今天我們就來(lái)說(shuō)說(shuō)，我所理解的王者榮耀還可以做的精細(xì)化大數(shù)據(jù)運(yùn)營(yíng)優(yōu)化。

在分析之前，普及一個(gè)數(shù)據(jù)產(chǎn)品框架，用戶畫像。 它是作為一種勾畫目標(biāo)用戶、聯(lián)系用戶訴求與設(shè)計(jì)方向的有效工具。 通俗一點(diǎn)來(lái)講，它就是一個(gè)描繪產(chǎn)品用戶行為的工具。

• 你是誰(shuí)（人口信息、相當(dāng)于人口調(diào)查）
• 你過(guò)去和現(xiàn)在做過(guò)什么（每天習(xí)慣在什么時(shí)間、什么地點(diǎn)、習(xí)慣做什么事、偏好什么）
• 你將來(lái)可能會(huì)做什么（根據(jù)你過(guò)去做的事，預(yù)測(cè)你將來(lái)會(huì)做什么）
• 于是，基于用戶畫像，可以開始有序遞進(jìn)式，對(duì)用戶進(jìn)行進(jìn)行個(gè)性化精準(zhǔn)運(yùn)營(yíng)。

下面附上簡(jiǎn)易版的王者榮耀用戶畫像標(biāo)簽體系

一、皮膚英雄道具的多元化精細(xì)化運(yùn)營(yíng)

道具皮膚打包賣

基于關(guān)聯(lián)規(guī)則分析出歷史購(gòu)買記錄，可以打包賣的英雄禮包、皮膚禮包、英雄皮膚禮包、道具禮包、混合禮包等等。

• 1.1 根據(jù)關(guān)聯(lián)規(guī)則的支持度大小，根據(jù)歷史銷售流水，可以計(jì)算出AB兩種英雄或者皮膚，是否可以捆綁打包賣。
• 1.2 置信度的大小，可以計(jì)算出，購(gòu)買A英雄（皮膚）后還會(huì)購(gòu)買B皮膚的概率。
• 1.3 綜上，可以根據(jù)挖掘分析出來(lái)的數(shù)據(jù)，對(duì)不同道具進(jìn)行交叉或者捆綁銷售。

知道了哪些道具打包賣會(huì)有優(yōu)勢(shì)，接下來(lái)要分析出用戶分群決策，哪些組合套餐適合哪些類型的用戶群，介紹幾種決策方法：

• 1.4 決策樹。借用用戶畫像中的用戶各種行為標(biāo)簽，將購(gòu)買過(guò)AB英雄（皮膚）的用戶作為一個(gè)樣本，分析出這個(gè)樣本中的概率最大的某條決策樹出來(lái)。

例如：年齡大于22 & 消費(fèi)點(diǎn)券額度在3w-5w之間 & 男性 & 月游戲頻次大于50 ，滿足這些條件的用戶占30%（且概率為最大），我們就認(rèn)為這是一條可以很好的決策樹，可以拿這條結(jié)論去線上做ABtest，驗(yàn)證決策樹模型是否準(zhǔn)確可用，如果可以提高AB皮膚（英雄）的購(gòu)買率，那么它就是我們想要的。

• 1.5 邏輯回歸。思路和決策樹差不多，根據(jù)購(gòu)買過(guò)AB英雄（皮膚）的用戶標(biāo)簽，得出一個(gè)模型，然后去驗(yàn)證其他用戶是否符合該模型，如果符合，那么就向這批用戶推薦這個(gè)皮膚（英雄）套包。

當(dāng)前面的關(guān)聯(lián)規(guī)則模型做完之后，如果驗(yàn)證了模型的可用性，不斷優(yōu)化模型，會(huì)看到交叉（捆綁）銷售禮包導(dǎo)致消費(fèi)流水呈現(xiàn)上升趨勢(shì)。接下來(lái)，基于社交關(guān)系（基于用戶推薦和物品（道具）推薦）進(jìn)一步提升消費(fèi)額。

• 1.6 基于用戶推薦（協(xié)同過(guò)濾）。向購(gòu)買過(guò)禮包的玩家，其朋友圈里還沒有購(gòu)買過(guò)此種禮包的玩家（通俗講，就是你從商家買了某樣皮膚，那么系統(tǒng)就可以把這個(gè)皮膚推薦給你朋友圈的其他朋友）。
• 1.7 基于道具（物品）推薦。根據(jù)每個(gè)玩家日常玩的頻次最多的英雄，勝率高的英雄等，來(lái)確定他的常用英雄類型偏好，將此類還沒有購(gòu)買的英雄推薦給他，基于（打折或者朋友贈(zèng)送等方式），吸引玩家購(gòu)買。

這就依賴了微信或者qq強(qiáng)大的社交關(guān)系鏈，有了它們，道具銷量會(huì)更好。當(dāng)然推薦給哪些朋友，也會(huì)基于社交關(guān)系里的標(biāo)簽（比如，是否經(jīng)常一起開黑、是否有相同消費(fèi)的偏好等等，可以計(jì)算玩家相似度等方式來(lái)完成）

整體來(lái)說(shuō)，基本方法是，基于適用的不同禮包組合，將用戶分群，然后分析出不同的用戶群的顯著用戶行為特征，去制定運(yùn)營(yíng)策略。

另外皮膚的推進(jìn)式營(yíng)銷策略應(yīng)該基于玩家常用英雄上,同理可以基于協(xié)同過(guò)濾來(lái)進(jìn)行推薦。

• 1.8 基于攀比心理，可以給此類玩家打上攀比度的數(shù)值模型標(biāo)簽，當(dāng)高于某個(gè)閥值時(shí)，只要這些玩家的朋友購(gòu)買了某個(gè)新道具，就推送相關(guān)信息，甚至可以借鑒拼團(tuán)的方式，來(lái)團(tuán)購(gòu)皮膚或者英雄。
• 1.9 根據(jù)玩家在游戲內(nèi)的對(duì)話，都某個(gè)英雄的皮膚的贊美偏好詞語(yǔ)，基于文本挖掘，分析出玩家對(duì)某款皮膚的喜好程度，進(jìn)行多維度實(shí)時(shí)精準(zhǔn)營(yíng)銷。
• 1.10 基于玩家的瀏覽行為（只看不買）、聊天行為（只說(shuō)不買）等等，都是一些付費(fèi)傾向的玩家，分析后嘗試誘導(dǎo)付費(fèi)。

二、大R帶小R，付費(fèi)帶免費(fèi)

基于漏斗模型，免費(fèi)玩家 > 小R付費(fèi)玩家 > 中R付費(fèi)玩家 > 大R付費(fèi)玩家。

• 2.1 挖掘出每個(gè)玩家每一步的轉(zhuǎn)化原因，可能比較難。但是基于用戶分群，對(duì)群體的行為進(jìn)行挖掘，還是能挖掘出主流轉(zhuǎn)化原因的。
• 2.2 方法1：決策樹等模型。根據(jù)每一次轉(zhuǎn)化率數(shù)值變化的情況，提取變化前后玩家的相關(guān)強(qiáng)相關(guān)數(shù)據(jù)，進(jìn)行建模，并校驗(yàn)和驗(yàn)證。得出分群用戶轉(zhuǎn)化的主要決策邏輯。
• 2.3 方法2：基于邏輯回歸模型和時(shí)間序列。預(yù)測(cè)玩家從免費(fèi)到付費(fèi)，小R付費(fèi)到中R付費(fèi)……等，每一步轉(zhuǎn)化所需要的時(shí)間區(qū)間和可能轉(zhuǎn)化的概率。
• 2.4 將2.2和2.3相結(jié)合，就可以知道玩家大概在什么時(shí)間節(jié)點(diǎn)、轉(zhuǎn)化過(guò)去的概率，以及轉(zhuǎn)化過(guò)去所需要滿足的規(guī)則和條件。

以上為個(gè)人的一點(diǎn)看法，歡迎輕拍和指正。

下次來(lái)講講如何預(yù)防流失，游戲模式的優(yōu)化和調(diào)整等，進(jìn)行精細(xì)化大數(shù)據(jù)運(yùn)營(yíng)。

• 3.1 玩家流失前的行為，分正負(fù)反饋，綜合進(jìn)行預(yù)測(cè)，降低流失率。
• 3.2 給每個(gè)玩家推薦他最喜歡玩、玩得最爽的游戲模式。提高活躍度和忠誠(chéng)度。

作者：十方洛神，數(shù)據(jù)產(chǎn)品經(jīng)理，關(guān)注大數(shù)據(jù)、人工智能

本文由 @十方洛神 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自PEXELS，基于CC0協(xié)議