首页 > 数据分析 > 优质游戏用户筛选模型
2014
11-27

优质游戏用户筛选模型

作者:jo,66team原创专稿,未经允许不得转载。

写在前面:从业几年,一直以来不太善于写一些总结性东西拿出来原因有二:1、语言能力天生短板,病毒传播属性较差;2、自知才疏学浅不敢造次。闫老板热情邀请多次,不胜推辞,只好硬着头皮尝试写一篇。定有不足、严谨欠缺之处,望指正。

由于最近市场小伙伴说,广告系统需要加一个成长机制。主要就是把优质用户反馈与广告系统,广告系统会根据这些优质用户的广告属性做更精准的人群定位。

那问题来了:如何判断一个用户是优质用户?

以前市场的同学经常要数据的同学抓取一些充值用户,导入fb的广告系统作为目标人群分析广告属性精准投放。但毕竟有时候充值用户的样本量不足略显尴尬。

为了解决这个问题,着手从充值用户外围分析挖掘出有充值潜力潜在用户的游戏属性,设置规则。当用户满足规则时候筛选到广告系统,供广告系统参考。

当然用户属性评测周期又不能无限制的长,假如我们用百日留存用户,那粘性当然好,但是会导致用户量较少,和周期太长的问题。

所以得出分析师下面要做的工作:在短周期内判断一个用户是否是潜在的优质用户。

进入正题

这里结合我们自己的游戏背景分析。一款ios,北美,消除类,轻度休闲游戏。所以结论不一定符合所有游戏,重点是思路。

当然我给出的第一条规则是:充值用户(哈哈,先有个开头)

其次从两个方面分析用户是否具有优质用户属性:

  • 充值用户相关属性,看分布是否有显著可参考性;
  • 充值用户充值前行为,和非充值用户行为是否有显著性差异,看是否有参考性;

先从第一条开始:主要是从充值用户首充等级、首充周期、首充前登陆频率(看官可以不限于此)

结果如下:

优质游戏用户筛选模型 - 非常6游戏团队(66team) - 1优质游戏用户筛选模型 - 非常6游戏团队(66team) - 2

用户首充等级四分之一值为23,众数为25,中位数26。说明用户到达23-25级以后变为充值用户的概率要比23以前大;另外观测首充周期,85%的用户在10天以内。并且95%用户登录频率在0.5以上。

 

给出规则:

非充值用户等级到达23级时判断时间周期<=10天,并且登陆频率>=0.5

同时用该规则对当前非充值用户,进行检验。发现当前非充值用户满足该规则,虽没有充值但是在等级、在线时长等表现用户粘性指标项要表现较高。(该规则需要拿到实际情境下验证,看一下效果,然后是否需要修正)

第二条,验证充值用户充值前行为,和非充值用户行为是否有显著性差异,看是否有参考性;

本次现根据经验对一下几种行为进行验证(当然可以根据实际情况筛选更多条件):授权fb,免费道具使用,打开充值窗口频率,打开道具购买频率,老虎机频率,免费代币购买频率等等(非充值用户取等级在23级以上)

优质游戏用户筛选模型 - 非常6游戏团队(66team) - 3优质游戏用户筛选模型 - 非常6游戏团队(66team) - 4

这里不对所有行为的验证结果展示,仅拿免费道具使用频率示例:

优质游戏用户筛选模型 - 非常6游戏团队(66team) - 5

通过验证结果,除了老虎机频率,免费代币购买频率之外,其他几项行为充值用户充值前频率要显著性高于非充值用户生命周期内频率。

所以可以在之前规则上添加规则:

例如:

非充值用户等级到达23级时判断时间周期<=10天,并且登陆频率>=0.5,并且每日平均使用道具次数>=1

或者单独作为规则使用:安装n日,非充值用户每日平均道具使用次数>=1;安装n日,非充值用户日均打开充值对话框次数>=0.5

根据筛选出来的这些条件,尝试多种组合进行验证。然后再次进行规则修正,达到最初的目的:在短周期内,通过用户的游戏属性、行为判断该用户是否是一个潜在优质用户。

当然以上均是个人观点,也属于研究初期产物,定还有更高层次挖掘空间。仅以此为砖,引大牛之玉。

最后编辑:
作者:jo
先后在百度、搜狐畅游担任数据分析师,现就职于某创业团队,负责BI工作

优质游戏用户筛选模型》有 1 条评论

留下一个回复

你的email不会被公开。