热门分类: app推广
欢迎加入: QQ群(爱盈利CLUB) ASO推广/App运营/发文/友链,
关注本站微信
联系我们: 点击这里给我发消息

联系电话:010-58484096

相关分析在游戏中的应用

发现 seo 2598浏览 来源:
凭借着科技的力量进入了大数据时代,收集数据的能力也大大提高,分析师每天与这些“大”数据打交道。在游戏行业,我们拥有成熟的AARRR模型,从获客、活跃、流失和留存、收入到用户传播建立一个完美的闭环。除了常规指标,在分析过程中我们还会建立很多临时指标来辅助分析。面对这么多统计的数据,我们会好奇这些指标或者变量之间是否存在某种相关性,以及相关程度如何,这就用到我们今天要分享的内容——相关分析。



  在统计学上,用相关系数来描述变量之间的关系,相关系数的符号(+/-)表明关系的方向(正相关/负相关),其值的大小表示关系的强弱程度。下图是对相关系数的一个解读。


 

 



  下面列举几个游戏中进行相关分析的应用场景



  1、玩家付费能力



  评估一个玩家的付费能力与哪些因素相关,相关程度如何?


 

 



  与一个玩家的付费能力相关的因素有性别、年龄、教育程度、游戏时长、游戏频次甚至游戏中好友数。这些或多或少都与付费能力有一定的相关性。需要注意的是,像性别这样的定类变量不支持下面案例中的实现,需要点二列相关系数。



  2、游戏收入


 

 



  与游戏每天收入可能相关的因素有付费人数、活跃玩家数、付费率、ARPU、道具销售数量、道具价格和玩家总时长(日玩家总时长),哪些因素与收入相关程度密切,哪些因素相关只是偶然性呢?这些在接下来的案例会详细探讨。



  3、道具销量


 

 



  游戏中要进行相关分析的地方远不止这三个场景,理论上各个因素(变量间)都可以进行相关性分析,并通过相关系数反映相关程度,还是建议不要盲目分析,在不同时间段,根据自身的分析目的进行探索式分析和验证。



  接下来我们看一个相关分析的案例,工具的选择可以根据个人喜好,虽然Excel也可以进行相关分析,但是只列出相关系数,不能进行统计显著性检验,所以推荐使用SPSS或者SAS。

首先,整理好要分析的数据,这里收集某游戏两个月内每日收入、玩家数、日付费率、付费人数、道具销售数量等数据。


 

 



  选择分析->相关->双变量,然后选择要研究的变量如下图:

 

 



  点击确定后得到分析结果如下:

 

 



  **. 在置信度(双测)为 0.01 时,相关性是显著的。



  *. 在置信度(双测)为 0.05 时,相关性是显著的。



  结果稍微复杂了些(SPSS结果显示比较全面,有些指标不需要关心),我们只选择我们需要的数据来看,只看最后一行(蓝色部分),即收入与其他因素之间的相关性。



  从上图结果可知,收入与日付费率和付费人数相关系数分别为0.961和0.954,具有强相关性。收入与道具销量相关系数为0.609,为中度相关。显著性均为0.000远小于0.05,说明分析结果显著。而收入与玩家数(日活跃)相关系数为0.142,弱相关,从显著性检测结果0.272来看大于0.05,说明玩家数对收入相关性不显著,两者存在一定的偶然性。



  上面例子中的分析结果并不代表整个游戏行业的数据表现,本文只是传达一个分析方法,在游戏运营中多做一些探索式的相关分析,说不定就能发掘出很大的价值和规律。此外,相关分析只是分析变量之间是否相关以及相关程度如何,并不代表变量之间一定存在因果关系。就像卖冰棍和发生火灾数有很大的相关性,但他们都与温度高(夏天炎热)有关联一样。接下来的文章会讨论回归分析,用数据模型量化这种相关关系,并做一些预测。

转载请注明:爱盈利 » 相关分析在游戏中的应用

展开全文
爱盈利
电话:010-58484096
寻求报道 |  广告合作
京ICP备15063977号-2
xml  网站地图
© 2012-2018 aiyingli.com. All Rights Reserved.
微信公众号
 

开发者服务

微信二维码
 

商务合作

微信二维码
 

运营小咖秀

微信二维码