/game

手游分析数据:1.使用NumPy和Pandas包对数据集进行清洗,描述统计数据。2.运用AARRR模型,统计新增用户数、留存用户数、付费率等指标。3.分析指标波动原因,对比PVP和PVE游戏行为的数据。

Primary LanguagePython

1 游戏简介

游戏行业是一直以来的热门行业,传奇、大话西游、CS、穿越火线等等一系列端游和近几年的王者荣耀、阴阳师、绝地求生等手游耳熟能详,大众皆知,受众覆盖广。
本文是一款策略对抗手机游戏的数据分析,应用游戏行业的数据分析指标和常见的业务分析场景。该游戏是一款策略对抗手机游戏,建造城市据点扩张领土,和玩家一同竞争。
本文的分析目标是:

分析思维导图

2 数据集介绍

本次的数据集来自于网上的一个竞赛项目,下载下来一共有4个文件:字段解释、数据集1、数据集2、提交样本文件。
数据集是最近7日的数据,数据集的字段主要是:玩家ID,注册时间;资源(石头,木头,象牙,肉,魔法)的获取和消耗数量;角色(勇士,驯兽师,萨满)的招募和损失数量等等。

3 数据清洗

一般主要是重复值和缺失值的处理。
查看结果,发现没有缺失值和重复值。

4 数据统计分析

4.1 新增用户数

新增用户数指的是新注册的用户。

新增用户数

从数据统计结果可以看到,3月7日至3月22日共计16天的时间,新注册用户数合计828934人,平均每天51808人。
3月10日星期六,人数有一个明显的突增。进一步分析,3月9日星期五晚上6点开始人数突增,推测是公司的推广或副本更新导致的人数激增。

4.2 留存率

从数据统计结果可以看到:新增用户在T+7日仍在登录的留存客户数为811521,留存率为97.9%,很高。初步查看这个数据,看得出游戏吸引力很高。

平均在线时长的分布情况

进一步分析发现1分钟以内的人数为320116,占比38.6%,1至5分钟的人数为284623,占比34.3%,5分钟以上的人数为206782,占比24.9%。可以推测,大多数用户被签到之类的活动所以吸引,要想转化为忠实玩家还需要从玩法上吸引用户。

4.3 ARPU

由于数据集仅有新增用户的数据,所以本文统计的PR、ARPU、ARPPU实际上新增用户的这些付费指标。

付费用户和非付费用户对比

从数据统计结果可以看到,留存的活跃用户811521人中,付费人数19549,付费率为2.41%。总收入为556900.20元,平均每用户收入ARPU为0.69元,平均每付费用户收入为28.50元。

5 其他分析

5.1 游戏对战行为

根据数据集的实际情况,本文选择用户PVP和PVE的对抗统计分析。

游戏对战行为对比
  • PVP:没有参与PVP对战的用户数615158,占比75.80%,没有主动发起对战的用户数716188,占比88.25%。 也就是说24.20%的用户参与了PVP对战,11.75%的用户主动发起了PVP对战。
  • PVE:没有参与PVE对战的用户数489219,占比60.28%,没有主动发起对战的用户数489993,占比60.37%。 也就是说29.72%的用户参与了PVE对战,29.61%的用户主动发起了PVE对战。横向对比PVP,说明喜爱PVE对战的用户明显比PVP多。