通过细分数据分析：Playkot的经验

Playkot 讲述了用户分层的重要性，以及如何正确进行用户分层。

游戏：《骑士：英雄之战》

在服务型游戏中的分析工具的使用（无论是浏览器游戏、客户端游戏、社交游戏还是移动解决方案）早已不仅是标准，而是必不可少。这是因为只有监控和评估用户行为才能为大型多人项目提供反馈，并指示项目在某个方向上的进一步发展。

赞同这一显而易见的论点，遗憾的是，并不总能解决问题。集成分析包、获取数据和漂亮的图表，整体上，项目的统计数据采集并不能使游戏透明化。

如何确保所获得的数据能够发挥作用，来自圣彼得堡的 Playkot 员工为我们提供了一个解答，他们的“超级城市”在去年被社交网络 Facebook 认定为最佳新游戏之一。

用户分层的目的是什么？

对项目数据的收集可以通过多种方式进行。通常在谈论某一游戏的关键指标时，会引用经典的商业指标，如 ARPU、LTV、用户留存等。毫无疑问，必须基于这些指标来评估项目的成功。但它们的角色到此为止。商业指标实际上可以与体温相比较：额头不热——意味着项目一切正常。但如果额头冒汗，唯一可以得出的结论是：游戏出现了问题。

“商业指标无法直接导出具体的游戏设计决策，”公司分析师柳博夫·佩纽加洛娃（Lyubov Penyugalova）告诉我们。“总体趋势必须与游戏中的具体功能相关联。”

柳博夫建议，通过用户分层来将商业参数与实际数据联系起来，这将使我们能对用户的行为模式进行分类。这首要是为了清晰理解我们的玩家是谁，其次是为了能够针对特定用户群体（例如，低付费用户或“鲸鱼”）在游戏玩法上做出精准决策：不同类型的玩家需要提供不同类型的商品或建议。

没有分层，我们不仅无法解释用户对项目中任何变化的反应，甚至很难发现这种反应。更确切地说，可能有，但仅限于最终的商业指标的总体层面。

分层反过来又使我们能够观察特定用户群体对每个设计决策的反应。而既然我们可以在这样的水平上看到反应，就意味着我们获得了一种精确调整的工具。

Playkot 如何进行分层？

Playkot 的分层是根据玩家的玩法来将玩家划分为不同组别。

“我们会查看用户的过去经历，分析他们的玩法，将他们分组，接着针对每个具体组别提供某些游戏设计或货币化特点，”柳博夫解释道。

分层是在分析师和设计师的共同工作框架下进行的，他们会为特定游戏的玩家制定关键参数清单。

“如果我们谈论的是分层系统，那么必须从具体产品入手，”柳博夫说。

没有适用于所有项目的通用分层模式。每个具体案例（每个单独的新游戏）都需要分析师和设计师重新聚集在一起。

与此同时，有些分析方面在所有项目中都大致相同，例如在开发时间管理工具后，再转向开发“三连珠”类型游戏时，这些东西就不需要改变。

首先，这是支付监测系统。它对所有类型的游戏都是或多或少通用的。

“我们所有游戏中都有虚拟货币，我们有商品，而所有与游戏内支付和购买相关的内容都是相当相似的。不管是休闲游戏、硬核游戏还是中度游戏，支付的理念都是相同的，当然，平均输出指标可能存在差异，但没有其他区别，”柳博夫详细讲述。

但是，在支付监测之外，无法实现项目内分层系统的通用化。更确切地说，能够做到，但前提是这些项目在本质上差别不大。即使在这种情况下，分层依然需要不断完善。

《骑士》分层案例

在社交项目“骑士：英雄之战”中，Playkot 确定了三个分层组：支付组、额外组和活动组。

1. 支付组

基于玩家的支付方式将玩家划分为不同组。并不是简单地根据他们支付的金额进行划分，而是根据一系列相互关联的变量进行划分。这些因素本身并不足以独立存在，但在相互对比时能回答项目的关键问题。

关于这些因素及其重要性详细说明如下：

首次支付金额——根据首次支付金额对用户进行分布，可以了解到最低支付对于游戏在多大程度上起到重要作用，这常常被认为对玩家而言心理上是重要的。通过了解首次支付金额，您还可以知道一开始支付较多的用户在项目中的停留时间。

首次支付时的进度等级——用户在何种进度下进行首次支付。已知玩家对不同刺激（支付）的反应各不相同。将不同刺激在不同进度阶段进行排列，可以根据他们反应的刺激类型对玩家进行分层。

玩家支付总额（LTV）——传统的可测量特征，使我们能够区分“鲸鱼”和“海豚”以及其他“小鱼”。

平均支付——另一项传统的商业指标，可以在 LTV 的比较中分层同一组“鲸鱼”，即区分那些习惯立即在游戏中投入大量资金的玩家，和那些在较长时间内投入相同金额的玩家。

支付次数——类似平均支付，可以帮助理解用户的支付模式。频繁进行微交易的用户可以接受针对少量交易的额外优惠。这个机制同样适用于大型支付用户。

自上次支付的天数——这个特征可以帮助识别停止支付的用户。这意味着开始对游戏失去兴趣的用户。柳博夫指出，通常在发生此事件与离开游戏之间，开发者有两周的时间来挽回这些用户（或将他们转移到其他应用）。

上述六个特征构成了玩家分层和支付组识别的基础。值得强调的是，每个集群都由这六个因素中的每一个来描述，因此我们几乎了解每个群体与其支付相关的所有信息，并可以相应地针对每个群体做出商品、价格甚至单独游戏机制的投放。

得到的分层是如下（以商业机密保护的不确定系数调整过的平均值）：

图表上的每一条线代表一个独立的集群，并且对每个因素都有其数值。从图表中可以立即看出鲸鱼的表现，看到有趣的中等支付者，他们在首次支付时就投入了大量资金，还看到好的支付者，他们支付的金额虽然少于鲸鱼，但却进行了大量的小额交易。

后来，从六个群体中为游戏设计决定保留四个。

2. 活动组

不仅可以将玩家分为活跃和不活跃的群体，还可以识别他们进入游戏的目的和时间，他们对项目的参与度，以及他们在不同级别的活跃度等等。

形成这些群体的指标如下：

玩家等级——进度的情况，按目前的进度将用户进行分层。

进入次数——应用窗口打开的次数。

在游戏中的活跃天数——玩家实际登录游戏的天数。通过这个分层，可以将快速在游戏中推进的硬核玩家与较为缓慢的玩家区分开。

活跃度系数——在游戏中的活跃天数与安装天数的比率。如果为一，则表示玩家每天登录，非常投入，且对游戏感到满意。在其他分析中，该参数有助于按照用户活跃度计算商业指标。

自上次登录游戏的天数——通过此分层也可以识别出缺席关键天数，缺席天数过后，用户可能会停止在游戏中充值。对于《骑士》项目来说，这一关键数字是 5 天。

根据上述因素，形成了 5 个层次，但最终决定合并其中两个。从图表中可以看到每项特征的平均值（数据经过统计归一化，以避免个别指标产生过大的影响，因此似乎会出现不可能的负值）。

“用“赘瘤”这个词来描述用户并不是完全准确，然而却非常准确地反映了他们的活动模式：对新流失的用户我们尚有机会（发送通知或电子邮件邀请），但对老用户则已经没有意义，”柳博夫指出。

3. 额外分层

除了支付群体和活动相关群体外，还识别出玩家在游戏中更喜欢做的事情（提升战士或发展经济基础，参与 PvP 或进行任务战斗）等群体，这一层次采用了以下因素：

• 胜率/失利——赢得的 PvP、竞技场和任务的数量与失败的比率。比率越高，表明玩家在战斗中的战术能力越高，并能更准确评估战斗前的力量。
• 评分——参与联赛（荣耀）的排名。
• 经济发展——玩家基地的成长情况。
• 活跃好友——玩家的活跃好友数量。

基于此得到了以下分层：社交玩家、战士、建设者和赘瘤。

“从所给出的图表中并不明显得出红线是战士，而绿色线是建设者，尽管战士在经济发展方面表现非常好。问题在于，如果玩家多建造而少参与战斗（绿色线），那可以明确看出他们是专注于基地发展，而不是为了在战斗中获胜。而战士则将战斗（以及战斗评分）放在首位，经济发展只是取胜所需的工具。因此，对于这两类用户所感兴趣的游戏内容是不同的，我们可以针对他们集中提供不同种类的商品，并有针对性地发展覆盖他们的货币化方案，”柳博夫解释道。

分层的任务不是企图覆盖所有可能的行为模式，而是在所选择的变量范围内使模型能够展示出最大的模式，以便可以针对地对应用程序进行改进。

作为这种系统可能运作的例子，柳博夫向我们提供了这样一个情况。在支付组中，通过比较在游戏中进行的 LTV 和平均支付，识别出了四个（原来是六个）集群：

• 蓝色——支付非常少的用户;
• 绿色——支付极少、LTV 未能达到高标准的用户;
• 紫色——支付小额但总支付量很高的用户;
• 蓝色——支付大量但却持续时间不长的用户。

“蓝色”集群被认为是问题集群。这些用户对游戏非常渴望（因为他们愿意支付大额），但出于某种原因只在开始时进行支付。通过分析，我们能够弄清楚这些用户是什么，在什么阶段他们会流失，并解决了该问题。

这也是通过监测玩家在不同分层之间的转移进行解决。

换句话说，我们得知在 20-30 级时，支付良好的玩家和鲸鱼正在流失。在此阶段为他们划分了一个单独的“云”，并开始进行观察。对游戏进行了调整后，观察支付情况：是增加、减少，流入或流出等情况。

分层还使得我们能够创建按支付用户类型划分的支付图表。

在此图表中，可以看到不同用户群体如何对各种内容做出反应（是否购买）。结果显示，他们的反应确实存在差异。鲸鱼所追求的内容却让其他付费用户感到无动于衷。同理，对于处于“另一极”的那些玩家也是如此。

***

尽管上述的分层看似一般，适用于广泛的产品范围，但它们是严格基于 Playkot 的需求和可能性所选出的。因此，我们认为它们仅适合作为示例，而非自项目分层的实用指南。而上面描述的集群形成方法的确可以被其他公司借鉴。

作者感谢 Playkot 团队及柳博夫·佩纽加洛娃在撰写材料方面的帮助。