以下来源-均为网上公开,仅供学习参考
文章目录
前言
策略游戏有着数十年历史的经典游戏类型,在全球,尤其是欧美市场有着极高的用户接受度和认知。
SLG游戏是很容易上瘾并频繁和长时间地沉浸在其中的,付费点也多,这也就是为什么国内游戏公司发力SLG领域的重要原因,哪怕国内“卷”不过,也要到国外“卷”。
2020全球SLG游戏:留存、使用时长和付费转化等关键指标一览
不出海便出局”,但出海就一定能赢吗
SLG游戏行业发展特征分析:生命周期长,进入壁垒高
(为了把控游戏质量和题材,达到绿色健康的游戏环境,从2018年起,国内游戏版号发放量连续四年减少,甚至2021年总体减少了46.26% 。)
所以有时候要顺应时代,每款产品都是时代的产物,都有红利期,要想长久永生,那就要贴近时代,结合历史,比如通过游戏技术在保护文化遗产上面发力
不会”创新“,那就学同行,一起“抄作业”
游戏技术能为文化遗产保护做到什么程度?
世界文化遗产与国风游戏碰撞?新倩女幽魂携龙门石窟再出高分答案
网络游戏与非物质文化遗产联动法律风险防控建议
《野蛮时代》(Brutal Age)是一款风靡全球的SLG类型手机游戏。根据App Annie统计,《野蛮时代》在12个国家取得游戏畅销榜第1,在82个国家取得游戏畅销榜前10。准确了解每个玩家的价值,对游戏的广告投放策略和高效的运营活动(如精准的促销活动和礼包推荐)具有重要意义,有助于给玩家带来更个性化的体验。
一、SLG手游策略游戏-数据分析
主要流程:明确相关大的数据指标-专题分析,再拆分指标,建立模型分析。
关键信息:用户ID, 注册时间, 付费金额,要塞(玩家主基地)等级,付费金额等。
方式一:Excel版本分析
Excel实现方式简单,时间有限就不写了。具体详情参考这篇文章
手游excel数据分析
缺点:
1.遇到数据量很大的时候,直接卡在那,转圈圈,16G内存都有点卡卡。
2.学习能力强的应届毕业生也能取代你(具体情况还得结合业务)
3.容易被自动化取代。
优点:
适用面广 + 覆盖人群多 + 操作简单
细节方面:公式数据处理,图表数据引用,图表美化展现,图表+文字结论输出,再优秀一点的,理解业务并会设置指标阈值,自动化预警给业务。
方式二:python版本分析
1.数据处理
导入数据
清洗数据
# 重复值处理
data.drop_duplicates(subset='user_id').count() #删除重复值后各列的数量
# 空值处理 删除对应列包含空值的行
data.dropna(subset=['user_id','register_time','bd_stronghold_level'], inplace=True)
data.isnull().sum()
data.describe().T
无关字段有nan,对其他主要字段分析,没有影响,可不做处理
#提取对应列,做专题分析
df=data[['user_id', 'register_time','avg_online_minutes', 'pay_price', 'pay_count']]
df.info()
2.图表展现分析
用户注册分布分析
#去掉时间
def drop_time(series):
time_list = []
for li in series:
time_list.append(li.date())
return time_list
#每日注册人数分布
reg_user = data[['user_id', 'register_time']]
reg_user['register_time'] = pd.to_datetime(reg_user['register_time'], format='%Y-%m-%d', errors='coerce')
reg_user['register_time'] = drop_time(reg_user['register_time'])
#查看注册分布
reg_user = reg_user.groupby(['register_time']).user_id.count()
#画图
plt.style.use('seaborn-ticks')
#---------绘图背景技巧,对应格式------------
# https://blog.csdn.net/viviliving/article/details/107690844
fig = plt.figure(figsize