数据驱动决策从这里开始

Axyl Plugin

用自然语言创建图表和仪表板：Hive Axyl Plugin 应用第 2 篇

用自然语言向 Hive Axyl Plugin 提出请求，即可创建 Hive Analytics 的图表，并将多个图表组合到一个仪表板中。创建或修改图表和仪表板之前，插件会先展示要应用的内容，并在用户批准后执行。

• 根据之前的分析上下文推荐要查看的指标和推荐图表
• 用推荐的指标创建图表并组合成一个仪表板

查看相关指南 ↗ 查看详情 →

Axyl Plugin

用自然语言查询游戏指标并确认变化：Hive Axyl Plugin 应用第 1 篇

在 ChatGPT 中安装 Hive Axyl Plugin 后，即可用自然语言查询 Hive Analytics 的指标，并延续之前提问的上下文，按国家、市场、商品的顺序缩小分析范围。使用插件前，需要将账号设为组织的 MCP 成员。

• 用自然语言比较昨天与上周同一天的用户和收入指标
• 按国家、市场、商品继续提问，具体找出收入变化的可能原因

查看相关指南 ↗ 查看详情 →

指标

在应用商店结算前查看 Google 和 Apple 预估收益

付费金额可能包含销售税，且尚未扣除商店佣金和各国税费，仅凭付费金额很难直接知道开发商实际能拿到多少。借助 Hive Analytics 的预估收益指标，可对 Google Play 和 Apple App Store 的付费套用各商店的计算规则，查看已计入佣金和税费的预估收益。

• Google Play、Apple App Store 各自的预估收益计算规则
• 在图表中按应用、国家、商店比较预估收益

查看相关指南 ↗ 查看详情 →

BigQuery

在 BigQuery 中查询 Hive Analytics 原始数据

Hive Analytics 采集的事件原始数据可以在 BigQuery 的 habq-storage 项目中直接用 SQL 查询。查询时，需将以 UTC 存储的 dateTime 转换为 KST，按 checksum 去重，并通过日期条件只扫描所需分区。

• 从申请 BigQuery 访问权限到执行 SQL 的准备步骤
• 应用时区转换、去重和分区条件的查询示例

查看相关指南 ↗ 查看详情 →

事件

查看事件日志存储结构与入库失败数据：事件日志发送 第4篇

发送到 Hive Analytics 的事件中，符合采集标准的事件存储在 t_raw_event_log 中，不符合标准的事件则连同原始 JSON 和隔离原因存储在 t_raw_event_log_rescue 中。如果在正常表中找不到事件，可通过 rescue 表的 errorReason、errorStackTrace、rawData 查看隔离原因。

• 查看正常表与隔离表的存储结构
• 查看各隔离代码的原因与处理方法

查看相关指南 ↗ 查看详情 →

事件

将游戏数据作为事件日志发送：事件日志发送 第3篇

要把通过测试日志验证过的事件结构应用到正式游戏中，需要在用户行为确定后立即携带真实游戏数据发送事件。如果必填属性的名称或 eventTime 格式等发送有误，日志会被存入隔离表 t_raw_event_log_rescue。

• 行为确定后立即用真实游戏数据发送事件
• 确认各发送方式的属性构成与隔离规则

查看相关指南 ↗ 查看详情 →

事件

用测试日志验证采集结构与指标：事件日志发送 第2篇

在开发事件发送功能之前先发送测试日志，就能提前确认事件与属性是否按预期的结构和数据类型采集，以及能否构建所需的指标。通过 ETL Simulation 发送日志，在 Data Preview 和 BigQuery 中确认采集结果，并在 Create 中确认指标构建。

• 通过 ETL Simulation 或直接发送测试日志
• 确认基于事件的指标构建

查看相关指南 ↗ 查看详情 →

事件

用事件模板定义日志采集结构：事件日志发送 第1篇

借助预先定义了事件名和属性的事件模板，无需从零设计事件结构，即可确定日志采集结构。在 Data > Event 中选择事件，修改或添加属性后，生成适合开发环境的日志发送源代码。

• 检查预定义属性并添加新属性
• 按客户端、服务器端开发环境生成日志发送源代码

查看相关指南 ↗ 查看详情 →

图表

按所需口径对维度值分组比较

直接查询原始维度值，很难按分析目的进行比较。通过图表的区间设置，将国家代码按地区分组，将价格、等级划分为区间，无需修改原始日志即可比较。

• 将国家代码按地区分组，比较每日用户数
• 将价格按相同间隔划分区间，查看付费用户数

查看相关指南 ↗ 查看详情 →

图表

通过多次运算构建所需指标

单次聚合很难同时看清一天的登录走势和代表整个周期的数值。用图表的一次运算得到度量值，再通过二次运算对各间隔的结果重新计算最大值、最小值、平均值或最新值。

• 对每日 AU 应用 AVG，查看月度日均 AU
• 对每 2 分钟同时在线人数应用 MAX，查看最高同时在线人数

查看相关指南 ↗ 查看详情 →

集成

关联 MMP 与游戏事件，查看用户行为

如果广告获客和游戏行为分散在不同的界面中，就很难判断各渠道的用户质量。集成 MMP 后，从安装到登录、购买，都可以在同一个漏斗中连贯查看。

• 完成集成后，MMP 事件会自动发送到 Analytics
• 在图表、漏斗、留存中同时查看 MMP 事件与游戏事件

查看相关指南 ↗ 查看详情 →

留存

用留存看清游戏用户的回访情况

即使总用户数不变，是老用户回访的结果，还是新用户流入的结果，含义也不同。通过设置起始事件和回访事件，即可确认用户是否回访。

• 不仅限于同一事件，也能查看不同事件之间的回访
• 添加维度和筛选进一步细分

查看相关指南 ↗ 查看详情 →

用户活动追踪

新增后付费的用户，现在是哪类用户？

仅凭初期是否付费，很难判断用户此后是否仍在创造价值。用细分圈选新付费用户，再在用户活动追踪中查看其当前的用户分类类型和活动流程。

• 找出初期付费用户中成长为鲸鱼、海豚用户的人
• 追踪单个用户首次付费后的事件流程

查看相关指南 ↗ 查看详情 →

图表

找出为游戏收入做出贡献的用户

仅凭汇总后的整体收入指标，很难找出表现突出的对象。用排行查看所选时间段内按用户和商品划分的收入指标排名。

• 按应用商店细分收入 TOP 100 用户
• 以排名和饼图比较销售笔数 TOP 10 商品

查看相关指南 ↗ 查看详情 →

模板

用模板快速搭建游戏分析内容

每次开始新的游戏数据分析，都要重新确定指标、维度和事件配置，颇为耗时。选择 Hive Analytics 的模板，即可从已填好仪表板、图表、漏斗、留存常用配置的界面开始，只需调整需要的项目。

• 选择模板后进入已填好仪表板、图表、漏斗、留存配置的界面
• 套用后面板、度量值、维度等所有项目仍可按分析目的修改

查看相关指南 ↗ 查看详情 →

组织管理

按负责项目管理数据访问范围

Hive Analytics 的组织管理以组织为单位组合项目和成员，管理数据访问范围。可以按游戏划分组织，也可以建立统管多款游戏的组织；负责人变动时，只需调整组织的成员构成即可。

• 在组织中登记项目和成员，按负责工作配置数据访问范围
• 负责人变动时只需更换组织成员，访问权限随之生效

查看相关指南 ↗ 查看详情 →

图表

按所需基准查看游戏指标的构成占比

仅凭总数，无法看出变化来自哪个日期或国家、OS 等哪种环境。把饼图的占比基准切换为日期或维度值，并在图例中筛选项目，就能从占比较大的部分开始逐步缩小范围。

• 按国家、OS 等组合拆分，找出占比变大的位置
• 在图例中排除项目后，剩余项目之间的占比会重新计算

查看相关指南 ↗ 查看详情 →

时间设置

从游戏上线后的数据开始分析

游戏上线前的 QA、软启动、CBT 数据与正式服务指标混在一起，就很难掌握真实成果。在 Hive Analytics 的时间设置中按分钟登记各项目的上线时间，此前的事件将不计入指标统计。

• 登记各项目的上线时间，排除上线前的数据
• 统一应用于所有分析页面

查看相关指南 ↗ 查看详情 →

货币设置

以不同货币产生的收入，一目了然

货币不同，收入就无法直接比较。预先登记组织货币，无需每次换算，即可以同一标准进行比较。

• 162 种货币的货币设置
• 按组织货币标准查看游戏收入

查看相关指南 ↗ 查看详情 →

图表

游戏指标的变化，与过去对比来看

在图表和仪表板中设置时间段对比，即可在同一页面查看基准时间段与对比时间段的数值及增减率。对比时间段可在随查询基准日移动的相对日期和固定特定日期的固定日期之间选择。

• 在相对日期、固定日期中选择，同时查看基准时间段与对比时间段
• 在一张图表中同时设置多个对比时间段进行对比

查看相关指南 ↗ 查看详情 →

漏斗

分析从内容开始到完成的用户流程

只看完成数据，无法判断内容是否运转良好。用漏斗拆分各个环节，才能看清用户在哪里流失、流失了多少。

• 先用图表发现问题，再用漏斗定位流失环节
• 优化后用同一漏斗复查，用数据验证效果

查看相关指南 ↗ 查看详情 →

指标筛选

剔除测试数据，分析真实的运营成效

QA 服务器、测试应用的事件一旦混入，用户数和收入就会高于实际。只需注册一次 Server ID 或 App ID，即可从所有图表、漏斗、留存、仪表板中统一剔除。

• 注册一次 Server ID、App ID，自动应用到所有分析界面
• 剔除 QA 与测试数据，以真实运营数据为基准查看 KPI

查看相关指南 ↗ 查看详情 →

指标

数据分析的起点：统一组织的指标口径

活跃用户（AU）、收入这类常用指标，如果计算口径不同，即使查询同一时间段也会得出不同的数值。借助 Hive Analytics 的指标功能，可将事件、聚合方式和计算公式组合而成的指标定义统一保存，并在多个图表和仪表板中复用。

• 用单个事件或多个事件的公式定义指标
• 修改指标后，所有使用中的页面自动同步更新

查看相关指南 ↗ 查看详情 →

排除用户

只筛出真实用户的干净数据再分析

在 Hive Analytics 的指标排除用户管理中登记一次用户 ID 或设备 ID，内部 QA 和员工账号的事件就会自动从所有图表和仪表板中排除。只保留真实服务用户的活动，即可按准确的口径查看收入、内容参与、同时在线人数等运营指标。

• 登记一次用户 ID、设备 ID，即自动应用于所有图表和仪表板
• 以真实用户为准检查收入、内容参与、同时在线人数等运营指标

查看相关指南 ↗ 查看详情 →

仪表板

移动中也能掌握游戏运营现状

在移动端直接查看在 PC 上创建的仪表板，查看 KPI 及环比前一日的增减率。可用于检查线上活动、向管理层汇报、应对异常迹象等移动中常见的场景。

• 在移动端以同样方式查看 PC 仪表板
• 用于检查线上活动、向管理层汇报、应对异常迹象

查看相关指南 ↗ 查看详情 →

图表

按关键维度查看营销成效差异

整体指标看不出的成效差异，需要按国家、应用商店、OS 等用户条件拆分后才能发现。在 Hive Analytics 中从国家、应用商店层面逐步缩小到 OS、应用版本，找出具体原因。

• 按国家、应用商店查看成效差异
• 按 OS、应用版本等逐步缩小范围，找出原因

查看相关指南 ↗ 查看详情 →