码迷,mamicode.com
首页 > 其他好文 > 详细

[游戏数据分析]WAU模型

时间:2016-02-03 18:15:04      阅读:192      评论:0      收藏:0      [点我收藏+]

标签:

声明:本博客中所采用的数据并非真实数据,会对真实数据加以变换,重在讨论游戏数据分析的思路。

这里是参考友盟的WAU模型[文章网址演示网址],利用某款游戏(以下称为游戏A)数据进行的分析。

作用:

1. 根据转移矩阵,可以对未来的WAU进行预测;

2. 查看”WAU用户构成”可以发现游戏的问题:新增过少?流失过多?忠诚用户过少?

概念解释:

这里所说的第N周,是往前推的第N周,如下图所示:

技术分享

  1. 新增用户:注册时间在该周的用户。
  2. 本周回流用户:上周未登录游戏,本周有登录游戏的用户。
  3. 连续活跃N周的用户:在连续N周都有登录,但是在第N+1周没有登录,比如:连续3周,也就是往前推3周都有登录,但是往前的第4周没有登录。
  4. 忠诚用户:连续5周及以上活跃的用户
  5. 近期流失用户:连续n周(1<=n<=4)没有登录过游戏的用户(第n+1周启动过),比如:连续4周没有登录过游戏,但是第5周有启动过游戏。

根据上述定义,周活跃用户(WAU)由:新增用户、连续2周活跃用户、连续活跃3周、连续活跃4周、忠诚用户,组成。将每一种用户类型视为一种用户状态,各状态间的转移关系如下:

技术分享

思路:

1.利用游戏A的活跃用户数据,按周将用户分成上述的各个类型,得到每周各个类型的人数;技术分享

2.计算前4周每周之间类型转移概率。得到3个转移概率矩阵,然后对矩阵中每项取平均值,得到如下的转移概率矩阵,用于后面WAU的预测。技术分享

注意到最后一行中:“近期流失用户”转换为“本周回流用户”和“近期流失用户”的概率之和不为1,这是前4周没有活跃且第5周有活跃的“近期流失用户”,在新的一周中,如果没有继续活跃,则不算是新的一周中的”近期流失用户“。

3.WAU预测

将前一周的各类型用户数乘以相应的转移概率,得到新一周的预测用户数。这里需要说明的是:新一周中“本周回流用户“是来自于两部分:1.上周的近期流失用户、2.上周的连续5周及以上没有登录的流失用户。对于第1部分的回流用户,直接用”上周的近期流失用户“乘以相应的转移概率即可。对于第2部分的回流用户如何计算呢?通过数据发现,(对于一款稳定的游戏而言)由”上周的近期流失用户“转化而来”回流用户“占总回流用户的比例是变化不大的,因此,计算"上周近期流失用户"转换而来的”本周回流“用户占比,前三周的值,取平均。然后用:近期流失用户*转移概率/该比值,即可得到预测的”本周回流用户“。预测的情况如下,与真实数据比较的误差率为3.6%

技术分享

其他结论:

1) 由上面的转移矩阵可知:用户连续活跃的周数越多流失的概率也就越低,流失后再回流的概率相对也更高;

2) 由下面,各类型用户在WAU中的占比可以得出:新增用户在WAU中占比最多,而连续活跃2周以上的人数占比较少,说明游戏的用户主要来自于新增用户,而老用户的流失情况较为严重。因此,应主要关注新用户的转化率及老用户的留存流失情况。第二个方面,“回流用户”占比较多,但是“回流用户”转换为“连续2周活跃”的概率较小,说明有很多用户并不是频繁地登录游戏,间隔一周以上会玩一下,但是玩玩后有很快又会流失掉(7天没有登录游戏定义为流失),可以深入地去分析这部分回流用户,是否回流一次之后就再也不回来?如果是这种情况,则需要对这占比很大的“回流用户”采取挽留措施,比如,登录奖励、道具打折之类。还有一个原因,用户对游戏玩法已经感到疲劳,不愿再玩游戏,从而导致老用户的留存率很低,这就需要考虑是否增加新的场景或者角色或者道具来吸引用户。

技术分享

3) 忠诚用户的数量在这5周中整体呈下降趋势(此处没给出具体数据),这需要引起运营的注意,因为这些App最优质用户的流失是整个App活跃用户规模开始缩水的前兆。

 

[游戏数据分析]WAU模型

标签:

原文地址:http://www.cnblogs.com/lzllovesyl/p/5180267.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!