队列分析实例:

已经使用的促销非常成功,并且开发者敏锐而详细的理解了促销如何影响玩家行为。当玩家花钱时促销是否会改变,玩家如何与游戏互动?

这类分析对理解促销对玩家群的影响和特别的促销可以如何改变行为和鼓励消费以及滞留是至关重要的。

要做这种分析,就要查看两个队列的玩家。第一个队列将是提供促销的新玩家,第二个队列将是不提供促销的新玩家。这样可以分析促销对玩家行为的影响。

由于没有对促销设置的A/B测试,解决方案是使用两个日期范围来模拟A/B测试。

使用队列比较工具使得分析类型直观方便。

队列1(Cohort 1)

第一队列是促销队列,将在促销的这一天查看加入游戏的新玩家并分析其在1月5日和19日之间的行为。这是2610个玩家中有105个付费玩家(4.02%付费)。

  • 选择日期范围:2013-01-05 -> 2013-01-19
  • 选择用户开始日期:2013-01-05

队列2(Cohort 2)

第二队列是无促销队列,将在1月15日促销后查看加入游戏的新玩家并分析其在1月15日到29日之间行为。这是1707个玩家中有45个付费玩家(2.63%付费)。

  • 选择日期范围:2013-01-15 -> 2013-01-29
  • 选择用户开始日期:2013-01-15

在第一列选择每日、每周和每月活跃用户,在第二列选择总收入与首次付款时间

19

屏幕显示看起来应该是这样:

20

21

在队列1活跃用户图显示6日有2610个用户。到20日仍然有232个玩家还在付费(14天滞留率8.8%)。

在队列2活跃用户图显示15日有1707个用户。到29日仍然有140个玩家还在付费(14天滞留率8.2%)。

第一次付费的时间展示了玩家有多快将开始花钱。促销是否鼓励玩家更早的开始花钱?

由于促销,玩家被强烈吸引更早的付费。在队列1中90%的玩家在第一个小时内付费,对比队列2中多数玩家在其游戏运行的更晚时候付费。

屏幕显示看起来应该是这样:

25

26

查看收入,队列1在14天内产生了4660美元,且多数收入都是在最初的6天内。队列2只产生了2434美元,且在这两周内收入更加均匀分布。

如果我们看到付费玩家消费额的下降,我们可以开始为每一队列的付费玩家提供更好的感受。队列1包括低价值玩家,23%的收入来自这些花费21~50美元的玩家。相比之下,队列2有许多的高价值用户群,44%的玩家花费100~500美元。

最后,查看收入与玩家当前价值1、7、14、30天的滞留

22

23

24

纵观在这个日期范围内一条时间线上的收入与玩家当前价值,我们看到了一个不同的画面。队列1较早产生许多高价值收入,但其一直下降直到这一时期结束,这很可能是这些玩家已经离开游戏。队列2显示了一个不同的画面,在这一时期内高价值玩家的数量在不断增长,虽然总体比队列1的水平低。

最后查看这两组的滞留情况,队列1比起队列2显示了更差的滞留率。

非常明显当一个促销被使用时,对新玩家产生了不同的玩家行为。这不是简单的鼓励现有用户花钱,而且还在改变新玩家的行为。新玩家在游戏体验中更早的花钱,且这个花费持续在玩家玩游戏的全过程。玩家在促销中花费较少的钱,在促销队列中产生了较少的收入。促销因此产生了最初的峰值,但其也伤害了长期的高价值玩家。

关于滞留,对新玩家的促销产生了消极的影响,队列1的滞留率在1和7天滞留中显示了更坏的滞留率,虽然长期滞留非常相似。

促销的突出价值是鼓励新玩家开始花费和增加收入。这看起来对滞留和全生命周期的价值产生了冲击,需要基于更多细节的进一步分析来查看这种冲击。