账号列表，就能持续管理分析口径。

借助 Hive Analytics，可以以真实用户为核心，查看 Hive SDK 自动采集的登录、购买等平台事件，以及游戏发送的自定义事件。现在就用 Hive Analytics 的 Excluded User Management 分离测试活动，准确查看游戏运营所需的数值吧。