当游戏营运遇上痞客邦
- 2. 關於我 ? 任職於遊戲公司 – 遊戲伺服器開發 – 營運數據分析與決策 遊戲業很吃速度，方向抓個大概就快去執行 接下來的分享其實不怎麼統計，但有些相似點跨產品都適用
- 3. 先簡化問題 – 只看PV 因此一個活躍狀況良好的訪客Tag就會是OOOOO 依據題目，以周活躍當作分群規則上Tag 十一月份 27 28 29 30 31 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 1 2 3 4 5 6 7 (即一周內有一次PV就算活躍) ?
- 4. 遊戲業常用的 NES model 沉睡玩家的行為較難掌握 因此先從新玩家、老玩家切入 New 新玩家 Existing 老玩家 Sleeping 沉睡玩家 ＸＸＸＸＯ ＸＸＸＯＯ ＸＸＯＯＯ ＸＯＯＯＯ ＯＯＯＯＯ ＯＸＸＸＸ ＯＯＸＸＸ ＸＸＸＯＸ ＸＯＸＸＯ …..
- 6. 新玩家前期會有比較高的PV增長幅度 ＸＸＸＸＯ？ 利用其他tag的資料來幫助決策 Pre- w1 w2 w3 w4 w5 New 新玩家 ＸＸＯＯＯ w1 w2 w3 w4 PV數 - 2,589 3,364 3,643 周成長 - - 1.299 1.083 ＸＸＸＯＯ w1 w2 w3 w4 PV數 - - 2,840 3,558 周成長 - - - 1.253
- 7. 沉睡用戶非常難掌握 ＸＯＸＸＸ？ 各領域都有類似指標，沉睡用戶喚回的機率約為10% Pre- w1 w2 w3 w4 w5 Sleeping 沉睡玩家 下一步該怎麼走？ 與其花時間預測誰會回來，不如直接預測誰會流失
- 10. 低PV數、低活躍頻次有較高的流失機會 找出一個切面，可以切出較多的流失樣本，且犧牲較少的留存樣本 0 5 10 15 20 25 30 35 40 0 1 2 3 4 5 6 7 PV數 一周內有幾個登入天 XXXOX(流失) v.s. XXXOO(留存) 一周PV(流失) 一周PV(留存)
- 13. Thank you for your attention.