游戏APP下载安装分析

游戏APP下载安装分析

数据背景

根据某款游戏APP安卓用户的安装信息和注册信息来作简要的数据分析，从市场推广目标这个模块来进行业务分析。
一般情况下，移动游戏数据分析指标可以分解为3个模块：
A、市场推广相关指标（包括：激活、上线、各节点转化率、成本指标、渠道质量等），它的任务是帮助我们进行“渠道优化”和“产品优化”，最小化用户获取成本，实现更多的新增导入；

B、用户活跃 & 留存相关指标（包括：DAU\MAU、AT（日均使用时长）、日、周、月留存、回归率等），它的任务是帮助我们在宏观数据表现层面，快速判断产品存在的问题，并对运营活动及产品改进给予“方向性”指导；

C、用户付费相关指标（包括：LTV、PUR（活跃用户付费比）、ARPPU（每付费用户付费强度）、充值结构、充值时段等），它的任务也是帮助我们在宏观数据表现层面明确产品盈利能力，并对运营活动及产品改进给予“方向性”指导。
该案例中的游戏APP数据只有用户的安装信息和注册信息，所以我们这里只对市场推广相关指标进行分析。

数据分析

#导入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False

install = pd.read_excel(r'D:\BI study download\game_data1910/App.xlsx',sheet_name='安装信息')
registers = pd.read_excel(r'D:\BI study download\game_data1910/App.xlsx',sheet_name='注册信息')

install.head()

registers.head()

数据预处理

#修改日期格式，并提取出日期
install['安装时间']=pd.to_datetime(install['安装时间']).dt.date
registers['安装时间']=pd.to_datetime(registers['安装时间'])