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:

  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:

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;

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。

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%

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。

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模型简介及WAU预测的更多相关文章

  1. 基于深度学习方法的dota2游戏数据分析与胜率预测(python3.6+keras框架实现)

    很久以前就有想过使用深度学习模型来对dota2的对局数据进行建模分析,以便在英雄选择,出装方面有所指导,帮助自己提升天梯等级,但苦于找不到数据源,该计划搁置了很长时间.直到前些日子,看到社区有老哥提到 ...

  2. 用python做时间序列预测九:ARIMA模型简介

    本篇介绍时间序列预测常用的ARIMA模型,通过了解本篇内容,将可以使用ARIMA预测一个时间序列. 什么是ARIMA? ARIMA是'Auto Regressive Integrated Moving ...

  3. TensorFlow-Bitcoin-Robot:一个基于 TensorFlow LSTM 模型的 Bitcoin 价格预测机器人

    简介 TensorFlow-Bitcoin-Robot:一个基于 TensorFlow LSTM 模型的 Bitcoin 价格预测机器人. 文章包括一下几个部分: 1.为什么要尝试做这个项目? 2.为 ...

  4. TensorFlow-Bitcoin-Robot:一个基于 TensorFlow LSTM 模型的 Bitcoin 价格预测机器人。

    简介 TensorFlow-Bitcoin-Robot:一个基于 TensorFlow LSTM 模型的 Bitcoin 价格预测机器人. 文章包括一下几个部分: 1.为什么要尝试做这个项目? 2.为 ...

  5. 转:概率主题模型简介 --- ---David M. Blei所写的《Introduction to Probabilistic Topic Models》的译文

    概率主题模型简介 Introduction to Probabilistic Topic Models      转:http://www.cnblogs.com/siegfang/archive/2 ...

  6. spring 事件驱动模型简介

    事件驱动模型简介 事件驱动模型也就是我们常说的观察者,或者发布-订阅模型:理解它的几个关键点: 首先是一种对象间的一对多的关系:最简单的如交通信号灯,信号灯是目标(一方),行人注视着信号灯(多方): ...

  7. Sequelize 关系模型简介

    Sequelize 关系模型简介 先介绍一下本文用到的术语: 源: 调用 sequelize 中关系方法的调用者 目标: 调用 sequelize 中关系方法中的参数 比如, User.hasOne( ...

  8. jvm-垃圾回收gc简介+jvm内存模型简介

    gc是jvm自动执行的,自动清除jvm内存垃圾,无须人为干涉,虽然方便了程序员的开发,但同时增加了开发人员对内存的不可控性. 1.jvm内存模型简介 jvm是在计算机系统上又虚拟出来的一个伪计算机系统 ...

  9. CSS box-flex属性,然后弹性盒子模型简介

    今天做项目的时候发现一个css3的新属性flex 一.什么是flex 它的作用是能够按照设置好的规则来排列容器内的项目,而不必去计算每一个项目的宽度和边距.甚至是在容器的大小发生改变的时候,都可以重新 ...

随机推荐

  1. 微软职位内部推荐-SW Engineer II for Azure Network

    微软近期Open的职位: Software Engineer II The world is moving to cloud computing. Microsoft is betting Windo ...

  2. Fragment 使用总结

    1. 要深刻理解Fragment 的生命周期 2. Fragment.getActivity()并不能保证非空. 3.如果在Fragment中有异步的回调, 特别要注意此时Fragment 是否还at ...

  3. PAT甲题题解-1041. Be Unique (20)-水题

    博主欢迎转载,但请给出本文链接,我尊重你,你尊重我,谢谢~http://www.cnblogs.com/chenxiwenruo/p/6789189.html特别不喜欢那些随便转载别人的原创文章又不给 ...

  4. 【SE】Week3 : 个人博客作业(必应词典)

    关于 微软必应词典客户端 的案例分析 [第一部分]  调研,评测 一.用户采访 1)   介绍采访对象的背景和需求: 被采访同学是马来西亚华裔叶能端同学,由于此前在马来西亚英语是第二语言,因此经常需要 ...

  5. 【Beta阶段】第一次Scrum Meeting!

    本次会议为第一次Scrum Meeting会议~ 会议时长:20分 会议地点:依旧是7公寓1楼会客室   昨日任务一览 明日任务一览 刘乾 预定任务:(未完成)#128 学习如何在Github上自动构 ...

  6. Linux第五章笔记

    5.1 与内核通信 系统调用在用户空间进程和硬件设备之间添加了一个中间层. 主要作用有: 为用户空间提供了一种硬件的抽象接口 系统调用保证了系统的稳定和安全 每个进程都需要运行在虚拟机内 5.2 AP ...

  7. 第二个Sprint冲刺第六天

    第二个Sprint冲刺第六天

  8. 读C#程序最小公倍数答案就是:2123581660200

    阅读下面程序,请回答如下问题: 问题1:这个程序要找的是符合什么条件的数? 问题2:这样的数存在么?符合这一条件的最小的数是什么? 问题3:在电脑上运行这一程序,你估计多长时间才能输出第一个结果?时间 ...

  9. CentOS7 安装redis 并且设置成服务自动启动

    通过 博客园 https://www.cnblogs.com/zuidongfeng/p/8032505.html 学习以及记录 1. 下载redis 现在最新的stable版本是 4.0.10 wg ...

  10. linux 命令大全,我去

    系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS ...