你好，我是邬凡奇，欢迎阅读我的博客，这是一篇基于手游行业的效果评价模型实战，数据全部来自真实生产环境，如果有疑问，可以给我留言

一、为什么要进行活动效果评价

在手游行业中，活动是提高用户参与度，加大用户粘性，提升收入的重要手段，而衡量活动效果的方式则多种多样，通常与活动的目标有关；如有的活动目标在于提高活跃，则活跃相关指标是评价这个活动效果的重要手段。对活动效果进行评价，得到评分，可以快速感知活动是否起了作用，在历史活动中处于什么位置，是否达到预期；

二、如何评价

本文采用标准差系数权重法，以本次活动为例进行活动效果的评价；以下是评价模型构建过程

1、评价指标选择

游戏的活动最终目的无非是两个：提升人气，提升收入
故本次评价指标选择了人气和收入的指标，分别是：
新增、活跃、流水、ARPU、付费率、转换老用户付费人数、转换老用户付费金额
其中：转换老用户付费的定义是，活动前已经是我们的免费用户，且用户生命周期>15天，在活动中进行了付费

2、对指标进行归一化

通常的归一化方法是使用Z=（x-μ）/标准差，此处也采用这个方法
x-数据值
μ-指标均值
补充归一化的意义：不同指标的单位，度量不同，要进行统一的计算，需要将其整理我相同量纲下的数据

3、计算指标的权重

step1：计算各指标的平均值、标准差
step2：得到离散系数：V=标准差/平均值
step3：权重系数=V/ΣV
step4：带入权重系数，计算最终的活动评分

4、为什么用标准差系数权重法确定权重？

原因是：标准差体现了数据的波动程度；在活动数据中，数据波动程度越大，说明受到活动的影响越大，因此需要更多的权重，以衡量活动的影响；
（此处可以用信息熵去衡量信息的含量，信息熵越大，信息越多，则权重应该越高）

三、开始实操吧

step1：获取源数据

sql从数据库中取出本年度历次活动的相关指标数据如下
经过和运营的同学讨论，由于游戏开服至今，活跃量、流水、付款人数等绝对值都受到时间周期的影响（如寒暑假），为了消除这种影响，我将数据指标换成活动开始后7天的：【次留率、付费活跃占比、付费率、ARPU、ARRPU、转换老用户数、转换老用户付费金额】；
为什么这么做呢？
1、时间长度统一限定为活动开始7天，避免有些活动时间长，累计的转换老用户数/金额较多，影响评价
2、其余指标均为比值，受到时间周期影响，绝对值指标有高有低，但比值结果可以客观反映指标高低

step2：进行模型计算

def get_active_score(_sheet_name):#读取数据data_source=get_data_source(_sheet_name)[['活动名称','开始时间','次留率','付费活跃占比','付费率','ARPU','ARPPU','转换老用户数','转换老用户付费金额']].rename(columns={'转换老用户付费金额':'转换老用户付费额'})#进行数据归一化--根据Z=（x-平均值)/标准差#获取指标名list_columns=list(data_source.columns)[1:]#求各指标均值means=pd.DataFrame(data_source.mean()).rename(columns={0:'平均值'})#求各指标标准差std=pd.DataFrame(data_source.std()).rename(columns={0:'标准差'})math_table=pd.merge(means.reset_index(),std.reset_index(),how='left',on='index').set_index('index')math_table=math_table[~math_table.index.str.contains('付费金额|付费人数|活跃量')]math_table['离散系数']=math_table['标准差']/math_table['平均值']math_table['权重系数']=math_table['离散系数']/math_table['离散系数'].sum()#对指标进行处理for i in list_columns[1:]:name=inew_name='s_'+ifinnal_name='score_'+imean_value=means.loc[i,'平均值']std_value=std.loc[i,'标准差']weight=math_table.loc[i,'权重系数']data_source[new_name]=data_source.apply(lambda x:(x[name]-mean_value)/std_value+100,axis=1)data_source[finnal_name]=data_source.apply(lambda x:x[new_name]*weight,axis=1)columns_info=pd.DataFrame(data_source.columns)finnal_column=list(columns_info[columns_info[0].str.contains('score')][0])score_table=data_source[['活动名称','开始时间']+finnal_column]score_table['最终得分']=score_table.apply(lambda x:x[finnal_column].sum(),axis=1)score_table.sort_values(by=['最终得分'],ascending=False)score_table.to_excel('active_scores{0}.xlsx'.format(_sheet_name))return score_table

最终结果如下：

模型的说明

本次实验中，全部选取活动开始后7天的数据，这是针对用户付费等行为集中发生在活动开始初期的活动类型；还有一些活动，他的衰减并不明显，整个活动周期内还会存在活动末期出现一波小高潮的情况，这个时候可以使用活动期间内的平均数据进行计算。

进行活动评价的时候，需要根据活动的实际规律调整选用的指标，不要生搬硬套哦~

活动效果评价模型--原理和实现（基于python）相关推荐

运营活动效果评估模型
一.运营活动介绍 1.什么是运营? 从概念开始之后的计划.组织.实施控制的管理行为的总和. 2.运营活动的目标是什么? 3.运营活动有哪些方式? 4.如何策划一场运营活动? 明确性:活动目的要明确.比 ...
word2vec原理及其实现(基于python）
word2vec原理词袋模型(bag of word)模型是最早的以词语为基本处理单元的文本向量化方法.举个简单的例子说明下. 假设有两个文本 John likes to watch movies, ...
python智能机器人设计与实现_从AI模型到智能机器人：基于Python与TensorFlow
领取成功您已领取成功! 您可以进入Android/iOS/Kindle平台的多看阅读客户端,刷新个人中心的已购列表,即可下载图书,享受精品阅读时光啦! - | 回复不要太快哦~ 回复内容不能为空哦 ...
基于Python的人脸表情管理系统设计与实现
目录摘要 I Abstract II 第一章绪论 1 1.1 研究背景及意义 1 1.2 研究现状 1 1.3 本文研究的主要内容 3 第二章人脸表情识别基础 4 2.1 常见的表情数据库 ...
python基于rsa的数字签名实现_青岛宽客聚会期权定价公式基于python的实现
点击上方蓝字,关注宽客空间 2020年8月16日,宽客空间走进石岭资产,参加了青岛宽客聚会的活动.本次活动分享题目为<期权定价公式基于python的实现>.本次活动的主讲人是来自青岛石岭资 ...
模型效果评价—混淆矩阵（原理及Python实现）
对于分类模型,在建立好模型后,我们想对模型进行评价,常见的指标有混淆矩阵.KS曲线.ROC曲线.AUC面积等.也可以自己定义函数,把模型结果分割成n(100)份,计算top1的准确率.覆盖率. ...
基于Python的足球团队合作评价模型及英文论文
2020 美赛 F 奖论文(一):摘要.绪论和模型准备 2020 美赛 F 奖论文(二)︰传球网络模型(PNM)的建立和影响因子分析 2020 美塞 F 奖论文(三)∶ 足球团队指标和基于机器学习的球 ...
基于在线学习行为的评价模型的设计与实现
基于在线学习行为的评价模型的设计与实现 1.评估模型的需求分析学习评价是学习者在学习过程中非常重要的部分,但因为在线学习和传统学习方式在学习环境.方式上的区别,所以在传统方式中的评价模式不太适用于在 ...
K-Means聚类算法 — 算法原理、质心计算、距离度量、聚类效果评价及优缺点
分类知识分类是根据样本某些属性或某类特征(可以融合多类特征),把样本类型归为已确定的某一类别中.机器学习中常见的分类算法有:SVM(支持向量机).KNN(最邻近法).Decision Tree( ...
arcgis交通可达性分析步骤_【规划广角】街道慢行品质的多维度评价与导控策略——基于多源城市数据的整合分析...
欢迎点击以上蓝色字体关注规划师杂志作者苏州规划设计研究院交通所所长.同济大学建筑与城市规划学院博士研究生樊钧,同济大学建筑与城市规划学院硕士研究生唐皓明,同济大学建筑与城市规划学院助理教授.硕士生 ...

活动效果评价模型--原理和实现（基于python）