怎样针对游戏中的用户行为建模?
我理解的建模更多是去监控数据，预测数据异常并且形成一整套自动化流程及时做出对策。监控数据的前提是我已经有一些数据来帮助我建模。我提洗数据的需求的时候是先想清楚几个问题。1有哪几个游戏重要指标会影响这个结果。2这几个指标分别对结果的影响有多大。3我要预测多久以后的数据。举个例子，我要预测一款卡牌游戏下周即将流失的用户。1。首先要确定我们是有已知数据供我们分析。预测是必须得有现有数据才行。2。建立活跃度指标。我会挑选卡牌游戏的每日体力消耗值，日活跃时间，日启动次数作为标准（体力消耗值需要对游戏了解，并且每个游戏的体力定位都不一样，如果通用的话，就取日活跃时间，日启动次数等通用的数值）。3。假设我选择了体力值和日活跃时间。体力值我默认每日消耗100点算活跃用户，活跃时间我默认每天玩1小时算活跃用户。体力消耗我觉得对流失影响占比70%，活跃时间占比30%。4。我会把流失用户（取100个样本）前一周的行为统计出来，分别计算他们的体力消耗平均值和日活跃时间值。比如用户ID为123的用户，他流失前一周每日消耗体力50点，活跃时间30分钟。那么这个用户的综合流失指数为：50/100*70%+30/60*30%=0.5。5。将100个样本的流失指数都计算出来，去掉最低和最高的20个，剩下的取一个平均值。暂且假设平均值为0.5。那么说明流失用户在前一周只要达到0.5就会流失。6。截止到现在，这个0.5也只是一个概率值。我们可以多提取几个样本，然后分别计算一下这些样本在流失前一周的流失指数，看看有多少真正流失的用户是在0.5以下的。并且计算一下平均百分比。这个百分比就是这个流失指数的靠谱几率。百分比越高说明这个指数准确度高，反之越低，太低的话就说明预测的不准，很大可能是观测的指标维度过少。很多时候可以加上等级，付费额度等等，启动次数也是很重要的指标维度。
■网友
【怎样针对游戏中的用户行为建模?】 分享三篇对手游数据分析脉络梳理的比较清楚的文章。比较核心的是对“用户”与手游里非常大量的“事件”要有准确的数据采集与划分，然后通过群组、用户行为轨迹、群体用户行为，来判断大家对游戏中不同功能的响应。
数数科技ThinkingData：手游数据分析的必备思路（一）
数数科技ThinkingData：手游数据分析的必备思路（二）
数数科技ThinkingData：手游数据分析的必备思路（三）
推荐阅读
- 聪明人养花，这3种“花”怎样也要养一盆，每年能省不少医药费
- 互联网怎样解决“家政服务上门速度慢”的问题
- 怎样看待从1月8号起，QQ钱包开始提现收费
- 银行it人怎样转型
- 玩游戏花钱最多的有哪些游戏，哪些人
- 汽车|冬天怎样让车内温度快速升高？座椅加热的最佳使用方式二，外循环的作用总结
- 怎样进入通信行业
- 怎样评价扶他柠檬茶的小说《云养汉》的结尾
- 怎样成为一名合格的Python程序员?
- 怎样评价华为、诺基亚、中兴中标中国移动高端路由交换设备扩容集采