微信扫码登录

其他登录方式

绑定手机号

注册

我同意用户协议

忘记密码

用户协议

绑定手机号

近期有不法分子打着爱盈利的旗号,制作“爱盈利”名称的App,并伪造爱盈利证件,骗取用户信任,以抖音点赞赚钱或其他方式赚钱为名义,过程中以升级会员获得高佣金为名让用户充值。
爱盈利公司郑重声明:我司没有研发或运营过任何名为“爱盈利”的APP,我司做任务赚钱类产品从没有让任何普通用户充值升级会员。我公司产品均在本网站可查询,请将网站拉至底部,点击“关于我们”可查看爱盈利相关产品与服务。
温馨提示:当遇到此类问题请拨打官方电话或添加官方微信,以免财产损失。爱盈利官网地址:www.aiyingli.com。
  • 推广与合作
X

以王者荣耀为例,谈谈如何进行精细化大数据运营(上)

来源: 347270

我所理解的王者荣耀还可以做更精细化大数据运营优化。

以王者荣耀为例,谈谈如何进行精细化大数据运营(上)

在分析之前,普及一个数据产品框架,用户画像。 它是作为一种勾画目标用户、联系用户诉求与设计方向的有效工具。 通俗一点来讲,它就是一个描绘产品用户行为的工具。

  • 你是谁(人口信息、相当于人口调查)
  • 你过去和现在做过什么(每天习惯在什么时间、什么地点、习惯做什么事、偏好什么)
  • 你将来可能会做什么(根据你过去做的事,预测你将来会做什么)
  • 于是,基于用户画像,可以开始有序递进式,对用户进行进行个性化精准运营。

下面附上简易版的王者荣耀用户画像标签体系

以王者荣耀为例,谈谈如何进行精细化大数据运营(上)

一、皮肤英雄道具的多元化精细化运营

道具皮肤打包卖

基于关联规则分析出历史购买记录,可以打包卖的英雄礼包、皮肤礼包、英雄皮肤礼包、道具礼包、混合礼包等等。

  • 1.1 根据关联规则的支持度大小,根据历史销售流水,可以计算出AB两种英雄或者皮肤,是否可以捆绑打包卖。
  • 1.2 置信度的大小,可以计算出,购买A英雄(皮肤)后还会购买B皮肤的概率。
  • 1.3 综上,可以根据挖掘分析出来的数据,对不同道具进行交叉或者捆绑销售。

知道了哪些道具打包卖会有优势,接下来要分析出用户分群决策,哪些组合套餐适合哪些类型的用户群,介绍几种决策方法:

  • 1.4 决策树。借用用户画像中的用户各种行为标签,将购买过AB英雄(皮肤)的用户作为一个样本,分析出这个样本中的概率最大的某条决策树出来。

例如:年龄大于22 & 消费点券额度在3w-5w之间 & 男性 & 月游戏频次大于50 ,满足这些条件的用户占30%(且概率为最大),我们就认为这是一条可以很好的决策树,可以拿这条结论去线上做ABtest,验证决策树模型是否准确可用,如果可以提高AB皮肤(英雄)的购买率,那么它就是我们想要的。

  • 1.5 逻辑回归。思路和决策树差不多,根据购买过AB英雄(皮肤)的用户标签,得出一个模型,然后去验证其他用户是否符合该模型,如果符合,那么就向这批用户推荐这个皮肤(英雄)套包。

当前面的关联规则模型做完之后,如果验证了模型的可用性,不断优化模型,会看到交叉(捆绑)销售礼包导致消费流水呈现上升趋势。接下来,基于社交关系(基于用户推荐和物品(道具)推荐)进一步提升消费额。

  • 1.6 基于用户推荐(协同过滤)。向购买过礼包的玩家,其朋友圈里还没有购买过此种礼包的玩家(通俗讲,就是你从商家买了某样皮肤,那么系统就可以把这个皮肤推荐给你朋友圈的其他朋友)。
  • 1.7 基于道具(物品)推荐。根据每个玩家日常玩的频次最多的英雄,胜率高的英雄等,来确定他的常用英雄类型偏好,将此类还没有购买的英雄推荐给他,基于(打折或者朋友赠送等方式),吸引玩家购买。

这就依赖了微信或者qq强大的社交关系链,有了它们,道具销量会更好。当然推荐给哪些朋友,也会基于社交关系里的标签(比如,是否经常一起开黑、是否有相同消费的偏好等等,可以计算玩家相似度等方式来完成)

整体来说,基本方法是,基于适用的不同礼包组合,将用户分群,然后分析出不同的用户群的显著用户行为特征,去制定运营策略。

另外皮肤的推进式营销策略应该基于玩家常用英雄上,同理可以基于协同过滤来进行推荐。

  • 1.8 基于攀比心理,可以给此类玩家打上攀比度的数值模型标签,当高于某个阀值时,只要这些玩家的朋友购买了某个新道具,就推送相关信息,甚至可以借鉴拼团的方式,来团购皮肤或者英雄。
  • 1.9 根据玩家在游戏内的对话,都某个英雄的皮肤的赞美偏好词语,基于文本挖掘,分析出玩家对某款皮肤的喜好程度,进行多维度实时精准营销。
  • 1.10 基于玩家的浏览行为(只看不买)、聊天行为(只说不买)等等,都是一些付费倾向的玩家,分析后尝试诱导付费。

二、大R带小R,付费带免费

基于漏斗模型,免费玩家 > 小R付费玩家 > 中R付费玩家 > 大R付费玩家。

  • 2.1 挖掘出每个玩家每一步的转化原因,可能比较难。但是基于用户分群,对群体的行为进行挖掘,还是能挖掘出主流转化原因的。
  • 2.2 方法1:决策树等模型。根据每一次转化率数值变化的情况,提取变化前后玩家的相关强相关数据,进行建模,并校验和验证。得出分群用户转化的主要决策逻辑。
  • 2.3 方法2:基于逻辑回归模型和时间序列。预测玩家从免费到付费,小R付费到中R付费……等,每一步转化所需要的时间区间和可能转化的概率。
  • 2.4 将2.2和2.3相结合,就可以知道玩家大概在什么时间节点、转化过去的概率,以及转化过去所需要满足的规则和条件。

以上为个人的一点看法,欢迎轻拍和指正。

下次来讲讲如何预防流失,游戏模式的优化和调整等,进行精细化大数据运营。

  • 3.1 玩家流失前的行为,分正负反馈,综合进行预测,降低流失率。
  • 3.2 给每个玩家推荐他最喜欢玩、玩得最爽的游戏模式。提高活跃度和忠诚度。

 

作者:十方洛神,数据产品经理,关注大数据、人工智能

本文由 @十方洛神 原创发布于运营派。未经许可,禁止转载。

题图来自网络

爱盈利-运营小咖秀(www.aiyingli.com) 始终坚持研究分享移动互联网App运营推广经验、策略、全案、渠道等纯干货知识内容;是广大App运营从业者的知识启蒙、成长指导、进阶学习的集聚平台;

想了解更多移动互联网干货知识,请关注微信公众号运营小咖秀(ID: yunyingshow)

评论

相关文章推荐

SELECT dw_posts.ID,dw_posts.post_title,dw_posts.post_content FROM dw_posts INNER JOIN dw_term_relationships ON (dw_posts.ID = dw_term_relationships.object_id) WHERE 1=1 AND(dw_term_relationships.term_taxonomy_id = 3577 ) AND dw_posts.post_type = 'post' AND (dw_posts.post_status = 'publish') GROUP BY dw_posts.ID ORDER BY RAND() LIMIT 0, 6

京ICP备15063977号-2 © 2012-2018 aiyingli.com. All Rights Reserved. 京公网安备 11010102003938号