用“新”了解用户-数据赋能之路

腾讯大讲堂 2021-01-14 18:03

作者:karenezhang  腾讯IEG游戏运营


|导语  用户分层一直是精细化运营中重要的一环。指根据不同用户的行为特征划分成不同的用户群体,进而制定不同的运营策略来满足其差异化的需求,充分发挥每类用户的价值。本文将分享《QQ炫舞》的用户分层思路,讲述用户分层模型的建立原理,以及如何使用游戏路径图精细化还原用户的游戏路径,发掘各类用户的游戏受挫点和关注点。从而对不同类用户制定相应的运营策略,进行针对性的干预,以达到稳定留存的作用。



01

背景(为什么要用户分层)



QQ炫舞已运营了12年,在这过程中,用户的行为在不断的发生变化,因此需要对用户进行更加细致的了解,深度探究不同用户的游戏痛点和需求点,针对不同用户进行精细化、差异化的服务,来满足不同用户的游戏诉求,目的是以最小的成本,挖掘最大的用户价值,并提高用户的长期留存。



02

用户分层整体思路



1、活跃标签:

以前炫舞的活跃标签主要考虑活跃天数,难以客观全面地分析玩家的活跃行为,此次增加考量玩家的“活跃时长”和“最近一次活跃时间”,丰富玩家的历史游戏活跃行为数据的采集和打点,完善地构建出每个玩家的活跃标签。


2、活跃用户分层:

根据玩家的活跃标签,以RFM模型为基础,将玩家进行细分和分层。


3、细化和具象化标签:

用户分层后,对每一类型用户进行付费、玩法偏好、自然属性和触媒偏好的交叉分析,从而得到不同用户的具体画像,并在此基础上,利用游戏路径图的方式,深挖各类玩家的游戏受挫点和关注点。


4、针对性干预:

最后对各类用户制定相应的运营策略,进行针对性的干预,以达到稳定留存的作用。



03

用户分层具体步骤



1、活跃标签:

主要从近期活跃、活跃天数、活跃时长3个方面构建玩家的活跃标签,具体的数值化方式如下:

  • 近期活跃:最后一次登录时间到统计日之间的空白天数

  • 活跃天数:每月登录游戏的天数

  • 活跃时长:每月登录游戏累计在线时长


2、活跃用户分层——RFM模型

根据玩家上述的活跃标签,运用用户分层模型,对用户进行分层,此次用到的用户分层模型是一个比较常见的模型——RFM模型,它的基础思想是通过3个指标对用户进行分类,划分用户的重要程度。从而可以针对不同价值的用户使用不同的运营策略,把有限资源发挥最大效果。


1)RFM定义(传统定义)

传统的RFM模型主要聚焦在用户的付费行为,考量的基础是以下3个指标:

  • R:最近一次的消费时间(Recency)

  • F:一段时间内的消费频次(Frequency)

  • M:一段时间内的消费金额(Monetary)


每个指标分为高、低两档,各指标之间组合后可以得到以下8种用户类型。


2)RFM定义(活跃用户定义)

为更客观全面地分析玩家的活跃行为,此处运用了RFM模型的基础框架,重新定义了R、F、M三个指标的含义,从传统的付费行为指标转换为活跃行为指标:

  • R:近期活跃(Recency)

  • F:活跃天数(Frequency)

  • M:活跃时长(Monetary)


以上述3个维度【近期活跃、活跃天数、活跃时长】对玩家进行划分,使用中位数作为高、低两档划分的临界值(使用中位数的原因:因为炫舞玩家有挂机行为,样本倾斜较大,如果用平均数效果难以达到预期,中位数可更客观的划分用户特性),具体分为以下3大类、7小类用户(部分类别用户数较少,分析时可适当的忽略)。


【保持类用户】:最近有登陆,暂无流失倾向,活跃天数或在线时长高的核心保持类用户。

【挽留类用户】:最近不活跃,有流失风险,但历史为高活跃天数或高在线时长,挽回几率较高的挽留类用户。

【边缘类用户】:历史活跃度较低的次月预流失用户。



3、细化和具象化标签

1)付费情况:

将上述7类用户与付费用户R级进行交叉分析,从而综合了解各类用户的付费、活跃情况。如保持类用户的付费率高,且各项活跃数据稳定,后续以维系付费价值和持续重点数据监控为主。


2)玩法偏好:

将各类用户与用户的游戏行为画像进行交叉分析,得到各类用户的游戏玩法偏好,给玩法内容的优化提供指导方向。


3)自然属性:

从性别、年龄、城市等级等方面分析各类型用户的自然属性,从而了解用户个人因素对游戏带来的影响。


4)触媒偏好:

利用调查问卷的形式,调研不同类用户的泛娱乐行为、竞品活跃情况和PC游戏触媒习惯等,发现不同类用户的传播内容点,为提升用户活跃度和回流效能提供依据。


5)第一受挫点、第一关注点:

通过绘制各类用户的游戏路径图,得到玩家的详细游戏行为路径特点,找出玩家流失前的第一受挫点、第一关注点,从而在关键点上进行及时干预。


① 什么是游戏路径图

游戏路径图指对玩家进入游戏后的UI点击路径和停留时间进行打点,然后通过绘制桑基图的方式,还原用户具体的游戏路径。如下图:

  • 从左到右分别表示玩家进入游戏后每一步的UI点击顺序。

  • 柱形条长短表示点击这个界面的玩家人数数量。

  • 灰色条宽度表示每一步之间,流动的人数的多少。


② 怎么做游戏路径图(游戏打点规则)

以UI点击为最小颗粒度,记录玩家登录客户端期间的按钮情况,每次登录只记录一条数据。其中一个字段以字符串的形式,按玩家点击顺序记录点击过的UI,另一个字段记录点击时的时间戳。后续数据处理时,便可还原玩家的点击顺序,同时利用时间戳之间的时间间隔,可统计玩家在当前页面的停留时间。



③ 怎么做游戏路径图(桑基图绘制)

利用echart(https://echarts.apache.org/zh/index.html)的桑基图绘制功能,录入玩家的UI点击数据,得到各类用户的游戏路径图。

对比不同类型用户的游戏路径图,找出玩家的第一流失点,从而制定相对应的干预措施。找到玩家的第一关注点,就是首先进入哪个模块的用户,他后续的留存率会更高,从而提高第一关注点的优先级。


④ 怎么用游戏路径图(挽留类用户情况)

【现象1】:玩家进入游戏后的第1、2步主要是进入“游戏大厅”和“活动中心”。但进入“游戏大厅”的留存率较低,进入“活动中心”后留存率较高。

【现象2】:高活用户进入“活动中心”比例较低活玩家进入比例高。

【小结】:活动中心为挽留类用户留存关键点。目前“活动中心”展示优先级不高,玩家找不到活动任务,对局后缺少目标感,从而导致流失。



⑤ 怎么用游戏路径图(边缘类用户情况)

【现象1】:边缘类用户多为回流用户,回流登录后多数用户在房间对局不足10分钟后就再次流失。

【现象2】:目前回流用户登录后会强弹回流中心,但用户流失前,二次打开回流中心的人数较少,回流中心奖励力度不足。

【小结】:边缘类用户留存驱动力不足,对局后易再度流失。



4、针对性干预


1)保持类用户:

这部分用户他们的付费率比较高,而且各项指标都表明了他们是高活跃,次月留存率都比较偏高,数据比较稳定,这部分用户后续主要是维护他们的付费价值,以及数据监测为主。


2)挽留类用户:

这部分用户他们历史的活跃表现较好,但是近期不活跃,有流失风险,但从留存率来看,他们对游戏还有一定的粘性,挽回几率比下面的边缘类用户高,属于重点干预的用户,具体干预手段如下:

  • 计划优先弹出活动中心的版本活动,去掉签到弹出。

  • 版本活动外领奖指引,当完成版本活动内的任务时,外部出现「可领奖」提示,点开后内部直接自动打开领奖页面,减少UI带来的理解成本

  • 采用客服进行精准触达,发放专属礼包,以及推送新的版本内容。

  • 在线下座谈会中了解玩家对活动中心的使用体验和痛点,整理并后续优化。


3)边缘性用户:

他们年龄层较低,从各项活跃度数据来看的话,对游戏粘性较低,这一部分用户更多的是回流用户,而且发现他们回流后通常在第一场对局后就二次流失了,具体干预手段如下:

  • 在回流玩家进行任意一次对局后弹出活动中心的引导,引导内容包括当期版本活动的核心资源奖励,为回流玩家提供目标感

  • 加大回流奖励力度,利用Q币奖励拉有效回流。

  • 考虑该类用户的自然属性和触媒属性,后续尝试入驻B站,丰富现有的社区矩阵的同时,促使品牌年轻化。






近期热文




巧用腾讯问卷逻辑语言DSL,复杂问卷逻辑不再愁


【干货】腾讯微卡开放指南-让你的App、小程序拥有专属的电子卡能力 


用“新”留住用户-活动运营革新之路 


让我知道你在看