Analyse de données sur les interactions parmi les joueurs d'un jeu social sur plateforme mobile: Trouver des interactions entre les événements du jeu et les attributs des joueurs qui prédisent l'engagement?

2014

Date Source: 

Uken Games

Organizer: 

Alex Yakubovich, Uken Games, Toronto

Résumé

Les données proviennent d'un jeu social mobile. Une fois qu'un utilisateur télécharge le jeu de l'App Store, il suit un tutoriel, puis progresse à travers un certain nombre d'étapes. Comme le jeu est gratuit, on offre aux joueurs la possibilité de faire des achats en ligne à l'intérieur du jeu. Un utilisateur a des chances de gagner à chaque tour, mais même s'il ne gagne pas, il peut accumuler un peu de l'argent virtuel dans le jeu. Une fois que les utilisateurs acquièrent assez d'argent, ils peuvent passer à l'étape suivante. Si les utilisateurs se connectent à leur compte du jeu sur Facebook, ils peuvent également envoyer/recevoir des dons en argent de la part de leurs amis.

Observations

Nous mesurons trois variables cibles pour chaque utilisateur: les recettes, l'engagement (minutes de jeu) et la rétention (si le joueur revient après un certain nombre de jours). Nous enregistrons également les moments où différents événements se produisent dans le jeu - par exemple, lorsque l'utilisateur effectue différents achats en ligne, quand il envoie ou reçoit des cadeaux ou lorsqu'il débloque différentes réalisations dans le jeu (par exemple, lorsqu'il atteint un nouveau niveau ou lorsqu'il gagne un prix). Finalement, pour certains utilisateurs, nous disposons de données démographiques comme le sexe, le pays et s'ils se connectent au jeu via leur compte Facebook.

Analyse

Ces données présentent quelques aspects intéressants. Tout d'abord, vous remarquerez que les distributions du revenu (recettes) et de l'engagement sont des distributions à queue lourde, de sorte que nous ne pouvons pas vraiment parler d'un « utilisateur moyen » ici. La plupart des utilisateurs ne deviennent pas des utilisateurs très dépensiers et la plupart des joueurs qui dépensent ne font pas de gros achats. Toutefois, les valeurs aberrantes constituent une grande partie du revenu et, dans un sens, subventionnent le jeu pour tout le reste des joueurs.


Deuxièmement, l'économie du jeu est fermée - c'est-à-dire que nous contrôlons à quel point la monnaie réelle est transformée en monnaie virtuelle, ainsi que le nombre et le type d'achats disponibles.
 

Research Question: 

 

Voici quelques questions pour guider l'analyse :

  1. Pouvez-vous identifier un bon partitionnement des utilisateurs? Pouvez-vous décrire les caractéristiques communes des utilisateurs dans chaque élément de la partition? Comment l'assignation aux éléments de la partition change-t-elle au fil du temps (par exemple, à quel moment un utilisateur commence-t-il à faire plusieurs achats ou devient-il de plus en plus engagé dans ce jeu?)
  2. Comment les caractéristiques démographiques des utilisateurs et les actions des utilisateurs affectent les variables réponses (engagement, recettes, rétention)? Quels sont les facteurs prédictifs les plus forts? Quelles interactions sont présentes?
  3. Pouvez-vous trouver une bonne façon de visualiser ces données, de préférence de manière interactive?
  4. Quelles autres idées pouvez-vous fournir?
     

Variables: 

 

L'ensemble de données consiste en un seul tableau, user_stats.csv, avec un enregistrement pour chaque utilisateur. Il comprend 300,000 lignes et les colonnes suivantes:


install_date - AnnéeMoisJour
user_id - nombre entier qui identifie chaque jouer
num_sessions - nombre de fois qu'un utilisateur ouvre l'application pour plus de quelques secondes à ce jour
country - pays de l'utilisateur (NA si le pays n'est pas connu)
gender - (male, female, NA) . Le genre est connu si et seulement si l'utilisateur se connecte à Facebook.
platform - (ipad, iphone )
num_platforms - le nombre de plateformes sur lesquelles l'utilisateur a téléchargé le jeu
games_played - nombre de matchs joués à ce jour (une séance peut être composée de plusieurs matchs)
fb_connect - date à laquelle l'utilisateur se connecte à son compte de jeu sur Facebook (NA s'ils ne le font jamais)
retention - est-ce que l'utilisateur revient jouer au jeu à la fin the la période d'observation?
engagement - combien de minutes a-t-il joué durant la période d'observation?
revenue - combien d'argent a-t-il dépensé durant la période d'observation?
tutorial_completed - date à laquelle l'utilisateur complète le tutoriel. NA si le tutoriel n'est pas amorcé durant la période observée.
stage1 - date à laquelle l'utilisateur atteint la première étape. NA si la première étape n'est pas amorcée.
stage2 - date à laquelle l'utilisateur atteint la deuxième étape. NA si la deuxième étape n'est pas amorcée.
stage3 - etc
stage4
stage5
stage6
first_win
first_bonus
first_special_purchase
first_purchase_A
first_purchase_B
first_purchase_C
first_purchase_D
first_purchase_E
first_purchase_F
first_purchase_G
first_purchase_H
first_gift_sent
first_gift_received
first_gift2_received
first_gift_accepted
first_collection
first_prize_A
first_prize_B
first_prize_C


Remarques:

  • Notez que les recettes et les mesures d'engagement ont été remises à l'échelle.
  • La première étape sera disponible dès que l'utilisateur termine le tutoriel. Cependant, pour toutes les étapes ultérieures, l'utilisateur n'a pas à terminer l'étape précédente - chaque étape devient disponible aussi tôt que la monnaie du jeu a atteint un niveau suffisant. Par exemple, un utilisateur pourrait commencer à jouer la quatrième étape sans avoir commencé la troisième étape

.

Data Access: 

Pour accéder à l'ensemble de données, vous êtes priés de compléter le document de confidentialité (http://s.uken.com/sscdata) et de l'envoyer à Alex Yakubovich (alex.yakubovich@uken.com).

References: