資料挑戰賽_當遊戲營運遇上痞客邦 (dec 19, 2015)
Post on 22-Feb-2017
469 Views
Preview:
TRANSCRIPT
當遊戲營運遇上痞客邦Andy 陳逸凡 (Chen I-Fan)
關於我• 任職於遊戲公司– 遊戲伺服器開發– 營運數據分析與決策
遊戲業很吃速度,方向抓個大概就快去執行接下來的分享其實不怎麼統計,但有些相似點跨產品都適用
先簡化問題 – 只看 PV
因此一個活躍狀況良好的訪客 Tag 就會是 OOOOO
依據題目,以周活躍當作分群規則上 Tag
十一月份27 28 29 30 31 1 23 4 5 6 7 8 910 11 12 13 14 15 1617 18 19 20 21 22 2324 25 26 27 28 29 301 2 3 4 5 6 7?
V V
VVVV
遊戲業常用的 NES model
沉睡玩家的行為較難掌握因此先從新玩家、老玩家切入
N E SNew 新玩家 Existing老玩家 Sleeping沉睡玩家
XXXXOXXXOOXXOOOXOOOO
OOOOO OXXXXOOXXXXXXOXXOXXO…..
5 種 1 種 25 種
老玩家通常是已經沉澱的用戶
EExisting老玩家
OOOOO?直接對每位老玩家的逐周 PV 數拉趨勢線來預測
Pre- w1 w2 w3 w4 w5
新玩家前期會有比較高的 PV 增長幅度XXXXO?
利用其他 tag 的資料來幫助決策
Pre- w1 w2 w3 w4 w5NNew 新玩家XXOOO w1 w2 w3 w4PV數 - 2,589 3,364 3,643周成長 - - 1.299 1.083XXXOO w1 w2 w3 w4PV數 - - 2,840 3,558周成長 - - - 1.253
沉睡用戶非常難掌握XOXXX?
各領域都有類似指標,沉睡用戶喚回的機率約為 10%
Pre- w1 w2 w3 w4 w5SSleeping沉睡玩家
下一步該怎麼走?與其花時間預測誰會回來,不如直接預測誰會流失
Session 是很好的領先指標每天 Session 頻次、時長,透露了玩家的投入程度
Session 頻次低、 Session 時間不長暗示使用者屬於輕度、或有潛在流失的特徵,離開的機會大
拿相似族群,但不同的結果來比較XXXXO?N
新玩家
XXXOXS沉睡玩家潛在流失玩家
XXXOON 留存新玩家
預測組
參考組
低 PV 數、低活躍頻次有較高的流失機會
0 1 2 3 4 5 6 70510152025303540
XXXOX(流失 ) v.s. XXXOO(留存 )
一周 PV(流失 )
一周 PV(留存 )
一周內有幾個登入天
PV數
找出一個切面切出較多的流失樣本,且犧牲較少的留存樣本
於是產生了這樣的 Tag 變形
因為都是變形,不在程式設定的計算條件所以程式碼不用更動,直接會預測為 0
同樣複製方法給 XXXOO 、 XXOOO 應用
接下來想處理 XOOOO
人數異常彈升暗示 XOOOO 混到了不少老玩家只是剛好前兩天沒上線
Tag 計數 cookie_pta
XXXXO 1,237
XXXOO 623
XXOOO 525
XOOOO 1,266隨著時間拉長,同期進來的玩家理應慢慢減少
To be continued…
Thank you for your attention.
andy@gamesofa.comifanchen22@gmail.com
陳逸凡 (Chen I-Fan) Andy
top related