以王者榮耀為例，談談如何進行精細化大數據運營

上一次我們講過基于大數據的個性化精準運營，談到道具的打包營銷，并基于社交關系鏈進行用基于用戶推薦、基于道具推薦等。這次講講基于大數據運營的拉新、付費用戶防流失、游戲模式推薦等。

一、防流失

針對付費玩家

• 1.1 付費玩家的流失因子：購買道具頻率、付費金額、游戲時長、游戲頻次、游戲等級、勝率等等。
• 1.2 將近三個月（可自定義）流失的用戶，分成測試集和校驗集。通過因子分析算法，得出強相關因子。通過邏輯回歸算法，得出流失的付費玩家的回歸方程式。 將未流失用戶的這些流失因子，放入回歸方程式計算。
• 1.3 預測付費用戶，是否接近流失臨界點，進行流失預警。通過常見的流失的定性分析和用戶訪談，開展有針對性的挽回營銷活動

針對免費玩家

• 1.4 免費玩家的流失因子：游戲時長、游戲頻次、游戲等級、勝率等等。通過因子分析算法，得出強相關因子。通過邏輯回歸算法，得出流失的免費玩家的回歸方程式。將未流失用戶的這些流失因子，放入回歸方程式計算。
• 1.5 預測免費用戶，是否接近流失臨界點，進行流失預警。通過常見的流失的定性分析和用戶訪談，開展有針對性的挽回營銷活動

防流失上還需要考慮一些負反饋因子。比如某些用戶是經常掉線的，網絡延遲高的，所在大區服務器經常奔潰，客戶端經常奔潰等等。 另外，還需要考慮時間衰減，在游戲頻次的處理上。一個月前幾天玩了30次，和一個月每天玩一次，玩家的活躍頻次是不一樣的。可能隨著時間的延長，之前的頻次需要做衰減。

二、游戲模式推薦

• 2.1 基于玩家的游戲模式、游戲時長、頻次等。通過聚類算法，將玩家群體進行分類。 計算出每個整體用戶的模式偏好，或者單個用戶的模式偏好
• 2.2 針對不同模式偏好的玩家，再分析其英雄或者皮膚或者其他道具偏好，根據相似度去推薦玩家還沒有購買的英雄（皮膚），也就是玩家特定的道具進行精準的相關活動精準營銷

三、拉新

理論上來說，王者榮耀這種全民對戰的mmob，在騰訊社交關系鏈上，一條QQtips出去，已經不需要去考慮太多拉新的事，但還是新用戶增長曲線不好看的時候，還是可以做一些事情的。

游戲初期

• 3.1 針對不同渠道、地域、性別等維度，觀察用戶的留存率、流失率、回流率等。
• 3.2 對新用戶的留存率高的用戶群，分析其強相關特征：收入、游戲時長、頻次、渠道、地域、性別等。使用決策樹算法，進行分析，得出何種渠道下，地域下，符合哪些行為特征的用戶，成為高留存的用戶的概率

游戲成熟期

• 3.3 主流目標用戶已經飽和，分析主流目標用戶的基本屬性特征。通過決策樹算法等，分析出主流目標用戶還符合哪些基本特征，進而去拉取。或者從競品或者同類型的產品用戶聚集的渠道，通過已知的用戶屬性特征獲取新用戶