計算方法のロジック説明

最終更新 2026/10/03

イベント分析の分析指標や、継続分析・分布分析の同時表示指標を設定する際は、分析内容に応じて適切な計算方法を選択する必要があります。この章では、一部の計算方法のロジックについて説明します。

プリセット計算方法

• 合計回数：イベントがトリガーされた回数
• ユニークユーザー数：イベントをトリガーした重複しないユーザーの数
• 一人当たり回数：合計回数/ユニークユーザー数。イベントをトリガーしたユーザー1人あたりの平均トリガー回数

数値型プロパティ

計算方法	ロジック
平均値	プロパティ値の合計/プロパティ値の個数
一人当たり値	プロパティ値の合計/ユニークユーザー数。イベントをトリガーしたユーザー1人あたりのプロパティ値の合計の平均
中央値	プロパティ値を大きい順に並べたときに中央に位置するプロパティ値。プロパティ値の個数が偶数の場合は、中央の2つの値の平均値

平均値はデータの平均的な傾向を表しますが、他より明らかに高い、または低いプロパティ値がある場合は、中央値のほうが平均値よりも全体の状況をよく表します。たとえば、4人のユーザーが合計7回の課金イベントをトリガーしたとします。

ユーザー	各回の課金額
A	6、648
B	30、30、30
C	128
D	6

• 平均値 = 125.43
• 一人当たり値 = 219.5
• 中央値 = 30

計算方法	ロジック
N百分位数	第N百分位に位置するプロパティ値。中央値は50百分位数

中央値のほか、データの分布状況をより的確に把握するためにN百分位数もよく使われます。たとえば、コアリソースの保有量のN百分位数の変化を観察して、リソースを消費させる新しいアイテムを投入すべきかどうかを判断します。

計算方法	ロジック
分散	まず平均値を求め、次に各プロパティ値と平均値の差の2乗を計算し、最後にその平均を取る
標準偏差	分散の平方根

分散と標準偏差は、データのばらつきを測るために使用できます。たとえば、テストグループとコントロールグループの課金額の一人当たり値が近いにもかかわらず、テストグループの標準偏差がコントロールグループより著しく高い場合、テストグループの指標データは高額チャージ注文の影響をより大きく受けていることを示します。

リスト型プロパティ

計算方法	ロジック
リストのユニーク数	リストを1つのまとまりとして扱い、重複しないリストの数を集計
セットのユニーク数	まず各リスト内の要素を重複排除して並べ替えてセットを作り、次に重複しないセットの数を集計
要素のユニーク数	すべてのリストからすべての要素を取り出し、重複しない要素の数を集計

ゲームでは、出陣した複数のヒーローIDをリスト型プロパティに記録することがよくあります。何体のヒーローが出陣したことがあるかを分析したい場合は、「要素のユニーク数」で集計できます。また、「リストのユニーク数」または「セットのユニーク数」を使って、重複しない編成が何種類あるかを分析することもできます。後者は、リスト内のヒーローの順序や、複数回出現しているかどうかを区別しません。

[a,b,c]、[a,b,c,c]、[c,b,a]、[a,b,c,d]の4つのリスト型プロパティがあるとします。

• リストのユニーク数 = 4
• セットのユニーク数 = 2
• 要素のユニーク数 = 4

ブール型プロパティ

計算方法	ロジック
True totals、False totals	プロパティ値がTrue/Falseのイベント回数
Null totals、Not null totals	プロパティ値がnull/nullでないイベント回数