作者：Julian Runge ?Wooga數(shù)據(jù)分析
原文鏈接：
http://gamasutra.com/blogs/JulianRunge/20141104/229287/Predictive_analytics_set_to_become_more_valuable_in_light_of_rising_CPIs.php
假如你制作并發(fā)行了一款iPhone應用，并且在美國有一百萬活躍用戶。這些用戶能給你帶來哪些經濟價值？我們作個假想實驗：把這些用戶賣給其他開發(fā)商，賺取CPI(cost-per-install)。2012年1月時，在不計交易成本和規(guī)模經濟的情況下，這樣做大致可以帶來130萬美元收入，到了2012年12月增長到200萬，現(xiàn)在已經增長到340萬美元。
這個行業(yè)在穩(wěn)固發(fā)展。核心玩家在創(chuàng)造巨大收益的同時，開發(fā)商也在購買用戶上做了大量投入。市場上有很多優(yōu)秀的App排斥病毒營銷和有機增長。處于資金匱乏時期的開發(fā)者獲取用戶是?非常難的，所以把用戶留住就變得更重要。我在這里要說的不是用迭代開發(fā)提高留存率，而是為什么客戶關系管理(CRM customer relationship management)在運營中很重要。CRM是市場營銷行話。在移動應用中就是客服，社區(qū)管理，以及其它傳統(tǒng)與用戶建立聯(lián)系的方法。追蹤過程中用戶的透明度，使得很多分析方法得以應用。這個叫做量化客戶關系管理。以cross linking/交叉鏈接（推出的游戲和接收游戲的，都是自己的產品）和incentivizing/激勵（送出禮物）為例，通過在游戲內展示廣告橫幅派發(fā)，或者給每個用戶或者依據(jù)簡單探索出的用戶(比如只給30級以上用戶)派發(fā)。如果你激勵和交聯(lián)過多和過早，都可能減少預測的玩家生命周期和游戲中花費。如圖1中上面部分所展示的。Player1的生命周期最長花費最多。Player2和3是擁有不同生命周期的非轉化用戶。當你恰好在Player3的價值發(fā)揮到最大時進行交聯(lián)，而且成功了，你也會在sending game/推出的游戲中丟失用戶(player2)和收益(player3)。所以，你會想了解?用戶什么時候會離開sending game，然后把它們送去另一個游戲，或者在不產生成本的前提下送他們一些免費東西。圖1中下面部分展示的是：一個完美的預測，可以讓你在每個用戶都發(fā)揮了最大價值后進行crosslink。
在Wooga，我們會通過分析決定接下來做什么。我們想知道，玩家生命周期是否可以預測，量化CRM有沒有價值。在受到網上一篇文章（(http://www.gamasutra.com/view/feature/176747/predicting_churn_when_do_veterans_.php) ）的啟發(fā)后，我們決定在游戲中嘗試文章中的做法。
學習?
在講述具體操作之前，先把我們在過程中總結的一些寶貴想法節(jié)選出來與大家分享：?
1、正如Dmitry Nozhnin也在他在Gamasutra文章中提到的，個人活躍度和用戶參與機制蘊含巨大預測能力。
2、休閑游戲用戶的行為模式很少被關注，因為休閑游戲用戶不會經常登錄，或者在游戲中停留很久。這增加了為休閑游戲預測流失率的難度。?
3、如果研究對象是一個有良好基礎的用戶群，預測流失率就會容易。
4、在用戶流失之前就與其接觸，一定會成倍提高與用戶交互的效率。
5、當用戶即將達到生命周期結點時，?用免費禮品的激勵方式并不能留住他們；把他們cross-linking到你的其它游戲中會更實際?；蛘咄ㄟ^改進玩法，在用戶流失之改變他的游戲體驗。
方法論?
我們來看Wooga兩款最成功的游戲Monster World和Diamond Dash。Diamond Dash是一款休閑度很高的游戲，?類似Tetris，Bejeweled。玩家需要在有限時間里快速消除彩色鉆石來獲取高分。而Monster World是截然不同的一類休閑游戲，玩家要經常回到游戲中打理自己的花園以繼續(xù)，參與度更深。這兩款游戲都是成熟的游戲，采集了充足的歷史數(shù)據(jù)，不會突然出現(xiàn)意想不到的錯誤。
我們把預測流失率當作一個二進制分類問題，通過公式計算結果。預測模型用的是歷史數(shù)據(jù)，如果接收到新數(shù)據(jù)，就輸出一個二進制變量，標明玩家是去是留。通過一系列數(shù)據(jù)的洗滌和轉換，我們首先為兩個游戲建立了高質量的表現(xiàn)良好的數(shù)據(jù)集，以備研究學習，并且仔細挑選了預測模型的屬性。經驗測試結果表明，大多數(shù)近期的一般活動數(shù)據(jù)，例?如一組近14天的登錄時間結合其它用戶數(shù)據(jù)（比如距離玩家第一次玩游戲過去了幾天），有很好的預測功效。如果你對這個話題感興趣，可以看看 http://kghost.de/cig_proc/full/paper_45.pdf. Also http://kghost.de/cig_proc/full/paper_46.pdf，非常有幫助。
實例?
我們決定嘗試激勵Monster World的高價值用戶。我們做了一個A/B測試，用不同方法控制每組用戶的留存。第一組設定為探索組，用的是各公司常用的追蹤用戶方法：給滿足條件(比如：已連續(xù)登錄了14天)的即將流失的高價值流失用戶發(fā)激勵。第二組設定為預測組，我們給所有快要流失的高價值用戶發(fā)激勵，以及所有預測模型中預測到會在未來幾周內流失掉的用戶發(fā)激勵。最后，我們保留一個不做任何留存管理的組。A/B測試持續(xù)了一個月。在期間，我們通過Facebook推送和e-mails來發(fā)送激勵鏈接。當玩家點擊鏈接時，他會得到一個大概價值10美元的游戲內貨幣禮品包。我們希望通過這樣的方法讓玩家繼續(xù)留在游戲中，但結果卻不盡人意。與沒有做什么管理措施的組相比，這兩組的留存率和收益并不讓人滿意。預測組和探索組之間的數(shù)據(jù)差異也是微乎其微。測試結果表明，我們的激勵措施并沒有成功留住高價值用戶，建立預測模型也沒有改變結果。 這無疑是個壞消息，但是我們還有其它發(fā)現(xiàn)：觀察發(fā)送出去的激勵鏈接點擊率，預測組和探索組之間存在巨大差異。圖3和4描述了兩組的e-mail和Facebook推送的漏斗比對。預測組領取激勵的比例更高些，它的Facebook轉化率在18%，而探索組僅為4%。e-mail方面，兩組分別為11％和2％。
商業(yè)影響?
雖然激勵措施能夠帶來的商業(yè)影響很小，預測留存和量化CRM仍有很大潛在價值。留存預測有助于休閑游戲運營，也適用于高價值用戶在流失前的交聯(lián)。這時候需要你有產品策略介入。最直接的做法就是把用戶引入到你的其它同類游戲中，這樣做肯定會節(jié)省獲取用戶的花費。每一個用戶的成功交聯(lián)都意味著省下一個CPI。CPI越高，省得越多。據(jù)說Supercell的Boom Beach也是這么做的，他們把已經厭倦了COC的用戶倒入了Boom Beach(http://mobiledevmemo.com/supercells-strategy-boom-beach/)。把用戶倒入同類游戲，不同類游戲，還是讓玩家自己選擇，研究這三種做法哪個更好會是個有趣的課題。順著這些課題，Sifa et al開始研究游戲推薦系統(tǒng) http://ceur-ws.org/Vol-1226/paper10.pdf。現(xiàn)在我也認同，有策略地進行產品業(yè)務管理，作用會在未來的日子力越來越凸顯。對于量化CRM的需求也同樣會增多。
