自研游戏埋点统计:从采集口径到后台展示 | 杨元超的世界

读者是谁

这篇写给要给游戏做统计、却被通用统计工具卡住的开发者,以及做后台展示的同学;下面这张表按角色列出你能带走什么、从哪节开始读。

读者 带走什么 拿它做什么 从哪节开始读
要给游戏做统计的人 三类数据的分工与键的设计思路 按三类事实建自己的统计表 2
关心会话时长的人 会话从哪开始、到哪结束 照第 3 节定自己的结算时机 3
做后台展示的人 「在线 ≠ 在玩」的拆法 两个指标分开统计、分开展示 4 → 5

只做纯前端页面、不碰数据的读者不必读。

0 本文讲什么

这篇讲一次自研游戏埋点:先说清为什么放弃 Google Analytics,再讲采哪三类数据、怎么算一次会话、在线和游戏怎么区分、后台怎么看,最后是踩过的坑。先看概览,决定从哪节读起:

小节 讲什么 读它能得到什么
1 为什么不用 Google Analytics 一套「什么时候该自研」的判断
2 采集什么:三类事实 一份按业务含义设计键的思路
3 怎么算一次会话 会话的起止判定与分工
4 在线与游戏怎么分 为什么两个数字不能合并
5 后台看什么 三块最有价值的指标
6 坑表与下一步 排查对照表与边界

1 为什么不用 Google Analytics

先定义两条路:A 接 Google Analytics(谷歌的网站统计服务,网页里放一段脚本,数据进它的后台);B 自研埋点(在关键动作处主动上报一条事件,数据写进自己的数据库)。埋点就是在代码里「埋」上报点,事件就是一次上报,会话是一局游戏从进关到退出的时间跨度。两条路都能统计访问,但我们的需求有四个具体差异,下面这张表是逐项对照:

维度 A Google Analytics B 自研埋点
单页应用的状态 只抓首次 page_view 每个状态变化都能报
内存开销 脚本留在页面上,事件进缓冲区不裁剪 只有自己的最小上报
会话语义 按 30 分钟不活动切分 按「一局」切分
数据归属 在外部后台 在自己数据库里,能和用户/地图/版本关联查询

第一条:谷歌分析(GA)的标准脚本靠页面加载打点,单页应用只在首次进入时报一次页面浏览;而游戏的主循环里,页面、房间、对局这些状态一层层变,全程不刷新页面。要统计这些状态,就得为每种变化自己打事件——这已经不是接现成工具,而是自己定义事件模型,再借 GA 的管道送出去。第二条:内存开销是实打实的教训——GA 的脚本会把事件对象堆在一个全局缓冲区里不再裁剪,页面元素被移除后 JS 仍持有引用(detached 节点),整体注释掉 GA 之后,端到端测试(从页面入口驱动真实浏览器跑完整场景)里节点与监听器的增量从 +330/+58 回到 0。第三条:GA 的会话按 30 分钟不活动切分,跟「这一局从进关到退出」完全是两回事。第四条:统计要能和自己数据库里的用户、地图、版本关联查询;放在外部服务里,导出成本更高。

2 采集什么:三类事实

起步时只采三类事实,分别回答三个不同的问题。下面这张表是它们的职责与键的设计:

类型 回答的问题 记录的键
日活记录 今天有多少个不同的访客 日期 / 访客标识
在线快照 现在谁在线、谁在游戏里 访客标识
会话记录 这一局玩了多久、开了几局 一局游戏的编号

这三类记录的职责不同,但装在一起更好用——因为查询经常要跨类型,例如「在线的人里有多少正在玩」。分成三个容器,就得查两次再自己对时间戳;放在一起,先查完在线的人,再按记录类型过滤出谁在游戏中。共用一张表的另一个好处是同一时刻的在线状态和会话状态能对上,不用在两个数据源之间猜。

第二个选择是键怎么定。每条记录的键不分配自增编号,而是直接由业务含义拼出来(哪天、哪个访客、哪一局),结构大致是这样:

日活记录   2026-11-15 / v-8f3a     一天一人一条
在线快照   v-8f3a                  一人一条,只更新时间
会话记录   s-2c91                  一局一条,结束时补时长

v-8f3a = 访客标识(浏览器里生成的一串随机值)
s-2c91 = 一局游戏的编号(进关时生成)
日期    = 按东八区算出来的当天,不是浏览器本地时区

重复上报 → 覆盖同一条,不会多出一条
调用方不用小心,键本身就解决了这件事

这样拼的好处是同一份数据重复上报也不会产生第二条记录:写入是整条覆盖,重复写结果一样。手机端网络不稳,切后台、断线重连都会让同一件事被报好几次,这一点必须靠键的设计兜住,不能指望调用方每次都小心。

这里有一个容易犯的错:拿访客名当去重键。多人模式里玩家可以填同一个名字,名字重复就会把两个真人算成一个,日活少算。去重键只能用访客标识。

2.1 整条数据流长什么样

上面是三类记录的职责与键设计,落到执行时,整条数据流只有八个动作:

 1 │ 玩家进入游戏      → 记一条「这一局开始了」:谁、哪一局、开始时间
 2 │ 每 60 秒          → 更新「我还在」:最后活跃时间、当前在不在游戏里
 3 │ 玩家关掉页面      → 结算这一局:结束时间 − 开始时间 = 一局时长
 4 │ 页面切到后台      → 只停「我还在」的上报,不结算(他可能马上回来)
 5 │ 跨天归档          → 按固定时区切「今天」,避免各地玩家日界不一致
 6 │ 去重(日活)      → 键 = 日期 + 访客标识,同一天重复进也只算一次
 7 │ 后台查「在线」    → 最近 3 分钟内还有「我还在」的台数
 8 │ 后台查「在玩」    → 「在线」里,当前在游戏、且这局还没结算的台数

这 8 行分两半:16 行是客户端侧发生的事(上报),78 行是后台侧(读库算指标)——两边通过「键」对齐,不通过接口对齐。

第 4 行最容易被漏:页面切后台如果直接结算,用户切个微信回来会变成两局,时长全错。

第 5 行是全篇最反直觉的:日界必须固定成一个时区,否则同一批玩家在各时区「今天」不同,曲线会出现锯齿。

3 怎么算一次会话

3.1 口径:按一局,不按不活动时间

会话的定义决定后面所有数字。通用工具按「30 分钟不活动」切会话,我们的口径是按一局:进关开始,退出或打完这一关结束。理由很直接——这个游戏的价值在关卡里,玩家在菜单里逛二十分钟和真的打完一关是两件完全不同的事。按不活动时间切,会把「打完一局回菜单发呆」和这一局算在一起,也会把「连续打三局」切成三段。

3.2 接口:游戏侧只留两个口子

为什么不切到每个动作?统计先要能回答三个问题:今天有多少人来、现在谁在线、一局玩多久。这三个问题各自只需要一类事实,更细的粒度是分析阶段才用得上,一开始就切细只会让上报变重、口径变复杂。

把时间线摊开,一条会话的流程是:进关 → 建立会话并标记「在游戏中」 → 每隔几十秒刷新一次「我还在」 → 打完或退出时补上时长。三条记录线(在线状态、会话、按天归档)互相独立,只是时间上挨着。

整条流程在代码里被收成很窄的入口:游戏侧只暴露两个口子——一局开始、一局结束。剩下的事(每隔几十秒上报「我还在」,也就是心跳;按天归档;把一局算成一次会话;结束时补上时长)都在统计模块内部完成。游戏代码不需要知道统计怎么算;反过来,统计口径要改的时候,改的是统计模块,游戏逻辑一行不动。

本地跑起来只需要 Node 18 和项目依赖(npm install);上报走项目里已有的网络层,本地开发时直接跳过上报,避免把测试数据写进线上统计。

会话的结束只有两条路:一局正常打完或退出,立刻结算;玩家直接关掉页面,靠浏览器在关闭时补一次结算。后者要用页面即将销毁前触发的事件(pagehide)——那是关页面时最后一个还能可靠执行代码的时机,beforeunload 在移动端不牢靠,unload 更不牢靠。

4 在线与游戏怎么分

在线这一点每隔几十秒刷新一次,本质是一句「我还在」。它不保留历史,只记最后一次活跃的时间,所以「在线」只能靠「最后活跃时间离现在够近」来判断——比如三个心跳周期以内,刚好容忍一次丢包和一次切后台。超过这个窗口就不再算在线:不是他一定关掉了页面,而是我们不再有证据说他在。

这个判定带来一个容易被忽略的结论:在线不等于在玩。在线快照同时带着「是否在游戏里」,但两个数字的语义完全不同——在线是「页面还开着」,在玩是「正在一局里」。实测在线 9 台里,真正在游戏中的经常只有 1 台:其余的人在菜单、聊天、挂机,或者只是浏览器没关。所以后台必须分开显示;一旦合并成一个「活跃用户」,运营就会误判,以为有一批人在玩,实际只有一个。

切到后台怎么算?页面隐藏时只停心跳、不结算这一局,因为用户很可能只是切了个应用又回来;代价是「切走之后再也不回来」的会话会一直挂在打开状态,这是当前设计已知的边界。

最后是按天归档,它回答的是「今天有多少个不同的访客」:每结束一局就按当天日期和访客标识写一条,重复写还是同一条,所以它天然等于当天去重后的人数。日期固定按东八区算,不按浏览器本地时区——否则跨时区玩家的「今天」和后台的「今天」不是同一天,日活曲线会出现锯齿。

5 后台看什么

统计配了一个独立的小站点:只读、不影响游戏,五个页面(概览、日活、在线、会话、地区)。最值钱的是三块指标,下面按「看什么、怎么用」拆开。

第一块是站点时长与游戏时长的拆分。一个会话里有多少时间在菜单、聊天、挂机,多少真的在玩——两个数分开算,合并看会严重高估游戏时长。

第二块是时长分位与时段分布。平均值会被一个 664 分钟的挂机会话带偏,所以同时看两个分位:一半的会话短于多少分钟、九成的会话短于多少分钟,再按小时看分布,判断玩家集中在什么时段。

第三块是地区分布。没有网际协议(IP)地址库,用语言和时区推断,精度有限,但足够决定什么时候发公告、往哪个时区挪活动时间。

刷新策略也调过:在线和会话页最初 30 秒刷新一次太慢,改成 5 秒、三个页面统一;后来加了窗口失焦暂停轮询——浏览器自己的页面可见性事件覆盖不到「切到别的应用但页面仍算可见」的情况,只能靠窗口失焦补。

6 坑表与下一步

下面这张表按「是什么 → 为什么是坑 → 怎么解决 → 为什么能解决」排:

坑是什么 为什么是坑 如何解决 为什么能解决
沿用 GA 脚本 事件对象不裁剪,元素变 detached,端到端测试增量 +330/+58 自研最小上报,只留自己的数据 上报量与生命周期都由自己控制
用访客名做日活去重 多人可重名,会少算 去重键改用访客标识 访客标识唯一,名字不唯一
按天归档用浏览器本地时区 跨时区玩家的「今天」不一致,曲线锯齿 固定东八区 前后端读同一个日界
把在线当在玩 在线 9 台里可能只有 1 台在游戏中 两个指标分开统计、分开展示 语义不同,不能共用一个数字

下一步:先写下你要回答的三个问题(日活、在线、单局时长),再按第 2 节的思路定三类记录的键,最后把「在线 ≠ 在玩」写进后台的展示说明。

还能怎么改进

当前设计有三处做不到的地方:

  1. 地区只能推断:没有 IP 库,用语言和时区推断地区,精度只够决定「什么时候发公告」,做不了投放分析;
  2. 切走不回来的会话会挂着:只靠「关页面」结算,用户直接杀进程时这一局没有结束时间,后台统计要用「超过 N 分钟无心跳就按 N 分钟截断」兜住;
  3. 口径改了历史数据不重算:会话的定义一旦改(比如从「进关到退出」改成「进关到打完」),旧数据不会按新口径重算,前后曲线不可比 —— 要可比就得在库里存口径版本号。

这些内容来自哪里

这些内容来自一个统计后台从零搭到能看数的过程:先定采集口径,再按真实使用情况反复修正会话与在线的算法,前后跑了几十轮验证。文中的耗时、比例和分位数字都是当时实测的结果。

相关文章