CCU實時線上曲線，可以算是一條非常簡單的曲線，但是在這條曲線上我們可以看到很多的問題，CCU可以看到PCU，ACU等不同的資訊，在CCU背後其實蘊藏了很多的資訊，包括使用者特徵的提取，CCU作為一個基礎資料，很多人沒有在意，或者很多人在意了，但是沒有方法去解釋和分析，或者有高人不願意和大家來分享，鄙人水平有限，從本人自己的理解上進行了一些分析，權當茶餘飯後的談資。

由CF的一個例子引起的分析

怎麼從CCU上進行分析使用者

分析一

1月22日是除夕，19日到21日為年前的幾天，從19到22日的曲線對比來看，除夕當天的線上人數相比19日到21日整體有下降的趨勢，首先來看22日的CCU曲線，在晚上8點左右的峰值沒有被拉起來，這是明顯受到春晚的影響，也就是說春晚對於使用者而言還是存在影響的。然而在除夕夜之前，發現21日的曲線整體低於20日和19日，其實原因在於，很多的白領上班族要返鄉過年，集中上線的時間和人數下降了，但是作為手機遊戲，或者APP而言，此時應該處在一個比較高的時期，原因在於使用者多數處在回家的途中，這是一種娛樂方式。由於19日到22日已經處於了假期階段，如果我們的遊戲是學生使用者居多的話，應該會出現雙波峰的情況，在頁遊等其他遊戲中，其CCU曲線會有所不同。

節日活動的開展要針對玩家上線的情況，比如在除夕夜使用者本身上線情況就不理想，如果生拉玩家上線，那麼活動的效果也不會非常明顯。再者比如在年前搞活動，也要針對使用者使用特點，如果很多白領已經回老家過年了，那麼就在這一時機搞上線活動，達不到效果。

我們再來看初一的CCU曲線，發現晚上的波峰已經恢復，並回歸到年前21日的水平，但是沒有突破，願意在於白領回老家，沒法上線參與遊戲活動。此外，我們看到初一的雖然也是雙波峰，但是初一的下午峰值時間滯後到17點，很大程度上是初一走親訪友造成的。

分析二

剛才講到一個CF例子，在9月10日下午開了一個雙倍經驗的活動，原因這裡不再累述。1月5日和6日，學生沒有放假，可以看到在中午12點到14點出現一個小的波峰，但是隨後線上人數出現小幅的下降，但仍保持增長，願意探究主要是學生玩家中午休息，很多人進入網咖或者回到寢室遊戲，但是下午需要上課，因此人數在14點以後出現了下降，1月6日是週五，可以明顯看到相比1月5日，在14點以後，線上人數的增長幅度比較大，因為學生週五下午沒課，基本保持一下午遊戲時間（尤其針對大學生）。

紅線代表21日，此時我們再來看中午12點到14點，我們發現小波峰消失，從側面說明遊戲中的學生使用者確實比例很高，從這一點我們也能大概看出頁遊，或者社交遊戲的使用者特點和年齡情況。

分析三

29日為初七，白領上班族開始工作，但是整體來看，波峰依舊存在，只是下午波峰維持的時間縮短了，30日和31日發現線上人數曲線環比29日下降，原因在於有些很多人陸續在初八和初九上班，但是雙波峰並沒有被拉下來，可以說學生使用者佔據了打大部分每天的DAU。同時我們再看看晚上的峰值時間，5日和6日的峰值時間段比較短，但是在29日到31日的峰值時間段相對的長一些，原因在於，學生放假，有了更多的上線時間。

與19日相比而言，節後整體玩家上線積極性加強（主要是學生使用者），根據後期調查發現，這一時期的收益增加，原因在於學生使用者手裡有了更多的錢（壓歲錢），因此節後才是整體遊戲收益增加的而黃金期。

分析四

1月5日和6日還存在中午的小波峰，但是9日開始中午的波峰消失，隨後逐漸的下午波峰開始形成，到18日，基本波峰雛形形成了，因此我們可以斷定玩家（學生）從9日開始放假，因為此時距離過年還有半個月，一般學生放寒假都距離過年半個月。從另一個側面我們來看，原本在中午時的小波峰，在假期開始以後，波峰轉移到下午，形成一個穩定的大波峰時段嗎，這點來看，這是明顯學生假期作用。

此外，這裡的紅線，代表元旦假期，對比元旦和18日的曲線，發現基本變化是一致，有一方面說明我們在元旦期間的活動或者版本更新不給力，效果不明顯，根據對影響收益和人氣的因素影響指數分析，元旦假期應該是全年當中表現最佳的時期。

分析五

6日為元宵節，這一天很多單位和機構員工下午有半天假期，因此中午12點的拐點出現，線上人數增速加快，並且下午的峰值時間提前到14點，並再次出現雙波峰，，但是之後，雙波峰開始減弱，到9日基本上看不到下午的波峰了，對比年前假期的雙波峰情況，這裡的波峰的消失願意主要是學生要開始進行補課，並且逐漸投入到假期作業上面去，整體的遊戲時間分配開始不是很集中了。與此同時我們看到元宵節第二天，下午仍舊有波峰跡象，此時工作日的人基本護膚到正常的工作中，那麼可以粗略的通過元宵節和之後這一天在下午波峰指端的差值，計算白領上班族對於遊戲的人氣的貢獻是多少。

分析六

經過仔細的分析彙總，我們基本斷定，玩家（學生）從9日開始進入峰值分散的時期，原因如剛才所講，基本面臨補作業，補課的情況，而從13日開始，我們發現中午時間短再次出現了小波峰，根據之前的分析我們可以斷定，一方面是中小學生沒有開學，但是中午時間段能夠進入遊戲體驗，隨後大學生開學較早，也對於峰值（中午）形成起到關鍵作用。仔細來看從20日以後，中午波峰形狀凸顯，說明這一時期學生集中開始開學或者補課。到後期開學，又再次形成了單一的晚上波峰情況。

題外話

本次的分析是針對了曲線本身和時間節點上的一些情況，其實影響CCU的還有很多因素，比如活動影響，版本影響，外觀影響，伺服器影響，競品影響等等，很多的因素作用，所以在對待問題時不是我寫成什麼樣子或者程度，這個問題就是這樣，考慮方面，角度不同，得出的結論不同。所以如果要分析CCU，某些情況下要按照你的目的去考量。你可以嘗試從活動，版本去分析，都可以。這裡只是一個例子，告訴你怎麼做一個基礎資料的分析和規劃。

via:作者data->intelligence http://www.cnblogs.com/yuyang-DataAnalysis/archive/2012/03/03/2378791.html