【数据分析项目实战】篇1：游戏数据分析——新增、付费和用户行为评估
目录
0 结论
1 背景介绍
1.1 游戏介绍
1.2 数据集介绍
2 分析思路
3 新增用户分析
3.1 新增用户数：
3.2 每日新增用户数：
3.3 分析
4 活跃度分析
4.1 用户平均在线时长
4.2 付费用户平均在线时长
4.3 日活跃用户（日平均在线时长>10min）数及占比
4.4 分析与建议
5 游戏行为分析
5.1 对比普通玩家和付费玩家的pvp及pve情况
5.2 对比普通玩家和付费玩家各类资源使用情况
5.3 分析与建议
6 用户付费分析
6.1 游戏的总体付费转化率
6.2 新增付费用户数：
6.3 每日新增付费人数
6.4 每日新增付费用户占比
6.5 ARPU
6.6 ARPPU
6.7 不同等级的玩家对应付费情况
6.8 分析与建议
0 结论
先上结论，想看操作和分析思路的可以最后再来看结论。
（1）新增用户分析
新增用户有828934人，其中付费玩家有19549人，付费人数占注册总人数的2.36%。 游戏在3月10日有开设新服，新增玩家在当天大幅增长，但后续新增用户下降很快，而且恢复的和开新服前水平一样，并没有维持高热度。建议加大活动力度，并保持一定的时间维度，给玩家充分了解游戏的时间；提高用户分享、拉新奖励，才能持续提高游戏热度。
（2）玩家活跃度分析
游戏用户平均在线时长为12分钟，付费玩家平均在线时长为136分钟，付费玩家的平均在线时长要远远大于平均值。 开新服后，日活跃率在15%-20%波动。
（3）付费玩家习惯分析
普通用户和付费用户都更倾向于发起PVE模式，从获胜率来看，是由于PVE模式中获胜的概率远高于PVP；在PVP模式中，付费玩家的发起概率和获胜概率都高于普通用户，且付费玩家相比普通玩家更多的发起PVP的对战，可以看出付费玩家对此款游戏的忠诚度高。
付费用户对各项加速道具消耗更高、使用率相也更高，付费玩家更愿意花钱获得加速。这也解释了为什么付费玩家更愿意发起PVP，因为相对一般用户，付费用户的各项等级都要高于一般用用户，更容易取得胜利。
建议将失败率较高的玩家发起PVP匹配的对手为人机，使用户获得心理满足，使用户更愿意发起PVP对战，也可提高游戏整体活跃人数。在前期可对玩家赠送充足的加速道具，提升玩家等级，加强用户对加速道具的依赖程度，提高大部分未付费的用户体验感。
对游戏里那些花了很多时间但0氪的大佬玩家，则要发挥他们在游戏里的号召力以及社交影响力，鼓励这一群体制作游戏二创视频，在互联网上发布，针对优质内容制作者给予现金奖励或流量扶持，维持游戏高热度。
（4）玩家付费情况分析
付费用户有19549人，付费率2.36%，由于3月10日众多新用户的涌入，每日新增付费用户占比趋于下降，这次开服主要是为了吸引新用户而非盈利，为后续进一步付费转化做准备。游戏的ARPU为4.31元，ARPPU为28.49元。
从各等级人均付费金额（ARPU）来看，低等级用户基本不付费，用户在10、11级之后付费金额上升比较明显。针对低等级用户0氪且流失率高的情况，应用如下办法应对：
开展一个首充活动，比如首充1元可得648礼包，提高游戏付费率，以提高广告渠道商认可；
增长新手引导流程，尽可能提高用户等级；
用户升级后，引导用户发起PVP或PVE对战，并为其匹配低难度玩家，使其赢得对战，以此提升用户升级欲望。
针对氪金用户：
优化付费流程，减少游戏用户付费阻力；
不断更新版本，不断保持用户新鲜感；
新增开发者问答板块，采纳用户合理且有价值建议，利用“宜家效应”，提升用户在游戏开发中的参与感；
发展游戏内社交属性，提高用户沉没成本。
1 背景介绍
1.1 游戏介绍
对游戏进行数据分析，首先离不开对游戏的了解，不了解游戏很可能会影响自己的分析，从而得出错误的结论。在体验了游戏之余，混迹了微博、贴吧等社群，对游戏的玩法有了一定了解后，对数据集的各种字段代表的含义也有了一定的理解，由此开始对该数据集进行数据分析分析。
《野蛮时代》（Brutal Age）是一款SLG类型的手机游戏。即策略类游戏，像我们熟知的《文明》系列（虽然是买断制主机游戏，但也还是肝疼）、《率土之滨》以及最近腾讯天美大力宣发的《重返帝国》就是属于这一类型的，这类型有个共同点就是废肝（最近这一类型抽卡的也变多了），当然如果氪金的话可以少花很多时间。
1.2 数据集介绍
该数据集为该游戏自2018/3/7至2018/3/22的数据，有用户ID、注册时间、游戏资源（木头、石头、象牙、肉、魔法等）、兵种（勇士、驯兽师、萨满）、加速券（通用、建筑、科研、训练、治疗）、建筑、科研、PVP、PVE、在线时长、付费金额、付费次数等109个字段。其中：主键为user_id，在线时长为avg_online_minutes，且一部分用户该字段的值为小于一的小数，可以理解为该在线时长为此用户七天平均的在线分钟数。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
2 分析思路
根据现有数据集，大概制定了以下的的初步思路：
3 新增用户分析
3.1 新增用户数：
共有828934个用户注册。
3.2 每日新增用户数：
3.3 分析
从上图我们可以看到，每日新增用户在3月10日大幅增长，根据官博的信息：这两天是游戏新服开服的时间，故注册人数大幅增加。
4 活跃度分析
4.1 用户平均在线时长
4.2 付费用户平均在线时长
4.3 日活跃用户（日平均在线时长>10min）数及占比
整理可得图表如下：
4.4 分析与建议
结论：
- 付费用户与活跃用户的人数增长呈现相同波动趋势。
- 开新服后，日活跃率在15%-20%波动，日付费率在3%左右波动，数据较好。
建议：
- 合理分析活跃用户变化和付费用户的具体游戏情况，找到该人群的特点，以便引导普通玩家向活跃用户和付费用户转化。
- 做好预防用户流失的措施，提高用户留存率。
5 游戏行为分析
通过对用户游戏行为进行分析，可以知道游戏道具的资源使用率，从而帮助运营调整方案，同时可以了解用户的使用习惯，帮助广告更加精准的投放。
分析思路：
- 对比普通玩家和付费玩家的pvp及pve情况
- 对比普通玩家和付费玩家各类资源使用情况
5.1 对比普通玩家和付费玩家的pvp及pve情况
- PVP
普通用户：
SELECT ROUND(AVG(pvp_battle_count),0) AS '平均PVP次数', CONCAT(ROUND((SUM(pvp_lanch_count)/SUM(pvp_battle_count))*100, 2), '%') AS '主动发起的占比', CONCAT(ROUND((SUM(pvp_win_count)/SUM(pvp_battle_count))*100, 2), '%') AS '获胜的占比'
FROM data
WHERE pay_price = 0返回结果如下：
付费用户：
SELECT ROUND(AVG(pvp_battle_count),0) AS '平均PVP次数', CONCAT(ROUND((SUM(pvp_lanch_count)/SUM(pvp_battle_count))*100, 2), '%') AS '主动发起的占比', CONCAT(ROUND((SUM(pvp_win_count)/SUM(pvp_battle_count))*100, 2), '%') AS '获胜的占比'
FROM data
WHERE pay_price > 0返回结果如下：
- PVE
普通用户：
SELECT ROUND(AVG(pve_battle_count),0) AS '平均PVE次数', CONCAT(ROUND((SUM(pve_lanch_count)/SUM(pve_battle_count))*100, 2), '%') AS '主动发起的占比', CONCAT(ROUND((SUM(pve_win_count)/SUM(pve_battle_count))*100, 2), '%') AS '获胜的占比'
FROM data
WHERE pay_price = 0返回结果如图：
付费用户：
SELECT ROUND(AVG(pve_battle_count),0) AS '平均PVE次数', CONCAT(ROUND((SUM(pve_lanch_count)/SUM(pve_battle_count))*100, 2), '%') AS '主动发起的占比', CONCAT(ROUND((SUM(pve_win_count)/SUM(pve_battle_count))*100, 2), '%') AS '获胜的占比'
FROM data
WHERE pay_price > 0返回结果如图：
整理可得图表如下：
5.2 对比普通玩家和付费玩家各类资源使用情况
- 资源类：
普通用户：
SELECT CONCAT(ROUND(SUM(wood_reduce_value)/SUM(wood_add_value)*100, 2), '%') AS '木材使用率', CONCAT(ROUND(SUM(stone_reduce_value)/SUM(stone_add_value)*100, 2), '%') AS '石头使用率', CONCAT(ROUND(SUM(ivory_reduce_value)/SUM(ivory_add_value)*100, 2), '%') AS '象牙使用率', CONCAT(ROUND(SUM(meat_reduce_value)/SUM(meat_add_value)*100, 2), '%') AS '肉类使用率', CONCAT(ROUND(SUM(magic_reduce_value)/SUM(magic_add_value)*100, 2), '%') AS '魔法使用率'
FROM data
WHERE pay_price = 0返回结果如下：
付费用户：
SELECT CONCAT(ROUND(SUM(wood_reduce_value)/SUM(wood_add_value)*100, 2), '%') AS '木材使用率', CONCAT(ROUND(SUM(stone_reduce_value)/SUM(stone_add_value)*100, 2), '%') AS '石头使用率', CONCAT(ROUND(SUM(ivory_reduce_value)/SUM(ivory_add_value)*100, 2), '%') AS '象牙使用率', CONCAT(ROUND(SUM(meat_reduce_value)/SUM(meat_add_value)*100, 2), '%') AS '肉类使用率', CONCAT(ROUND(SUM(magic_reduce_value)/SUM(magic_add_value)*100, 2), '%') AS '魔法使用率'
FROM data
WHERE pay_price > 0返回结果如下：
整理可得：
从图中可以看出：
付费用户对象牙资源的使用率相比普通用户更高，其余的资源使用率差别不大。
- 加速类：
普通用户：
SELECT CONCAT(ROUND(SUM(general_acceleration_reduce_value)/SUM(general_acceleration_add_value)*100, 2), '%') AS '通用加速使用率', CONCAT(ROUND(SUM(building_acceleration_reduce_value)/SUM(building_acceleration_add_value)*100, 2), '%') AS '建筑加速使用率', CONCAT(ROUND(SUM(reaserch_acceleration_reduce_value)/SUM(reaserch_acceleration_add_value)*100, 2), '%') AS '研究加速使用率', CONCAT(ROUND(SUM(training_acceleration_reduce_value)/SUM(training_acceleration_add_value)*100, 2), '%') AS '训练加速使用率'
FROM data
WHERE pay_price = 0返回结果如下：
付费用户：
SELECT CONCAT(ROUND(SUM(general_acceleration_reduce_value)/SUM(general_acceleration_add_value)*100, 2), '%') AS '通用加速使用率', CONCAT(ROUND(SUM(building_acceleration_reduce_value)/SUM(building_acceleration_add_value)*100, 2), '%') AS '建筑使用率', CONCAT(ROUND(SUM(reaserch_acceleration_reduce_value)/SUM(reaserch_acceleration_add_value)*100, 2), '%') AS '研究加速使用率', CONCAT(ROUND(SUM(training_acceleration_reduce_value)/SUM(training_acceleration_add_value)*100, 2), '%') AS '训练加速使用率'
FROM data
WHERE pay_price > 0返回结果如下：
整理可得：
5.3 分析与建议
（1）对战分析：
结论：
- 用户都更倾向于发起PVE模式，从获胜率来看，可能是由于PVE模式中获胜的概率远高于PVP；也可能是由于PVP更难匹配到其他用户。
- 在PVP模式中，付费玩家的发起概率和获胜概率都高于普通用户，付费玩家相比普通玩家更多的发起PVP的对战。
- 付费玩家的PVP及PVE次数，明显高于普通玩家，并且可以看出付费玩家对此款游戏的忠诚度高。
建议：
- 将失败率较高的玩家发起PVP匹配的对手为人机，使用户获得心理满足，使用户更愿意发起PVP对战，也可提高游戏整体活跃人数。
（2）材料、道具分析：
付费用户对各项加速道具的使用率相比普通用户更高，加速道具是游戏前期会赠送的，也是游戏内付费购买的重要道具，由此可见，付费玩家更愿意花钱获得加速。这也解释了为什么付费玩家更愿意发起PVP，因为相对一般用户，付费用户的各项等级都要高于一般用用户。
建议：
（1）针对大R（鲸鱼用户），开展有针对性的活动，保护继续付费；
（2）优化游戏设计，在前期可对玩家赠送充足的加速道具，提升玩家等级，加强用户对加速道具的依赖程度，提高大部分未付费的用户体验感。
6 用户付费分析
6.1 游戏的总体付费转化率
6.2 新增付费用户数：
6.3 每日新增付费人数
结合文章第三部分新增用户分析整理可得注册人数与付费人数的变化趋势图：
6.4 每日新增付费用户占比
整理可得图表如下：
6.5 ARPU
ARPU = 总付费金额/活跃用户数（日平均在线时长>10min）
SELECT ROUND(SUM(pay_price)/SUM(CASE WHEN avg_online_minutes > 10THEN 1 ELSE 0 END), 2) ARPU
FROM data可得结果：
6.6 ARPPU
ARPPU = 总付费金额/付费用户数
SELECT ROUND(SUM(pay_price)/COUNT(user_id), 2) AS ARPPU
FROM data
WHERE pay_price > 0可得结果：
6.7 不同等级的玩家对应付费情况
要塞等级（bd_stronghold_level）是玩家游戏时长、游戏游玩深度、体验程度、参与度等直接体现，该指标与付费金额也具有一定相关性。
6.8 分析与建议
分析：
（1）根据注册人数与付费人数变化趋势图、新增用户及付费用户占比趋势图，由于3月10日众多新用户的涌入，每日新增付费用户占比趋于下降，这次开服主要是为了吸引新用户而非盈利，为后续进一步付费转化做准备。
（2）游戏的ARPU为4.31元，ARPPU为28.49元。根据GameAnalytics2019年发布的《全球手游分析报告》，全球策略类（SLG）手游的ARPU值平均为0.4美元，头部策略类（SLG）手游的ARPU大约为2.4美元。所以综上对比来看，本文分析案例的SLG手游收入为0.68美元，高于平均值，但距离头部产品还有较大差距。当然这也与我们选取活跃用户的标准有关。如果将活跃用户标准拔高，这个值会更高。
（3）从各等级人均付费金额（ARPU）来看，低等级用户基本不付费，用户在10、11级之后付费金额上升比较明显，13级之后上升明显加快；等级超过20级之后出现明显的波动，分析原因发现是因为样本量太少，代表性不强（21级3人，22级2人，24级2人）。
建议：
（1）增长新手引导流程，尽可能提高用户等级；
（2）用户升级后，引导用户发起PVP或PVE对战，并为其匹配低难度玩家，使其赢得对战，以此提升用户升级欲望。
WELL，这次的项目分享暂时就到这里，下期我们来看一个淘宝用户分析的实战，敬请期待嗷！
【数据分析项目实战】篇1：游戏数据分析——新增、付费和用户行为评估相关推荐
- 【数据分析项目实战】Python爬取BOSS直聘岗位和数据分析
说明:这是一个数据分析项目全流程(附带项目实例),本篇教程来源于网络,胖哥对此进行了完整的梳理,并把用到的数据+代码完全奉上.如需数据+完整代码可以直接到文章最后获取. 这里面的数据,我只爬取了部分, ...
- python分析微博数据中心_未明学院：量化金融项目实战，成为掌握数据分析技能的复合型人才！...
原标题:未明学院:量化金融项目实战,成为掌握数据分析技能的复合型人才! 金融科技(FinTech)的风口下,想进入核心岗位找到自己的机会,在这个风口中起飞,却不懂数据和编程?你正在失去机会-- 1. ...
- 项目实战—教育平台大数据分析系统
项目实战-教育平台大数据分析系统 一.数据准备 1.日志数据字段数据字典 2.日志文件test.log 二.项目需求 三.项目介绍 项目需求 数据源 技术栈 四.完整代码 一.数据准备 1.日志数据字 ...
- python数据分析及可视化（十五）数据分析可视化实战篇（抖音用户数据分析、二手房数据分析）
python数据分析的实战篇,围绕实例的数据展开分析,通过数据操作案例来了解数据分析中的频繁用到的知识内容. 抖音用户数据分析 1.理解数据 数据字段含义 了解数据内容,确保数据来源是正常的,安全合法 ...
- 福布斯系列之数据采集 | Python数据分析项目实战
1 数据采集概述 开始一个数据分析项目,首先需要做的就是get到原始数据,获得原始数据的方法有多种途径.比如: 获取数据集(dataset)文件 使用爬虫采集数据 直接获得excel.csv及其他数据 ...
- PythonWeb仿51edu项目实战篇视频教程教学视频
课程简介: Python Web 仿51edu项目实战篇 视频教程 教学视频 -----------------课程目录----------------- 课程介绍及开发环境 django基础知 ...
- Python和Java结合的项目实战_[项目实战] Python高级教程项目实战篇 Python和Java结合的项目实战 视频教程 [...
资源介绍 课程简介:xa0xa0 Python高级教程项目实战篇 Python和Java结合的项目实战 视频教程 教学视频 ----------------------课程目录 Python项目实战篇 ...
- C# Xamarin For Android移动开发项目实战篇
一.课程介绍 在前面阿笨的<C# Xamarin移动开发基础进修篇>课程中,大家已经熟悉和了解了Xamarin移动App开发的基础知识和原理.本次分享课<C# Xamarin移动开发 ...
- 洗礼灵魂，修炼python（82）--全栈项目实战篇（10）—— 信用卡+商城项目（模拟京东淘宝）...
本次项目相当于对python基础做总结,常用语法,数组类型,函数,文本操作等等 本项目在博客园里其他开发者也做过,我是稍作修改来的,大体没变的 项目需求: 信用卡+商城: A.信用卡(类似白条/花呗) ...
- 软件测试 - 项目实战篇
项目实战篇 一.需求分析 1.1.百度登录模块需求分析 1.2.csdn发布文章模块需求分析 二.测试计划 三.设计用例 3.1.百度登录模块用例设计 3.2.csdn发布文章模块用例设计 四.执行用 ...
最新文章
- sersync+rsync做实时同步
- OpenCV感兴趣区域Region of interest的实例(附完整代码)
- 左神算法：调整搜索二叉树中两个错误的节点（Java版）
- python变量命名规则思维导图_Python思维导图详解
- Elasticsearch技术解析与实战（六）Elasticsearch并发
- 雅虎对提升网站性能的最佳实践（英文）
- python分布式框架_高性能分布式执行框架——Ray
- 基4fft算法的蝶形图_原地且自动整序的FFT算法
- Microsoft Blazor——动态内容
- 【转】vb 关于commondialog的多选
- Android+Jquery Mobile学习系列(3)-创建Android项目
- rabbitmq添加user及vhost
- 拼接sql语句参数绑定
- redis 慢日志查询
- 计算硬盘的计算机,硬盘整数分区计算器免费版
- 电脑硬盘双击打不开，只能右键打开
- centos7校正系统时间
- 能骑能健身的折叠电动车，短途出行新利器，五轮健身电踏车D1 Pro体验
- 【C语言总结】C语言预处理器
- 卫星遥感加持，农业更高效精准