数据来源：
游戏玩家付费金额预测大赛-竞赛信息-DC竞赛www.dcjingsai.com字段理解：
数据量很多、用到的字段也多，所以函数部分写的就有些多了，可以直接看文末结尾处。
背景：
数据统计了'2018年3月7日'到‘2018年3月22日’共828,934人的行为，想了解在【不同时期】新注册的用户在行为上有什么不同，数据分析思路如下：
常规数据
首先是先要了解3月7日'~22日这16天《野蛮部落》的用户基本情况：
7日总收入：在用户登陆的7天内累充值对的金额
AU：活跃用户，在统计周期内登陆过游戏的用户数量
DNU：游戏每日新注册用户数量
APA：游戏活跃付费用户数量
PUR：付费比率，在游戏里付费人群占总人群的百分比=APA/AU
ARPU：平均每用户收入，指在游戏里每位用户平均充值多少金额=总收入/AU
ARPPU：平均付费用户收入，指在游戏里每位付费用户平均充值多少金额=总收入/APA
1.数据统计
7日总收入：556,900元
SELECT ROUND(SUM(pay_price),0) AS 7日付费金额 FROM youxi;
AU:新增用户量828,934人
SELECT COUNT(DISTINCT user_id) AS AD FROM youxi;
APA：游戏活跃付费用户数19,549人
SELECT COUNT(DISTINCT user_id) AS APA
FROM youxi WHERE pay_price > 0;
DNU：游戏每日新注册用户数量
SELECT DATE(register_time) AS 日期,COUNT(DISTINCT user_id) AS 数量
FROM youxi GROUP BY DATE(register_time);
PUR：付费比率2.36%
SELECT CONCAT((100*(SELECT COUNT(DISTINCT user_id) FROM youxi
WHERE pay_price > 0)/COUNT(DISTINCT user_id)),'%') AS 占比
FROM youxi;
ARPU：平均每用户收入0.67
SELECT ROUND(SUM(pay_price)/COUNT(DISTINCT user_id),2)AS ARPPU
FROM youxi;
ARPPU：平均付费用户收入28.49
SELECT ROUND(SUM(pay_price)/(SELECT COUNT(DISTINCT user_id) FROM youxi WHERE pay_price > 0),2)AS ARPPU
FROM youxi;
小结：由上述数据可知在《野蛮时代》的82w+的用户数量中，在注册后的7日内的充值率为2.36%，也就是说在这些用户注册后有19,549人在7日内有充值行为，而这些人的ARPPU为28.49元，跟行业同类数据相比XXXl(没找到数据、这里应该填写高、低或者相同）。
每日新增用户付费数量分布：
SELECT DATE(register_time) AS 日期, COUNT(DISTINCT user_id) AS 当日新增付费用户数量
FROM youxi WHERE pay_price > 0
GROUP BY 日期;
将该部分数据与‘每日新增用户’数据放在一起，得出付费用户跟新增用户的分布规律：
10号用户付费率：0.96%；
16号用户付费率：3.34%。
新增用户数量在3/10以后基本平缓，在平均在4W~5W之间、而每日新增付费用户数量也在1,000~1,500左右。
值得注意的是，在【3/10】的11w+新增用户中，未来7天内有充值行为的人数仅占当日新增用户的"0.96%"；而【3/16】的5W+新增用户中未来7天内有充值行为的人数占当日新增用户数的"3.34%"，是什么原因导致这样的变化?
这两日相似的特点就是跟它们前后各一天相比较、当日注册用户数量明显升高，人数升高的常见原因有以下几种：
在现实中要确认原因不能只从数据的角度来分析，还要跟市场、运营多交流，结合业务才能更精确的找到原因。
因为数据片面（只有玩家部分行为数据）我们无从得知到底是什么原因造成的数量变化，但是可以通过对比来观察这2日的用户在游戏行为上有什么不同
用户画像对比
因为要用‘3月10日’跟‘3月16日’的用户进行比较，所以就先建立个视图，名字就叫【shitu】
在线时长分布用箱线图来表示，来了解用户的时长分布
3月10号和3月16号的人均在线时长、下四分位数、中位数、上四分位数如下所示：
对比发现它们的人均在线时间非常低，75%的用户在线时间低于6分钟，而人均在线时长之所以这么高是因为剩余25%的用户在想市场非常高影响了平均值；而且16号的用户活跃明显比10高。
SELECT ROUND(AVG(avg_online_minutes),2) AS 人均在线时长,
MIN(avg_online_minutes)AS 最小人均时间,
MAX(avg_online_minutes)AS 最大人均时间,
(SELECT avg_online_minutes FROM shitu WHERE register_time = '2018-03-10' ORDER BY avg_online_minutes LIMIT 28508,1) AS 下四分位数,
(SELECT avg_online_minutes FROM shitu WHERE register_time = '2018-03-10' ORDER BY avg_online_minutes LIMIT 57017,1) AS 中位数,
(SELECT avg_online_minutes FROM shitu WHERE register_time = '2018-03-10' ORDER BY avg_online_minutes LIMIT 85526,1) AS 上四分位数
FROM shitu
WHERE register_time = '2018-03-10'
UNION
SELECT ROUND(AVG(avg_online_minutes),2) AS 人均在线时长,
MIN(avg_online_minutes)AS 最小人均时间,
MAX(avg_online_minutes)AS 最大人均时间,
(SELECT avg_online_minutes FROM shitu WHERE register_time = '2018-03-16' ORDER BY avg_online_minutes LIMIT 12766,1) AS 下四分位数,
(SELECT avg_online_minutes FROM shitu WHERE register_time = '2018-03-16' ORDER BY avg_online_minutes LIMIT 25532,1) AS 中位数,
(SELECT avg_online_minutes FROM shitu WHERE register_time = '2018-03-16' ORDER BY avg_online_minutes LIMIT 38298,1) AS 上四分位数
FROM shitu
WHERE register_time = '2018-03-16'因为没有相关数据，这里就不讨论用户流失的原因了，游戏前期用户流失常见的问题了解一下。
付费用户在线时长
付费用户一般都比较活跃，有75%的用户游戏时长都超过了26分钟、从侧面说明了人均游戏时长虚高，而且16号的用户活跃明显高于10号。
付费用户充值信息
AU：活跃用户
PU:付费用户
PUR：付费比率，在游戏里付费人群占总人群的百分比=APA/AU
ARPU：平均每用户收入
ARPPU：平均付费用户收入
SELECT register_time AS 日期,COUNT(DISTINCT user_id) AS AU,
(SELECT COUNT(DISTINCT user_id) FROM shitu WHERE pay_count > 0 AND register_time = '2018-03-10') AS PU,
ROUND(SUM(pay_price),0) AS 总收入,
ROUND(SUM(pay_price)/COUNT(DISTINCT user_id),3) AS ARPU,
ROUND(SUM(pay_price)/(SELECT COUNT(DISTINCT user_id) FROM shitu WHERE pay_count > 0 AND register_time = '2018-03-10'),0) AS ARPPU
FROM shitu
WHERE register_time IN ('2018-03-10','2018-03-16')
GROUP BY register_time;付费用户充值情况：
10号用户复充率为：54.7%
16号用户复充率为：61.6%
SELECT DATE(register_time) AS 时间,
COUNT(DISTINCT user_id) AS 充值人数,
ROUND(SUM(pay_price),0)AS 充值金额,
SUM(pay_count) AS 充值次数,
ROUND(SUM(pay_count)/COUNT(DISTINCT user_id),1)AS 人均充值次数,
SUM(CASE WHEN pay_count > 1 THEN 1 ELSE 0 END ) AS 复充人数
FROM shitu
WHERE pay_price > 0
GROUP BY DATE(register_time);通过对比发现，游戏用户的ARPU和复购率较低，说明大部分人消费意愿低；但是ARPPU较高，说明大R付费能力强，在以后的游戏更新和优化中可以根据大R的消费习惯来针对性优化。
付费玩家游戏习惯
这里用10号跟16号的充值用户进行对比，看看它们的行为有何不同？
16号的用户在资源获得和消耗上全面超越15号的用户，可见前者的游戏行为更活跃
SELECT register_time AS 日期,SUM(wood_reduce_value+stone_reduce_value+ivory_reduce_value+meat_reduce_value+magic_reduce_value) AS 总使用量,
SUM(wood_add_value+stone_add_value+ivory_add_value+meat_add_value+magic_add_value) AS 总添加量,
ROUND(SUM(wood_reduce_value+stone_reduce_value+ivory_reduce_value+meat_reduce_value+magic_reduce_value)/
SUM(wood_add_value+stone_add_value+ivory_add_value+meat_add_value+magic_add_value),2) AS 资源类使用率
FROM shitu
WHERE register_time IN ('2018-03-10','2018-03-16')
AND pay_count > 0
GROUP BY register_time;接下来对不同类型的资源消耗进行比较
SELECT register_time AS 日期,
ROUND(SUM(wood_reduce_value)/SUM(wood_add_value),2) AS 木头消耗率,
ROUND(SUM(stone_reduce_value)/SUM(stone_add_value),2) AS 石头消耗率,
ROUND(SUM(ivory_reduce_value)/SUM(ivory_add_value),2) AS 象牙消耗率,
ROUND(SUM(meat_reduce_value)/SUM(meat_add_value),2) AS 肉消耗率,
ROUND(SUM(magic_reduce_value)/SUM(magic_add_value),2) AS 魔法消耗率
FROM shitu
WHERE register_time in ('2018-03-10','2018-03-16') AND pay_count > 0
GROUP BY register_time;
对比发现16号用户在消耗上都略高于15号的用户，而且在消耗率和主要消耗类型上差别不大，惟一的区别是15号用户在魔法资源消耗上略高于16号用户。
象牙的消耗率不足50%，可见用户对象牙的需求没有那么高、或者象牙的消耗机制单一、不足以消耗。
PVP比较
在游戏里，PVP指的是玩家之间的对抗、PVE指的是玩家跟电脑之间的对抗。
SELECT register_time AS 日期,
ROUND(AVG(pvp_battle_count),2) AS 平均PVP次数,
ROUND(SUM(pvp_lanch_count)/SUM(pvp_battle_count),2) AS 主动发起PVP的概率,
ROUND(SUM(pvp_win_count)/SUM(pvp_battle_count),2) AS PVP胜利的概率
FROM shitu
WHERE register_time IN ('2018-03-10','2018-03-16') AND pay_count > 0
GROUP BY register_time;PVE比较（代码略）
16号的充值用户活跃度明显高于15号用户。
16号用户虽然PVP的参与活跃高，但主动发起挑战的概率略低。因为从图中可知16号用户PVP的主动挑战概率还略低于15号用户。
但是16号用户的胜率是高的，可见这部分用户熟悉游戏规则、利用不同兵种来制定战斗策略，充分时间来提升自己。
对不同兵种的士兵消耗进行比较
这里要注意，（死亡士兵 = 直接战死 + 重伤不治）得来的。
SELECT register_time AS 日期,SUM((infantry_reduce_value-wound_infantry_reduce_value)+(cavalry_reduce_value-wound_cavalry_reduce_value)+(shaman_reduce_value-wound_shaman_reduce_value)) AS 总损失士兵数量,
SUM(infantry_add_value+cavalry_add_value+shaman_add_value) AS 总士兵数量,
ROUND(SUM((infantry_reduce_value-wound_infantry_reduce_value)+(cavalry_reduce_value-wound_cavalry_reduce_value)+(shaman_reduce_value-wound_shaman_reduce_value))/SUM(infantry_add_value+cavalry_add_value+shaman_add_value),2)AS 士兵类总损失率
FROM shitu WHERE register_time IN ('2018-03-10','2018-03-16') AND pay_count > 0
GROUP BY register_time;各类士兵的详细损失率
SELECT register_time AS 日期,
ROUND(SUM(infantry_reduce_value-wound_infantry_reduce_value)/SUM(infantry_add_value),2) AS 勇士损失率,
ROUND(SUM(cavalry_reduce_value-wound_cavalry_reduce_value)/SUM(cavalry_add_value),2) AS 驯兽师损失率,
ROUND(SUM(shaman_reduce_value-wound_shaman_reduce_value)/ SUM(shaman_add_value),2) AS 萨满损失率
FROM shitu WHERE register_time IN ('2018-03-10','2018-03-16') AND pay_count > 0
GROUP BY register_time;
从图中看出16号玩家的士兵损失率远小于15号玩家，为什么？原因有很多、假设其中一个因素是“治疗加速卷使用”造成的，接下来验证这个论据。
各类加速卷使用情况：
对比加速卷的使用情况发现10号用户和16号用户的习惯明显不同，16号用户在“科研加速卷”和“治疗加速卷”的使用情况上是明显高于10号用户，但其它加速卷的使用情况都不如15号用户。
治疗加速卷：快速治疗士兵、补充战力
科研加速卷：解锁科技树、提供其他收益效果
可见16号用户在使用加速卷上有更好的搭配性，这也是士兵伤亡率低原因吧。
SELECT register_time AS 日期,
ROUND(SUM(general_acceleration_reduce_value)/SUM(general_acceleration_add_value),2) AS 通用加速卷使用率,
ROUND(SUM(building_acceleration_reduce_value)/SUM(building_acceleration_add_value),2) AS 建筑加速卷使用率,
ROUND(SUM(reaserch_acceleration_reduce_value)/SUM(reaserch_acceleration_add_value),2) AS 科研加速卷用率,
ROUND(SUM(training_acceleration_reduce_value)/SUM(training_acceleration_add_value),2) AS 训练加速卷使用率,
ROUND(SUM(treatment_acceleration_reduce_value)/SUM(treatment_acceleraion_add_value),2) AS 治疗加速卷使用率,
ROUND(SUM(general_acceleration_reduce_value+building_acceleration_reduce_value+reaserch_acceleration_reduce_value+training_acceleration_reduce_value+treatment_acceleration_reduce_value)/
SUM(general_acceleration_add_value+building_acceleration_add_value+reaserch_acceleration_add_value+training_acceleration_add_value+treatment_acceleraion_add_value),2) AS 总体加速卷使用率
FROM shitu WHERE register_time IN( '2018-03-10','2018-03-16') AND pay_count > 0
GROUP BY register_time;结论
对比发现【3月16号】的充值用户质量要高于【3月10号】的充值用户质量，特点如下：
1.付费率高：
·16号用户的付费率为3.34%，比10号高2.38%
2.用户活跃度高
·16号用户的人均在线时长为15.4分钟，是10要用户的2.5倍
·10号用户75%的用户在线时长不足3分钟、是16号用户的一半（6分钟）
·付费用户时长16号用户人均161分钟、比10号用户高30分钟
3.付费高
·16号ARPPU（3.5元）元略高于10号ARPPU（3.1元）
·16号有复购行为的用户占当日用户的61.6%，比10号高6.9%
4.PVP&PVE参与积极
·双方PVE胜率都保持在90%以上、刷本打怪获取资源的难度不大，游戏难度简单
·双方PVE胜率相似、为71%~72%左右，但16号玩家人均参与场次（28场）高于10号（22场），前者更喜欢参与PVP对抗
5.资源消耗合理、均衡
·16号用户兵种数量是10号用户的2倍左右
·16号用户在‘治疗加速卷’和‘科技加速卷’的使用上高于10号用户
小结：【16号】的付费用户能很快的熟悉和掌握游戏规则，活跃度高、付费意愿强烈、积极进行游戏活动，属于高质量用户群体
可以结合该部分用户其它数据建立更精确的画像，制定运营策略、促进和刺激玩家消费
后续建议：
·用户增长的原因是如何造成的，是否有借鉴的经验
·弄清楚用户在游戏开始时流失的原因，减少用户流失
220
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
