互联网游戏-数据分析项目

最新推荐文章于 2024-07-11 20:38:20 发布

isxz

最新推荐文章于 2024-07-11 20:38:20 发布

阅读量1.6k

点赞数 3

分类专栏：数据分析 SQL 文章标签：数据分析游戏可视化

本文链接：https://blog.csdn.net/sxz940613/article/details/108181921

版权

数据分析同时被 2 个专栏收录

3 篇文章 0 订阅

订阅专栏

SQL

1 篇文章 0 订阅

订阅专栏

理解数据

数据集共有82934条数据，109个字段，记录了一个游戏，玩家注册后一周的行为跟踪数据，主要针对以下10个字段进行相关分析。
注：数据来源于 DataFrog数据分析 https://space.bilibili.com/359939497
在这里插入图片描述
主要从以下四个方面进行：

新增玩家分析：从玩家数量、付费玩家占比、每日新增玩家数量等方面展开分析
玩家活跃度分析：从不同用户在线时长、分布等展开分析
玩家付费情况分析：从PUR、ARPPU、ARPU等指标展开
玩家游戏习惯分析：从玩家的pvp（人 vs 人）、pve（人 vs 机器）这两个指标情况进行分析。

数据分析

1.新增玩家分析

1.1 新增玩家数量

-- 此数据中，distinct 加不加都是一样的
select count(distinct user_id)as 新增玩家数量
from game_analyst;

在这里插入图片描述
#查看数据中user_id是否唯一性，即查询user_id>1是否存在

select user_id,count(1)
from game_analyst
group by user_id 
having count(1)>1;

在这里插入图片描述

1.2 新增付费玩家数量

-- 新增付费玩家数量
select count(distinct user_id) as 新增付费玩家数量
from game_analyst
where pay_price>0;

在这里插入图片描述
好像数量并不高，再具体查看一下具体占比

1.3 付费玩家占比

-- 付费玩家占比
select a/b  as 付费玩家占比
from 
(select count(distinct user_id) as a
from game_analyst
where pay_price>0) as t1,

(select count(distinct user_id)as b
from game_analyst) as t2;

在这里插入图片描述
通过上述查询可知，新增付费玩家数量是828934人，其中付费玩家有19549人，付费玩家人数占总注册人数的2.36%，付费人数占比略低。

1.4 每日新增玩家数量

select date(register_time) as 日期,
count(distinct user_id) as 当日新增玩家数量
from game_analyst
group by 日期;

在这里插入图片描述

1.5 每日新增付费玩家数量

select date(register_time) as 日期,
count(distinct user_id) as 当日新增付费玩家
from game_analyst
where pay_price>0
group by 日期;

在这里插入图片描述
数据可视化：

观察可知：
每日新增玩家在3月10日有一次高峰增长，在3月13日有一次小高峰增长，这是因为这两次时间点举办了游戏相关活动，但是活动过后，后续新玩家增长量并没有明显提升，因此这两次活动并没有给这款游戏带来实质性的帮助。所以活动还需要一定的推广力度以及保持一定的时间维度，时间段的话，玩家对于游戏还不够了解，应该给玩家充分了解游戏的时间，才有可能持续提高游戏的热度。

玩家活跃度分析

2.1 全部玩家平均在线时长

select avg(avg_online_minutes) as 玩家平均在线时长
from game_analyst;

在这里插入图片描述

2.2 付费玩家平均在线时长

select avg(avg_online_minutes) as 付费玩家平均在线时长
from game_analyst
where pay_price>0;

在这里插入图片描述
观察可发现，付费玩家平均在线时长远大于全部玩家平均在线时长，活跃度要高很多。

平均在线时长的分布特点

使用箱线图分析总体特征，求最大值、最小值、中位数和上下四分位数

-- 全部玩家人数的下四分位数、中位数、上四分位数
select round (count(distinct user_id)/4) as 下四分位数,
round (count(distinct user_id)/2) as 中位数,
round (count(distinct user_id)/4*3) as 上四分位数
from game_analyst;

在这里插入图片描述

-- 全部玩家在线时长箱线图关键值
select min(avg_online_minutes) as 最小值,
(	select avg_online_minutes
	from game_analyst
	order by avg_online_minutes
	limit 207233,1) as 下四分位数,
(	select avg_online_minutes
	from game_analyst
	order by avg_online_minutes
  limit 414466,1)as 中位数,
(	select avg_online_minutes
	from game_analyst
	order by avg_online_minutes
	limit 621700,1)as 上四分位数,
	max(avg_online_minutes)as 最大值
	from game_analyst;

在这里插入图片描述

-- 付费玩家人数的四分位数，中位数，上四分位数
select round(count(distinct user_id)/4) as 下四分位数,
round(count(distinct user_id)/2)as 中位数,
round(count(distinct user_id)/4*3)as 上四分位数
from game_analyst
where pay_price>0;

在这里插入图片描述

-- 付费玩家在线时长箱线图
select min(avg_online_minutes) as 最小值,
(	select avg_online_minutes
	from game_analyst
	where pay_price>0
	order by avg_online_minutes
	limit 4886,1) as 下四分位数,
(	select avg_online_minutes
	from game_analyst
	where pay_price>0
	order by avg_online_minutes
  limit 9774,1)as 中位数,
(	select avg_online_minutes
	from game_analyst
	where pay_price>0
	order by avg_online_minutes
	limit 14661,1)as 上四分位数,
	max(avg_online_minutes)as 最大值
	from game_analyst
	where pay_price >0;

在这里插入图片描述
全部玩家与付费玩家在线时长箱线图：

根据以上数据和图标可得出以下结论：
全部玩家的在线时长箱线图向下压缩的很厉害，全部玩家在线时长上四分位数为1,75%的玩家平均在线时长只有大约1分钟，可见玩家流失的情况还是比较严重的。
付费用户的在线时长箱线图中，下四分位数为3，中位数为85，上四分位数191，也就是说，付费用户中，75%以上的用户在线时长都超过了30分钟。

3. 玩家付费情况分析

关键指标

AU：（Active Users）:活跃用户，这里定为游戏时间长达15分钟的为活跃用户
PU（Paying User）：付费用户
APA（Active Payment Account）：活跃付费用户数
ARPU（Average Revenue Per User）：平均每个活跃用户的收入，即可通过总收入/APA计算得出
ARPPU（Average Revenue Per Paying User）：平均每个活跃付费用户收入，可通过总收入/APA计算得出
PUR（Pay User Rate）：付费比率，可通过APA/AU计算得出

3.1 每个活跃玩家的收入

-- ARPU=总收入/AU
select count(distinct user_id)as AU,
(select sum(pay_price) from game_analyst)as 总收入,
(select sum(pay_price) from game_analyst)/count(distinct user_id)as ARPU
from game_analyst 
where avg_online_minutes>=15;

在这里插入图片描述

3.2 每个活跃付费玩家收入

-- ARPPU=总收入/APA
select count(distinct user_id)as APA,
(select sum(pay_price) from game_analyst)as 总收入,
(select sum(pay_price) from game_analyst)/count(distinct user_id)as ARPPU
from game_analyst 
where avg_online_minutes>=15 
and pay_price>0;

在这里插入图片描述

3.3 付费率

-- PUR = APA/AU 
select count(distinct user_id) as APA,
(select count(distinct user_id)
from game_analyst 
where avg_online_minutes>=15)as AU,
count(distinct user_id)/(select count(distinct user_id)
from game_analyst
where avg_online_minutes>0)as PUR 
from game_analyst
where avg_online_minutes>=15
and pay_price>0;

在这里插入图片描述
对数据进行可视化：

该游戏人均付费率ARPU很低，说明游戏的收入较差，但对比ARPU，平均每个付费用户收入ARPPU很高，是ARPU的6倍多，那就说明收费玩家的付费能力很强，针对这一点，我们可以做一些付费功能调整和优化，甚至专属大R玩家，让大R玩的更开心。
付费率只有可怜的2.7%，其实只要简单的开展一个首充活动，比如：充1元可获得价值60元的大礼包，就能够很好地提高游戏的付费率了。付费率高，一样可以得到渠道青睐，获得更多推荐展示机会（行业俗称为“吸量”），间接提高游戏的热度。

注：大R，可理解为家里有矿的人，游戏的充值金额很大。每个游戏都有等级划分的制度，共有以下五种：废户、普通用户、VIP用户、SVIP用户、大R用户

4. 玩家游戏习惯分析

关键指标

PVP(Player VS Player)：玩家之间的游戏对决，就是玩家与对立阵营，派别之间的玩家发生的战斗。通过完成击杀其他玩家获得荣誉，装备道具等。
PVE(Player VS Environment)：玩家与电脑之间的对决，即打怪、打副本等。

4.1 AU玩家的PVP情况

select avg(pvp_battle_count) as 平均PVP次数,
sum(pvp_lanch_count)/sum(pvp_battle_count) as 主动发起PVP的概率,
sum(pvp_win_count)/sum(pvp_battle_count) as PVP胜利的概率
from game_analyst 
where avg_online_minutes>=15;

在这里插入图片描述

4.2 APA玩家的PVP情况

select avg(pvp_battle_count) as 平均PVP次数,
sum(pvp_lanch_count)/sum(pvp_battle_count) as 主动发起PVP的概率,
sum(pvp_win_count)/sum(pvp_battle_count) as PVP胜利的概率
from game_analyst 
where avg_online_minutes>=15
and pay_price>0;

在这里插入图片描述

4.3 AU玩家的PVE情况

select avg(pve_battle_count) as 平均PVe次数,
sum(pve_lanch_count)/sum(pve_battle_count) as 主动发起PVE的概率,
sum(pve_win_count)/sum(pve_battle_count) as PVE胜利的概率
from game_analyst 
where avg_online_minutes>=15;

在这里插入图片描述

select avg(pve_battle_count) as 平均PVe次数,
sum(pve_lanch_count)/sum(pve_battle_count) as 主动发起PVE的概率,
sum(pve_win_count)/sum(pve_battle_count) as PVE胜利的概率
from game_analyst 
where avg_online_minutes>=15
and pay_price>0;

在这里插入图片描述
将数据可视化：

从上图可以看出，APA玩家的平均PVE和PVP次数都要高于AU玩家两倍左右，显然APA玩家更愿意花费更多的时间在这个游戏上。

在PVE活动中，APA玩家主动发起进攻的概率和胜利的概率与AU玩家基本持平，其中主动发起PVE的概率非常高，可见游戏玩家还是比较熟悉游戏规则，基本上能主动刷副本打怪获取资源或者等级的提升。另外游戏的PVE难度也不高，玩家的PVE胜率高达90%，可见游戏体验较为友好。

结论

1. 新增用户分析

新增玩家有828934人，其中付费玩家有19549人，付费人数占注册总人数的2.36%。
每日新增玩家在3月10日有一次大高峰增长，在3月13日有一次小高峰增长，推断可能是举办了游戏活动，但是活动一过，后续新用户注册量并没有显著提升，可见这两次活动并没有给游戏带来实质性帮助。
在这两次举办的活动期间，每日新增付费用户并没有提升，反而趋于下降，可见这两次游戏可能是为了提升游戏的热度。
建议加大活动力度，并保持一定的时间维度，给玩家充分了解游戏的时间，才能持续提高游戏热度。

2. 玩家游戏活跃度

全部玩家平均在线时长11.74分钟，付费玩家平均在线时长135.87分钟，付费玩家的平均在线时长要远远大于全体玩家的平均时长，活跃度比他们大得多。
75%的玩家平均在线时长不超过1分钟，可见玩家流失的情况还是比较严重的。
付费用户中，75%以上的用户在线时长都超过了30分钟，说明付费用户更愿意投入时间到该款游戏中。

3. 玩家付费情况分析

付费率PUR比较低，只有2.7%，其中只要简单的开展一个首充活动，比如充1元可获得60元的大礼包，就能很好地提高游戏的付费率了。付费率高，一样可以得到渠道青睐，获得更多推荐展示机会（行业俗称“吸量”），间接提高游戏热度。
怒气按较好的手游每日ARPU超过5元；一般的手游ARPU在3元-5元之间；ARPU低于3元则说明表现较差，但是平均每付费用户收入ARPPU很高，说明大R的付费能力强，针对这一点，我们可以做一些付费功能的调整和优化，甚至专属大R的克服，让付费用户玩的更开心。

4. 付费玩家习惯分析

APA玩家的平均PVE和PVP次数都要高于AU玩家两倍，显然APA玩家更愿意花费更多的时间在这个游戏上。
在PVP活动中，APA玩家主动发起进攻的概率和胜利的概率要明显高于AU玩家，在享受游戏对战乐趣的过程中，往往更能够收获胜利。
在PVE活动中，APA 玩家主动发起进攻的概率和胜利的概率与AU玩家基本持平，其中主动发起PVE的概率非常高，可见游戏玩家还是比较熟悉游戏规则，基本能主动刷副本打怪获取装备资源或者等级的提升。
游戏的PVE难度也不高，玩家的PVE胜率高达90%，可见游戏体验较为友好。

isxz

关注

3
点赞
踩
32

收藏

觉得还不错? 一键收藏
3
评论
互联网游戏-数据分析项目

理解数据数据集共有82934条数据，109个字段，记录了游戏玩家注册后的一周的行为跟踪数据，主要针对以下10个字段进行相关分析。主要从以下四个方面进行：新增玩家分析：从玩家数量、付费玩家占比、每日新增玩家数量等方面展开分析玩家活跃度分析：从不同用户在线时长、分布等展开分析玩家付费情况分析：从PUR、ARPPU、ARPU等指标展开玩家游戏习惯分析：从玩家的pvp（人 vs 人）、pve（人 vs 机器）这两个指标情况进行分析。数据分析1.新增玩家分析1.1 新增玩家数量...
复制链接

扫一扫