“大家好，我是李启方!今天跟大家分享游戏上新转化情况的相关知识。
老李最近看到一篇案例，是以一款SLG游戏为例，从数据分析的角度来研究SLG手游上新转化情况。
1、业务背景
近年来，手游已成为最具吸金能力的游戏模式。巨头与黑马角逐激烈，市场风云万变，红海状况持续存在。因此，精准营销，精细化运营势不可少，尤其当一个新游戏上线的时候，前期能不能精准吸引目标玩家、活跃化注册玩家，使玩家付费并留存，是一个游戏生死存亡的关键。由此，借助数据分析工具及时把握游戏基本情况，分析玩家动态，找出问题、分析问题并解决问题至关重要。
2、需求痛点
b.拆分需求：
当前游戏的运营现状如何？
如何更高效的引流？
如何提高玩家活跃度？
如何提高玩家留存度？
如何提高游戏的收益？
活跃玩家：前7日日均在线时长超过10分钟的玩家划分为活跃玩家；
7日付费：代表前7日付费总额；
45日付费：代表前45日付费总额；
ARPU：指的是每玩家带来的平均收入；
ARPPU：指的是每付费玩家带来的平均收益；
付费留存玩家：7日付费>0，且45日付费>7日付费的玩家；
付费流失玩家：7日付费>0，且45日付费=7日付费的玩家；
-
新增付费玩家：7日付费=0，且45日付费>0的玩家；
首先采用漏斗模型，呈现游戏各层次转化情况，了解当前游戏的整体运营情况；
接着按照分析思路进行用户活跃度分析，了解游戏是否能吸引到活跃玩家，为引流及提高活跃度的建议提供数据依据；
接下来，再对付费转化情况以及付费玩家的留存情况进行深入详细的分析；将进行活跃度与付费相关性分析、付费玩家分层分析，并进一步对游戏行为与活跃度、付费与否的关系进行分析，以深度挖掘游戏运营手段与付费转化的关系；
最后基于分析结果，为游戏运营提供总结性的决策支持。
数据为网络平台获取的《野蛮时代》游戏玩家付费数据。采用的数据有220w+条记录，60个字段。
数据源是将某个用户的各类游戏数据整合到了一行数据中，由200多万行数据组成一张汇总数据表。
在对数据进行分析前，我们对数据进行了数据预处理及初步加工的工作。主要包括去重、处理异常值、选取特征、调整数据格式等。
数据初步处理后，再根据分析需要进行初步的分析工作，为制作报表准备分析数据；
a.通过数据汇总、合并表格的操作整理好漏斗图的数据
b.通过对玩家打标签完成玩家分层，并进一步进行付费金额分析
c.探索七日消费金额与留存概率的相关关系
d.建筑等级数据处理计算
e.加速券使用情况数据处理计算
f.留存率数据处理计算
g.分层玩家的战斗数据处理
h.分层玩家的资源使用情况数据处理
1、背景简介&分析目的
首先对分析背景、分析目的、数据情况做了一个基本的描述
2、现状分析结论
我们分别从7日付费转化率、45日付费转化率、45日付费分布情况进行了付费转化率分析，也按照引流玩家-活跃玩家-付费玩家-付费留存玩家进行了漏斗分析。
3、活跃度分析及结论
我们定义前7日日均在线时长超过10分钟的玩家划分为活跃玩家；得出了引流到活跃的转化率非常低的结论；并从注册日期及时刻分布进行分析，并得出了相应分析结论及改进建议。
4、付费转化分析及结论
我们从七日总收入、45日总收入，以及对应的ARPU（每个玩家所带来的平均收入）、ARPPU（每个付费玩家所来的的平均收入）进行分析，发现两个指标都偏低。
5、活跃度与付费相关关系及结论
我们分析了不同活跃程度玩家平均付费、不同活跃程度玩家对总收入的贡献情况、不同活跃程度的付费玩家占比情况、新增玩家平均每日在线时长分布，并得出来相应的分析结论。
6、付费玩家留存分析及结论
我们完成了付费玩家留存概率、新增付费玩家概率的计算，进行了付费玩家分层、建筑-要塞之玩家分布情况、其他类建筑分布情况、付费玩家的消费金额分布的分析，并对前7日不同付费金额下的玩家流失概率及留存概率进行了分析。
7、游戏行为分析及对应结论
针对游戏行为，主要从分层玩家的基础资源的使用、士兵类道具使用、加速券的使用、PVE（人机对抗）、PVP（人人对抗）情况、不同要塞等级行为进行分析。分析结果及结论如下：
向下滑动查看更多
本案例的作者为狂暴的大粗腿，作品荣获帆软2023BI数据分析大赛最佳展现创意奖，整体分析思路清晰、可视化美观度高，清一色的深蓝色风格，看着非常协调，同时也不缺层次感，背景色选取了内置的科幻大屏作为背景图，效果甚佳！非常值得大家学习！
点击文末阅读原文即可下载完整模板，大家可以自行尝试自助分析哦～
数据分析交流群持续开放中，已有5w+数据分析师进群交流 ⛳️
扫描左侧二维码，回复"进群"，一起进群讨论吧 🏃加好友还可领取“全套数据分析资料包”😎
你点的每一个在看，都汇聚成数据之光！
