GameRes游资网|如何有效预测移动游戏首发周的安装量( 二 )


虽然“艺术风格”变量的表现显然是最弱的 , 但随着数据集规模的增加 , 它与安装量的关系会变得更强 。 “类型”变量也是如此 。 与此同时 , 我们一定要注意到 , 显著的结果与优势的相关度很高 , 无论游戏的优势是什么 。
接着 , 我们开展了以下工作:
针对各个变量值建立安装量范围建立模型利用这些不同强度的变量来提供一个关于假设游戏的首发周/首发月安装量的定向预测下图是首发周安装量范围对应的一些变量值 。 蓝色柱条代表平均值 , 黑色细线代表敏感度范围 。 一个有趣的发现是 , “大型”主推为首发周带来的安装量范围并不一定会高于“中大型”主推带来的安装量范围 , 这进一步证明了用户在决定下载一款游戏时存在更多的变量 。
GameRes游资网|如何有效预测移动游戏首发周的安装量
文章图片
我们现在能谈谈未来了吗?
根据以上分析 , 下一步显然是建立模型来对假设/未发布的游戏的首发周/首发月安装量范围进行定向预测 。 需要指出的是 , 150多款游戏的基础数据集并不足以创建稳定的预测模型 , 但我们可以通过一些务实的方法来尝试建立一个预测模型 。
我们主要尝试使用3种变量作为输入来创建一个简单的线性回归模型 , 并使用未纳入基本数据集的主推游戏来进行测试 。 我们希望测试结果能够证明建立一个复杂的统计模型是合理的 , 并且我们很高兴看到一些结果能够证明在这方面投入额外的时间是合理的 。 下图是我们的模型预测的首发周安装量和AppAnnie下载预估提供的实际安装量的对比:
GameRes游资网|如何有效预测移动游戏首发周的安装量
文章图片
从上图可以看出 , 我们的预测有时准有时不准 , 平均误差范围为+/-5万 。 导致这种情况的原因有两个:一是我们的模型设计还比较原始 , 二是基础数据集规模较小 。 可以肯定的是 , 通过尝试不同且可能更复杂的统计模型 , 同时扩大基本数据集的规模 , 我们的预测精度还能进一步提高 。 由于我们很容易在这方面过度投入 , 因此在模型设计的复杂性和时间投入之间找到平衡是关键 , 并且应该由这些定向预测要达到的目标来驱动 。
有效预测首发周安装量的方法
我们通过上述的测试可以看出 , 游戏首发周/首发月的安装量与主推版位、类型和艺术风格之间显然存在关系 。 在此基础上 , 我们将通过不断增加数据集、尝试更复杂的统计模型以及考虑IP、平台、主题、应用大小和首发市场等关键变量来探寻这些变量之间更紧密的关系 。
【GameRes游资网|如何有效预测移动游戏首发周的安装量】我们可以很自信地说 , 在预测游戏首发周/首发月的安装量时 , 应该坚持采用定向预测来估算大概范围 , 而不是绞尽脑汁寻找一个准确的数字 。 希望上述方法和研究结论可以帮助大家更好地制定业务计划!
注释:
(1)Kruskal-Wallis(KW)假设测试
https://en.wikipedia.org/wiki/Kruskal%E2%80%93Wallis_one-way_analysis_of_variance
(2)GameRefinery和MichailKatkoff游戏分类法
http://www.gamerefinery.com/new-genre-taxonomy-and-why-we-need-it/


推荐阅读