游戏数据分析-玩家战力分析

游戏数据分析-玩家战力分析条件 这是我分析的条件 不同情况就举一反三吧 1 游戏环境 很标准的放置卡牌体系 如 afk 2 养成资源 英雄 装备 饰品符文等等 3 相对靠谱的数值体系 对应的数值策划都已经给了战力 战力在一定意义上能够描述养成程度 对应的运营给了 vip 标准

大家好,我是讯享网,很高兴认识大家。

条件

这是我分析的条件,不同情况就举一反三吧

3.相对靠谱的数值体系:
对应的数值策划都已经给了战力,战力在一定意义上能够描述养成程度
对应的运营给了vip标准,vip等级在一定程度上能够反映玩家的付费程度

4.确定同天同渠道同服用户对比

分析目的

  • 主要是为了看不同vip下玩家的养成程度,在一个标准的放置卡牌体系中,玩家的战力和养成程度是线性正相关的
  • 如果系统策划把某些关卡、副本、功能和战力挂钩了,那分析【付费-战力】,是非常有必要的
  • 如果数据反映出的战力表现得失常,我们不能马上就断定游戏生态失常,还需要进一步找原因,也可能是样本太小导致的
  • 最终如果发现生态真的失常,可能系统策划和数值策划需要接入调整,运营上也需要采取风控运营 的策略,避免失常的这一部分玩家产生【不充钱也能打氪佬】和【充钱居然不能变强】的体验
  • 当然不是非要基于vip维度来看,等级、竞技场段位都可以的,不同维度分析出来的东西也不同,方法是类似的

数据清洗

1.首先肯定要筛选掉噪点,这里的噪点通常是英雄品质和英雄等级之类,因为你肯定不想把玩家囤积的狗粮也算进来,尽肯能剔除狗粮的影响,才更接近真相

2.等级过低的玩家也可能需要提出,比如0-2级的这种,还在新手期的玩家数据,你分析了没意义,也是噪点

数据分析

1.首先做数据透视,索引字段就是【vip】,统计字段是【战力】,算法就是常规的描述统计,中位数、均值、众数,一键三连,我这里用的是pandas的group by,excel玩家就用透视表做,不难的


讯享网

2.【重点】除了三连,还需要统计偏度,找出哪个vip下,玩家战力分布处于失常状态。偏度的定义网上可以搜到,偏度的计算方法,我这里

偏度>0.5,越大,说明这个vip下的用户,实力偏弱的人多
偏度<-0.5,越小,说明这个vip下的用户,实力偏强的人多

3.除偏度以外,有时候也需要看极值,假如出现vip2的战力极值大于vip5,一定是有问题的,中位数、均值、众数也是做辅助判断的依据

4.找出失常的vip后,需要通过极值去找到那个具体失常的人,看看他的所有数据,对比他所在vip下的标准数据,找出具体失常的点,单纯战力分析一定是片面的,因此必须结合其他数据分析结果一起看,才能接近真相

根据我的经验,vip低的人群,战力偏度通常是小于-0.5,或者服从正态分布的

我们通常更关注vip高的这一部分
如果vip高,且偏度远大于0.5,说明里面小部分氪佬实力超前,需要关注这部分人充值金额是否能够打出这个实力【风控运营】
如果vip高,且偏度远小于-0.5,说明氪佬里面有明显掉队的,需要gs介入带一带,或者vip客服安抚【防止大R流失】

源码示例

直接复制过去大概没法用的,并且这个脚本只是项目的一部分,看个思路吧

import sanguo.data.gamedata import pandas as pd import numpy as np import datetime data = pd.read_excel('C:\\Users\\mayn\\Desktop\\三国\\data\\诙谐三国-hero.xlsx') hero = sanguo.data.gamedata.hero hero_name = hero.loc[:,['英雄ID','英雄名称']] df = pd.merge(data,hero_name,left_on='hid',right_on='英雄ID',how='left') def vip_zhanli(): list1 = [] max_zhanli_list = df.groupby('vip')['战力'].max('战力').values for i in max_zhanli_list: a = df[df['战力'] == i] list1.append(a) zhanli_analyse = pd.concat(list1) zhanli_analyse['战力中位数'] = df.groupby('vip')['战力'].median('战力').values zhanli_analyse['战力均值'] = df.groupby('vip')['战力'].mean('战力').values zhanli_analyse['战力众数'] = df.groupby('vip')['战力'].agg(lambda x: np.mean(pd.Series.mode(x))).values 这个众数算法比较特殊,由于pandas的group by不能算众数,所以用agg方法,引用 pd.Series.mode() 然后区众数的平均 #众数暂时不用了 zhanli_analyse['偏度'] = df.groupby('vip')['战力'].skew().values # (1)Skewness = 0 ,分布形态与正态分布偏度相同。 # (2)Skewness > 0 ,正偏差数值较大,为正偏或右偏。长尾巴拖在右边,数据右端有较多的极端值。 # (3)Skewness < 0 ,负偏差数值较大,为负偏或左偏。长尾巴拖在左边,数据左端有较多的极端值。 # (4)数值的绝对值越大,表明数据分布越不对称,偏斜程度大 zhanli_analyse = zhanli_analyse.iloc[:,[2,4,12,13,15]] zhanli_analyse.columns = ['vip','最高战力','战力中位数','战力均值','偏度'] return zhanli_analyse def vip_hero(quantile_=0.8): list_ = [] for i in np.sort(df['vip'].unique()):  unique()相当于sql 里面的distinct ,sort是排序 vip_hero_count = pd.pivot_table(df[(df['vip']==i) & (df['星级']>=2)],index='英雄名称',values='uid',aggfunc='count')['uid'].reset_index()  筛选 vip 等于 i, 星级大于2的英雄,透视表按vip,计数,重新索引 pop_hero = vip_hero_count[vip_hero_count['uid'] >= vip_hero_count['uid'].quantile(quantile_)] pop_hero = pop_hero.copy()  虽然不知道为什么,但是不copy就报错 pop_hero['vip'] = np.copy(i) order = ['vip','英雄名称','uid'] pop_hero = pop_hero[order] pop_hero.columns = ['vip','英雄名称','数量'] list_.append(pop_hero) pop_hero_df = pd.concat(list_) return pop_hero_df def vip_zhuangbei(): df_avg_zhuangbei = df.copy() df_avg_zhuangbei['装备分'] = df_avg_zhuangbei[['装备1','装备2','装备3','装备4']].apply(lambda x:x.sum(),axis =1)  装备分等于四个装备值的平均,只能用apply方法做 zhuangbei = df_avg_zhuangbei.groupby('vip')['装备分'].max('装备分').reset_index() zhuangbei.columns = ['vip','极限装备分'] zhuangbei['中位数'] = df_avg_zhuangbei.groupby('vip')['装备分'].median('装备分').reset_index()['装备分'].values zhuangbei['平均数'] = df_avg_zhuangbei.groupby('vip')['装备分'].mean('装备分').reset_index()['装备分'].values zhuangbei['偏度'] = df_avg_zhuangbei.groupby('vip')['装备分'].skew().reset_index()['装备分'].values return zhuangbei def to_excel(): xlsx = pd.ExcelWriter("C:\\Users\\mayn\\Desktop\\三国\\数据分析\\战力-英雄-装备-分析%s.xlsx"%str(datetime.date.today())) vip_zhanli().to_excel(xlsx, sheet_name="战力分析", index=False) vip_hero(quantile_=0.8).to_excel(xlsx, sheet_name="英雄分析", index=False) vip_zhuangbei().to_excel(xlsx, sheet_name="装备分析", index=False) print("保存完成") xlsx.close() # to_excel("歌手活跃用户%s.xlsx"%str(datetime.date.today()) 

讯享网
小讯
上一篇 2025-01-14 10:14
下一篇 2025-01-26 14:47

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/130803.html