上一页 1 ··· 6 7 8 9 10 11 12 13 下一页
摘要: 玩家生命周期早些时候,有位同行给了一个基于RFM的分析报告,但是不太明白上述用户中的3,4,5类为什么占比非常少,但是生命周期却非常长。下面是我的一些观点(由于不清楚具体的产品,只知道大概的类别是社交游戏):首先,使用了基于玩家充值的RFM分析,并把用户分成了8类,经过分析发现刚才上述的规律,那么我们具体来看。3类用户:高充值、远期、高频率(用户量4.38%,生命周期15)既然和充值相关那么我们就要考虑本身这类游戏的IB特点以及客群的特点,事实上,页游IB和社交游戏的IB有很多相似之处。从客群来说,年龄层次覆盖更加广泛,玩家对游戏寻求短期刺激,说白了少花时间,低成本(时间+精力),就是图一个“ 阅读全文
posted @ 2012-02-20 10:51 data->intelligence 阅读(3239) 评论(3) 推荐(2)
摘要: 鄙人在FPS方面做过一些小研究,近期感慨颇多,早先公司培训时接触到了《定位》,谈不上有多深入的了解,从自身的产品角度来看,今天要说的版本更新问题侧面要反映《定位》一书所要表达的意思。定位的基本原则不是去创造某种新奇的或与众不同的东西,而是去操纵人们心中原本的想法,去打开联想之结。定位的真谛就是“攻心为上”,消费者的心灵才是营销的终级战场。在FPS市场,现在的产品非常多,不过最成功的应该是CF(穿越火线),今天要从CF的版本更新方面说起,看看腾讯运营策略和值得学习的地方。CF的最新版本是《潜龙危机》(http://cf.qq.com/act/a20120210qlwj/index.htm),如下 阅读全文
posted @ 2012-02-18 16:49 data->intelligence 阅读(4827) 评论(0) 推荐(2)
摘要: 为了严谨,今天把ARPU的定义和国外的ARPPU统一起来,本文中后续涉及到的ARPU叫法代表了ARPPU。在很多国内外的游戏公司的财报中,我们经常看到ARPU这个指标,在游戏公司的产品运营数据分析中ARPU也是一个非常重要的数据指标,很多时候我们要和APA(付费用户数),PUR(付费比率)结合起来,衡量游戏整体的收益情况。这里要和大家说一下ARPU,从定义,计算,ARPU影响因素,分析概要来解读ARPU。ARPU就是每用户平均收益(ARPU-Average Revenue Per User),这个叫法其实比较模糊,因为 “每用户”的定义是根据每个公司的实际计算而不同的。ARPU在电信产业应用很 阅读全文
posted @ 2012-02-15 16:49 data->intelligence 阅读(49640) 评论(2) 推荐(2)
摘要: 前些天,写了一篇游戏数据分析的内容,大家的反响效果不错,可能内容有些简陋,有些小白,的确,在游戏BI之外,可能BOSS或者旁观者只能去关注这些指标性的数据,并问一些问题,而这是对于运营人员最要命的,因为要在很短的时间内去反馈和分析这些指标数据背后的问题。运营人员所熟知的数据指标其实是比较有限的,但是这些指标的变化带来的问题确实非常多的,也是需要作为一个运营人员去把控和找出问题所在,并及时汇报BOSS和拿出下阶段的改进意见。总结一下,运营人员需要了解的数据指标如下:CCU:实时在线曲线PCU:每日峰值ACU:平均同时在线人数DAU:每日活跃账号数(每日总登)MAU:月活跃账号数RU:首登玩家AR 阅读全文
posted @ 2012-02-08 15:32 data->intelligence 阅读(7176) 评论(2) 推荐(3)
摘要: 引言网游行业的数据挖掘技术一直来说都比较神秘,除了很多业内熟知的数据指标,更多的更深层次的数据解析和挖掘一直都是一个神秘的领域,作用和指导虚拟经济的运作,挖掘玩家行为,指定运营活动方案等等,无时无刻都得利用数据作为驱动,然而过分的利用数据驱动业务则会陷入一些误区,进而会导致一些重大决策失误出现,数据终归是数据,有时候数据也会撒谎。在网游行业的数据挖掘方面,很多电信企业的数据挖掘方案是值得参考和利用的。比如电信客户流失的特征提取,客户细分,客户流失预警,消费分析,套餐或者礼包制定模型。今天要说的是网游产品玩家流失特征提取与分析,对于一款网游产品而言,流失率的分析要从产品上线就一直伴随着,目的在于 阅读全文
posted @ 2012-02-03 23:50 data->intelligence 阅读(10744) 评论(0) 推荐(3)
摘要: 之所以想写这篇文章,是我许久以来一直想把Modeler和SPSS应用在目前的玩家数据分析和购买充值分析方面,游戏数据分析针对的群体其实和电信,互联网,电子商务很像,属于虚拟经济的分支,并且要通过数据化的手段,结合企业自身的BI建设及企业数据分析人员的研究解决一些棘手的问题。KNN作为一种分类算法的应用领域很宽,很广,尽管没有归纳树,后向传播等那么得心应手,不过还是要学习的和使用的。KNN可以应用在对新方案的评估和预测方面,当然要结合已有的样本(训练数据)进行对测试数据的分类和预测,这样就能够完成诸如电信新增套餐的制定,FPS同系列武器的更新把握和销售预计等等。KNN(k-Nearest Nei 阅读全文
posted @ 2012-01-31 16:59 data->intelligence 阅读(13365) 评论(0) 推荐(0)
摘要: 最近发现国内很多的博客、专业机构都开始学习国外的infographic,很早之前我也关注了些这样的内容,也作过一些,近期看了小蚊子的《谁说菜鸟不会数据分析》,里面讲解了很多图表要注意的地方,也试着做了几个,并改动了一下。后期发现在工作中竟然用上了,只是这种图表很耗费时间,有些华而不实,但有些很有用。以下试举两例给各位看看。瀑布图:下图是按照小蚊子书中的方法做的瀑布图,该图可以把每个月的数值直观的表示出来,简单快捷,方法这也不再累述,后来在实际过程中,发现大家想要的数据形式不是这样的,想要一个倒挂的瀑布,想按照时间的延伸,数值的高度也开始变高。于是在小蚊子讲的方法基础上我做了改进变成如下的样式: 阅读全文
posted @ 2012-01-18 18:33 data->intelligence 阅读(4136) 评论(8) 推荐(2)
摘要: 一款网游产品从开始研发,到进入CB、OB甚至后期商业化运营过程中,始终离不开对整个产品的定位,这个定位是结合整个产品的生命周期而进行的,并且还在不断的在各阶段发生重定位,因为潜在的客户是不断的发生变化的。其实,在一款产品或者一项服务推出去后,主要看的就是运营能力。如何把握运营中的定位是整个产品能否用生存和持续下去的关键,套用一句话就是:产品已经是生出来的孩子,已经定型,不大容易改变,而容易改变的事消费者的“心”。定位的基本原则不是去创造某种新奇的或与众不同的东西,而是去操纵人们心中原本的想法,去打开联想之结,目的是要在顾客心目中,占据有利的地位。一款产品的诞生必然会在市场处于某个位置,也许是领 阅读全文
posted @ 2012-01-13 15:09 data->intelligence 阅读(2870) 评论(7) 推荐(1)
摘要: 阅读全文
posted @ 2011-12-31 22:42 data->intelligence 阅读(540) 评论(0) 推荐(0)
摘要: 昨天写了一片关于累计充值的文章,有的网友说这篇文章写的过于学院派,没有实际的内容来作为作证,或者说这种危害和后果紧靠文章措辞是说明不了问题的,今天就向大家具体的分析一下这种影响和分析的切入点。某游戏在前期进行了两周的累计充值赠送新品活动,在充值数据上我们可以很直观的看到,充值比例有所拉升,而在之后的直接售卖武器阶段,充值效果并不是特别高,数据没有出现较大的异常。同时我们发现,持续两周的充值送新品活动,玩家的反映不是如预期那样处在一个很高的位置,相反,波动很明显,说明玩家对于这个活动存在疑虑,这也就造成了在购买决策阶段的停留时间变长,容易导致付费失败。从购买来看,反应情况就更加直接和明显。这个累 阅读全文
posted @ 2011-12-30 23:34 data->intelligence 阅读(1814) 评论(1) 推荐(0)
上一页 1 ··· 6 7 8 9 10 11 12 13 下一页