用“新”了解用户-数据赋能之路
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。
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
让我知道你在看