फ्री-टू-प्ले गेम में आंकड़ों का विश्लेषण: एनालिटिक्स टूल

फ्री-टू-प्ले गेम विकसित करने में सफलता की कुंजी खिलाड़ी के व्यवहार का विश्लेषण है और आंकड़ों के आधार पर गेम कार्यक्षमता की निरंतर ट्यूनिंग है। आंकड़े एकत्रित करना आधी लड़ाई है। लेकिन कच्चे डेटा के पहाड़ को जानकारी में कैसे बदलना है?

अपने आखिरी लेख में, मैंने मुख्य संकेतकों को सूचीबद्ध किया जिसके द्वारा आप खेल की सफलता को ट्रैक कर सकते हैं। श्रृंखला के दूसरे भाग में, मैं उन बुनियादी उपकरणों की समीक्षा करूँगा जो डेटा को कार्रवाई के लिए एक गाइड में बदलने में मदद करेंगे।

विभाजन

मुख्य उपकरण जो डेटा को जानकारी में बदलने में मदद करता है, खिलाड़ी विभाजन है। सेगमेंटेशन उन उपयोगकर्ता समूहों का आवंटन है जिनकी विशेषता कुछ सामान्य विशेषता है, और इन समूहों के भीतर एप्लिकेशन मेट्रिक्स के साथ काम करते हैं। सीधे शब्दों में कहें तो, सेगमेंट चयन एक खोज फ़िल्टर का निर्माण है जो आपको दिए गए मापदंडों के साथ सभी उपयोगकर्ताओं को खोजने की अनुमति देता है: पंजीकरण दिनांक से, जनसांख्यिकीय विशेषताओं द्वारा, आवेदन के लिए संक्रमण के स्रोत द्वारा, कुछ उपयोगकर्ता कार्यों का प्रदर्शन करके, आदि।

यदि आप गेम विकसित कर रहे हैं, और आपके आंकड़े संग्रह और विश्लेषण प्रणाली खिलाड़ी विभाजन का समर्थन नहीं करते हैं, तो आपको इसका उपयोग बिल्कुल नहीं करना चाहिए। विभाजन अन्य सभी विश्लेषण उपकरणों को रेखांकित करता है। उपयोगकर्ता खंडों का विश्लेषण करने में सक्षम होने के लिए, आपको यह सुनिश्चित करने की आवश्यकता है कि इन उपयोगकर्ताओं के आवश्यक पैरामीटर सही तरीके से आवेदन में लॉग इन हैं।

एक पूरे के रूप में खेल में औसत संकेतक विशिष्ट संकेतकों के लिए मापा जाने वाले समान संकेतकों से काफी भिन्न हो सकते हैं। इसका मतलब यह है कि खेल में सुधार के बारे में निर्णय अलग-अलग खंडों को ध्यान में रखकर किया जाना चाहिए। मैं एक सरल उदाहरण दूंगा। उन शीर्ष 25 उपकरणों पर विचार करें जिन पर खिलाड़ी Android के लिए मोंटेज़ुमा 3 गेम के खजाने को लॉन्च करते हैं। आइए उन खिलाड़ियों के एक सेगमेंट का निर्माण करें जिन्होंने एक विज्ञापन की खरीदारी की या लाभ उठाया। अब देखते हैं कि इस खंड के सापेक्ष शीर्ष में उपकरणों की स्थिति कैसे बदल गई है। नीचे दिए गए ग्राफ़ से यह देखा जा सकता है कि ऐसे डिवाइस के मॉडल हैं जिन पर खेल अक्सर स्थापित होता है, लेकिन यह शायद ही कभी खरीद के लिए आता है। और इसके विपरीत: ऐसा लगता है कि डिवाइस पहले पदों पर कब्जा नहीं करता है, लेकिन भुगतान में उच्च रूपांतरण के कारण, गेम की जांच करते समय इस पर अधिक ध्यान देने योग्य है। यह बेहद कम रूपांतरण वाले उपकरणों की खोज के लायक भी है: उनके पास तकनीकी समस्याएं हो सकती हैं जो खिलाड़ियों की प्रगति को बाधित करती हैं।

संक्रमण का विश्लेषण (या "फ़नल")

"फ़नल" को उन चरणों के अनुक्रम का विश्लेषण करने के लिए डिज़ाइन किया गया है जो खिलाड़ी पूरा करते हैं, खेल के भीतर कुछ चुने हुए लक्ष्य की ओर बढ़ते हैं। उदाहरण के लिए, हम इस बात में रुचि रखते हैं कि खेल में चरणों के निम्नलिखित अनुक्रम के परिणामस्वरूप कितने प्रतिशत खिलाड़ी खरीदने का निर्णय लेते हैं: खिलाड़ी ने खेल में प्रवेश किया, ट्यूटोरियल पूरा किया, एक स्टोर खोला, घरेलू मुद्रा का एक पैकेज खरीदा। पहला चरण पूरा करने वाले खिलाड़ियों में, जो दूसरे के माध्यम से भी गए, उन्हें चुना जाता है, और इसी तरह (नीचे का ग्राफ, डेटा काल्पनिक है)। इस फ़नल के विचार के परिणामस्वरूप, हम अपने चुने हुए अनुक्रम के सापेक्ष भुगतान में नए खिलाड़ियों का रूपांतरण प्राप्त करते हैं। इस तरह के "फ़नल" होने पर, आप हर चरण को अनुकूलित कर सकते हैं ताकि यथासंभव अधिक से अधिक खिलाड़ी सभी चरणों से गुजरें और लक्ष्यों को पूरा कर सकें। यदि एक कदम पर कई खिलाड़ी खो जाते हैं, तो आपको इसे छोटे चरणों में तोड़ने की जरूरत है और जोड़े गए चरणों के साथ एक समान "फ़नल" का निर्माण करना होगा।



बेशक, "फ़नल" बनाने के लिए, आपको यह सुनिश्चित करने की आवश्यकता है कि विश्लेषण में भाग लेने वाले सभी चरण सही ढंग से गेम में लॉग इन हैं। इसके अलावा, यह याद रखना चाहिए कि "फ़नल" का निर्माण करते समय चरणों का क्रम महत्वपूर्ण है: यदि आप चरणों के क्रम को बदलते हैं, तो आपको पूरी तरह से अलग परिणाम मिलता है। कुछ विश्लेषण प्रणालियाँ आपको न्यूनतम और अधिकतम समय निर्धारित करने की अनुमति देती हैं जो चरणों के बीच में समाप्त होना चाहिए। यह महत्वपूर्ण है कि विश्लेषण प्रणाली पहले से एकत्र आंकड़ों के आधार पर "फ़नल" के निर्माण की अनुमति देती है। यदि, फ़नल को बदलते समय, आपको ताज़ा डेटा जमा होने तक प्रतीक्षा करने की आवश्यकता होती है, तो ऐसी विश्लेषण प्रणाली को छोड़ना बेहतर होता है, क्योंकि अलग-अलग समय पर प्राप्त डेटा में काफी अंतर हो सकता है, और उनकी तुलना करने से त्रुटियां हो सकती हैं।

कोहोर्ट विश्लेषण

आपको कैसे पता चलेगा कि आपका उत्पाद समय के साथ बेहतर हो रहा है? मान लें कि आपने किसी उत्पाद में कुछ परिवर्तन किए हैं और प्रति दिन उपयोगकर्ताओं की संख्या में वृद्धि देखी गई है। लेकिन यह कैसे समझें कि वास्तव में इस वृद्धि का कारण क्या था? हाल के नवाचार, प्रभावी विपणन अभियान या वर्ष का समय? एक कोहर्ट विश्लेषण आपको यह पता लगाने में मदद करेगा, जो आपको उपयोगकर्ता व्यवहार (नए और वर्तमान) से संबंधित संकेतकों से समग्र विकास संकेतकों को अलग करने की अनुमति देता है।

कोहोर्ट विश्लेषण दवा में पैदा हुआ था और आपको समय के साथ उत्पाद के साथ उपयोगकर्ताओं की बातचीत को मापने की अनुमति देता है। कॉहोर्ट्स कुछ सामान्य विशेषता के आधार पर चुने गए लोगों के समूह हैं। उदाहरण के लिए, जन्म के वर्ष, भार वर्ग, आदि। खेलों में, कोहोर्ट विश्लेषण का सबसे लोकप्रिय उपयोग खिलाड़ियों की अवधारण को मापने के लिए है।

खेल को स्थापित करने के बाद पहले महीने में खिलाड़ियों की वापसी की गणना पर अधिक विस्तार से विचार करें। खेल के स्थापित होने की तिथि के अनुसार हम सभी खिलाड़ियों को समूहों में विभाजित करेंगे। प्रत्येक समूह के खिलाड़ियों के लिए हम रिकॉर्ड करेंगे कि उनमें से कितने ने 2, 3, ... स्थापना के 30 वें दिन खेल में प्रवेश किया। यह स्पष्ट है कि उनकी संख्या 30 वें दिन तक घट जाएगी, लेकिन कमी की दर वह है जो आप में रुचि रखते हैं और आपको खिलाड़ियों के विभिन्न समूहों के लिए तुलना करने की आवश्यकता है। नतीजतन, हमें नीचे दी गई तालिका मिलती है (तालिका में डेटा काल्पनिक है)।



यदि खेल में बदलाव लाया गया है, तो आप विश्लेषण कर सकते हैं कि इससे खिलाड़ियों की वापसी (और इसलिए भागीदारी) कैसे प्रभावित हुई। इसी तरह की तालिकाओं को लंबी अवधि में बनाया जा सकता है - उदाहरण के लिए, उन खिलाड़ियों के सहकर्मियों का गठन करके जो निर्दिष्ट हफ्तों या महीनों में खेल की स्थापना करते हैं। कोहोर्ट विश्लेषण, एक उपकरण के रूप में, समय के साथ किसी भी संकेतक को ट्रैक करने के लिए उपयोग किया जा सकता है। हमारे उदाहरण में, हमने उन खिलाड़ियों की संख्या पर विचार किया, जिन्होंने एक निश्चित दिन में खेल में प्रवेश किया था, और हम खेल में बिताए गए समय, पैसे खर्च, मुद्रा अर्जित, अंक अर्जित, पूर्ण किए गए कार्य, दोस्तों के निमंत्रण की संख्या आदि का विश्लेषण कर सकते हैं। कोहोर्ट विश्लेषण खिलाड़ियों के व्यक्तिगत क्षेत्रों के लिए किया जा सकता है और परिणामों की तुलना कर सकता है।

ए / बी परीक्षण

ए / बी परीक्षणों का उपयोग यह जांचने के लिए किया जाता है कि आवेदन में वे या अन्य परिवर्तन कितने प्रभावी हैं। इसका सार इस प्रकार है। एप्लिकेशन कुछ कार्यक्षमता के एन विकल्प देता है (उदाहरण के लिए, विभिन्न रंगों के बटन, एक विंडो में अलग-अलग पाठ, इन-गेम माल के लिए अलग-अलग मूल्य आदि)। सभी उपयोगकर्ताओं को समान रूप से एन समान असहमति समूहों में विभाजित किया जाता है। प्रत्येक समूह को कार्यात्मक के अपने संस्करण की पेशकश की जाती है, और फिर - प्रत्येक समूह के लिए संकेतकों का विश्लेषण और तुलना की जाती है। नतीजतन, "विजेता विकल्प" का चयन किया जाता है, जो पहले से ही आवेदन में अंतःस्थापित है।

यह उपकरण क्या देता है? खेल के विकास के दौरान समान खेल सुविधाओं को लागू करने के लिए बहुत सारे विचार और विकल्प पैदा होते हैं। कभी-कभी एक साथ दो विकल्पों को लागू करना तेज़ होता है, और फिर वास्तविक खिलाड़ियों पर जाँच करें। इसके अलावा, यह अक्सर पता चलता है कि ए / बी परीक्षणों की एक श्रृंखला में समाधान के सबसे प्रभावी संयोजन का पता चलता है, जो विकास प्रक्रिया के दौरान अनुमान लगाने और अनुमान लगाने में असंभव था। ऐसे कई उदाहरण हैं जब इस तरह के "माइक्रोप्टीमाइजेशन" ने कई बार अनुप्रयोगों, सेवाओं, गेम आदि के समग्र प्रदर्शन में सुधार करना संभव बना दिया। मेरे पसंदीदा उदाहरणों में से एक है डैन सिरोकर की कहानी , ऑप्टिमाइज़ली के संस्थापक के बारे में कि कैसे ए / बी परीक्षणों ने राष्ट्रपति चुनाव जीतने में मदद की।

ए / बी परीक्षण करते समय ध्यान में रखने के लिए कुछ नियम हैं।

1. परीक्षण शुरू करने से पहले, ए / ए परीक्षण करना महत्वपूर्ण है जब लोगों को समूहों में विभाजित किया जाता है, लेकिन प्रत्येक समूह को एक ही विकल्प दिया जाता है। यदि सभी समूहों के संकेतक मेल खाते हैं, तो समूहों का गठन सही ढंग से किया गया था और ए / बी परीक्षणों के परिणाम सही होंगे।
2. सभी समूहों के लिए एक ही समय में ए / बी परीक्षण शुरू किया जाना चाहिए, क्योंकि सभी खिलाड़ी सबसे समान परिस्थितियों में होने चाहिए। आखिरकार, खेल का प्रदर्शन वर्ष के समय, सप्ताह के दिनों, यातायात स्रोतों, पदोन्नति और यहां तक ​​कि मौसम के प्रति बहुत संवेदनशील है।
3. ए / बी परीक्षण में परमाणु परिवर्तन की आवश्यकता होती है। यदि कार्यात्मक विकल्पों में एक अंतर नहीं होगा, लेकिन एक पूरा सेट, अंत में निश्चितता के साथ यह कहना संभव नहीं होगा कि इन परिवर्तनों में से किस विशिष्ट ने परिणाम को प्रभावित किया।

वर्ण

कुछ निश्चित मापदंडों के अनुसार खिलाड़ियों को खंडित करने के बाद, कभी-कभी यह पता लगाना उपयोगी होता है कि ये लोग वास्तव में कौन हैं। यदि आपके पास खिलाड़ियों और उनके मापदंडों के व्यवहार के बारे में खेल में पर्याप्त जानकारी है, तो आप यादृच्छिक खिलाड़ियों के लॉग का चयन कर सकते हैं और उनकी कहानी लिखने की कोशिश कर सकते हैं: वे कैसे खेलते हैं, वे किन कठिनाइयों का अनुभव करते हैं, उन्हें खरीदने के लिए क्या प्रेरित करता है, आमतौर पर वे किस दिन / घंटे खेलते हैं। जब वे खेल से बाहर निकलते हैं तो कितना समय गुजरता है। लंबे समय तक इसे मैन्युअल रूप से करना, लेकिन कभी-कभी यह उपयोगी होता है। आप अधिक परिष्कृत तरीकों का उपयोग कर सकते हैं जो खिलाड़ी सेगमेंट की विशिष्ट विशेषताओं को प्रकट करेंगे, लेकिन यह एक अलग लेख का विषय है। साथ शुरू करने के लिए, आप विभिन्न खंडों से कई खिलाड़ियों को संसाधित कर सकते हैं और दीवार पर उनके चित्रों को लटका सकते हैं (काल्पनिक या वास्तविक, यदि खेल सामाजिक नेटवर्क के साथ एकीकृत है)। विकास ज्यादा मजेदार होगा।

उपभोक्ता टोकरी विश्लेषण

खेलों में, वास्तविक दुनिया की तरह, कोई भी खरीदारी की टोकरी का विश्लेषण कर सकता है, और अक्सर यह उपयोगी जानकारी प्रदान करता है। यह आपको पहचानने की अनुमति देता है कि कौन से उत्पाद आमतौर पर एक साथ खरीदे जाते हैं। आप इस जानकारी का उपयोग विभिन्न उद्देश्यों के लिए कर सकते हैं। सबसे लोकप्रिय उत्पादों को एक प्रमुख स्थान पर ले जाएं, पहले से की गई खरीदारी के अलावा कुछ खरीदने की पेशकश करें, उन उत्पादों की दृश्यता में वृद्धि करें जो अच्छी तरह से नहीं खरीदे जाते हैं, या उन्हें मना कर देते हैं, नए माल के साथ वर्गीकरण को फिर से भरना, यह देखते हुए कि यह मांग में है।

एक साधारण काल्पनिक उदाहरण पर विचार करें। मान लीजिए कि खेल में खरीद के लिए उपलब्ध उत्पादों का निम्नलिखित सेट है: बोनस 1 और 2, मुद्रा पैक 1 और 2, सदस्यता 1 और 2, विरूपण साक्ष्य। तालिका को निम्नानुसार भरें: विकर्ण पर, उन खिलाड़ियों का प्रतिशत, जिन्होंने संबंधित उत्पाद को एक से अधिक बार खरीदा था। शेष कोशिकाओं में, उन खिलाड़ियों का प्रतिशत जिन्होंने दोनों उत्पादों को कम से कम एक बार (लंबवत और क्षैतिज रूप से) खरीदा है। नीचे दिए गए उदाहरण में, यह पता चला है कि बोनस 1 और 2 और विरूपण साक्ष्य अन्य उत्पादों की तुलना में अधिक बार खेल में खरीदे जाते हैं, आप उन पर "लोकप्रिय उत्पादों" का लेबल लगा सकते हैं। यदि आप तालिका में तीसरी पंक्ति को देखते हैं, तो यह पता चलता है कि मुद्रा पैक 1 को अक्सर बोनस 1 और 2 के साथ जोड़ा जाता है और एक विरूपण साक्ष्य के साथ, जबकि मुद्रा पैक 2 को अक्सर सदस्यता के साथ खरीदा जाता है। उदाहरण के लिए, हम यह निष्कर्ष निकाल सकते हैं कि खेल में खिलाड़ियों के कम से कम दो खंड हैं: पहला वे हैं जो बोनस और कलाकृतियों का उपयोग करना पसंद करते हैं, दूसरा वे हैं जो एक अधिक महंगा दूसरा मुद्रा पैकेज खरीदते हैं और इसे सदस्यता पर खर्च करते हैं ।



विश्लेषण प्रक्रिया में, यह स्पष्ट हो जाएगा कि खिलाड़ियों के विभिन्न खंडों में अलग-अलग बास्केट हैं। और शायद यह पता चला है कि खिलाड़ियों के कुछ सेगमेंट खुद के लिए उपयुक्त उत्पाद नहीं खोज सकते हैं और बिना कुछ खरीदे खेल छोड़ सकते हैं। इसलिए - आपको सामानों के वर्गीकरण पर काम करने की आवश्यकता है।

निष्कर्ष में

इसलिए, मैंने अपने दो लेखों में संक्षेप में उन मुख्य संकेतकों के बारे में बात की, जो खेलों में नज़र रखी जाती हैं, साथ ही उन उपकरणों के बारे में भी जो किसी भी विश्लेषक के शस्त्रागार में मौजूद होने चाहिए।

अब आप शायद यह देखने के लिए इंतजार नहीं कर सकते हैं कि यह सब कैसे व्यवहार में उपयोग किया जाता है। अगले लेख में (इसे 2013 में जारी किया जाएगा), मैं सवाल का जवाब देने की कोशिश करूंगा, और कौन से विश्लेषणात्मक सेवाओं का उपयोग करना बेहतर है ताकि सूचीबद्ध संकेतक और उपकरण हमेशा हाथ में रहें। मैं आपको तुरंत चेतावनी देता हूं कि हम मोबाइल एप्लिकेशन में आंकड़े एकत्र करने और उनका विश्लेषण करने की सेवाओं पर ध्यान केंद्रित करेंगे।

वैसे, अगर आपके पास कोई सुझाव है कि वह किस विशेष सेवाओं के बारे में ध्यान देने योग्य है - टिप्पणियों में लिखें!