摘要: 1. presto: 1. array_position(applist_install, 'com.funtomic.matchmasters') > 0 2. split('joyit_daily_mas_cleaner','_')[3]—>presto 从1开始计位(spark从0开始计位) 阅读全文
posted @ 2024-08-30 09:00 牧野之月 阅读(101) 评论(1) 推荐(0)
摘要: 渠道也需要做留存率的预估,这时候我们除了简单的留存率根据幂函数拟合的方式预估之外,还可以考虑的就是用stl分解后用arima预估 首先考虑了下这个产品是否有周期性,周期性一般是季节性比如说12个月,或者说7天这样的。 游戏产品星期1~星期天的留存率汇总看了下确实是存在7日的变动规律。 STL的季节拆 阅读全文
posted @ 2024-05-08 21:34 牧野之月 阅读(63) 评论(1) 推荐(0)
摘要: ltv预估可以分成两种类型的场景: IAA类型的广告收入:这时候采用LT*ARPU的方式来做预估。 LT通过留存率做幂函数拟合,获得留存率函数 ARPU采用一段时间内的平均ARPU 适用于较为稳定期的产品,但ARPU这个用均值还是有一些隐患。 IAP类型的交易收入:周付费LT周付费ARPU 周付费L 阅读全文
posted @ 2024-05-08 21:02 牧野之月 阅读(259) 评论(0) 推荐(0)
摘要: PART1 推荐策略 工作中在推荐小说、特效、陪玩的时候针对用户会有不同的推荐。这里主要讲一下推荐中存在的问题和解决方法。 推荐: 主要指的是通过用户和物品的关联(例如兴趣、文化、用户属性)给出用户感兴趣的物品。 常见场景是满足用户「逛」的需求,通过抓手物品引出相似物品推荐,提高用户的停留时长和体验 阅读全文
posted @ 2024-04-29 18:45 牧野之月 阅读(129) 评论(0) 推荐(0)