掌握excel线性回归技巧助力数据分析与决策优化
908
2023-05-24
网易用户体验研究中心:游戏交易网络的洞察分析
大家好,我是来自网易雷火用户体验研究中心的数据分析师阿旦,首先感谢网易数帆的同事们组织了此次数据分析大赛,我参赛的题目是《线下买金的货币流向-来自某游戏交易网络的洞察》。我将从四个部分向大家展开介绍,第一部分是业务背景,第二部分是研究方法,第三部分是具体案例分析,最后再介绍下本方案的落地成果。
1、业务背景
2021年,某MMORPG游戏开启全平台公测。玩家纷纷涌入这个生动的游戏世界,随之也带来了海量值得探究的数据。在游戏运营初期,我们发现一些大R玩家会在线下用人民币向打金工作室购买游戏货币并在游戏中消费,这一买金消费过程会创造出独特的货币交易网络。基于该现象,我们提出了一种货币交易网络可视化方案,通过研究这些货币交易网络分析买金消费行为是否对游戏有害。
玩家会线下用人民币买卖游戏货币,我们希望玩家交易完全发生在游戏内。但是玩家花钱买金,如果最后整个游戏受益,就是健康网络;如果玩家线下买金,扰乱了游戏,就不是健康网络。我们需要分析到底要打击谁?保护谁?这是我们提出该网络可视化方案的初衷和目标。
在买金消费网络中,共有3个市场主体,分别为:道具卖方、游戏货币卖方以及买金玩家,其中货币卖方和道具卖方往往是一拨人,只是其在整个交易的执行侧重点不同。可视化方案以买金大R玩家为核心,从货币流向和道具流向两方面分析大R与其他玩家的交易过程。具体为:从货币来源(买金)部分,分析大R的买金对象、买金效率以及买金数额;从道具消费部分,分析大R的消费数额、消费目的以及道具卖方的玩家性质。
我们重点关注大R在道具消费部分的行为表现,尤其关注大R的消费目的和道具卖方的玩家性质。分析大R的消费目的,能让我们进一步做好头部玩家的精细化游戏运营;分析道具卖方的玩家性质,能让我们对这个交易网络在游戏资源循环过程中的位置有更清晰的认识。
2、研究方法
依据其在交易网络中所处的不同位置,我们给各类玩家进行了分类,分别为卖金者、买金者、主力吸纳者和下游承接者。其中,主力吸纳者和下游承接者是前文提到的道具卖方:主力吸纳者为买金大R首次消费的对象,即货币从买金者流向主力吸纳者,而下游承接者则是主力吸纳者的首次消费对象,即货币从主力吸纳者进一步流向下游承接者。
在分析过程中,我们发现一些网络的主力吸纳者或下游承接者本身就是卖金者,他们可能在获取到一定货币后变身成另外一个交易网络的卖金者。基于该现象,为了准确评估交易网络中各类玩家的性质,我们定义了若干指标,其中有三项指标从可解释性的角度衡量玩家如何处理所得资金,其也成为我们深入了解道具卖方的重要窗口之一。
该三项指标具体为资金转移率、系统回收率和资源绑定率。其中,资金转移率从货币流出流入的角度分析玩家在交易支出上的特点,如果一个角色的资金转移率较高,说明其基本不保留获得的货币,打金工作室角色符合这一特点,但同时,一些大R角色也会因频繁购买稀有道具出现该指标较高的情况。因此我们需要另两项指标,系统回收率和资源绑定率从两个方面描述了玩家将流入货币固化成自身游戏能力的情况。
通过资金转移率、系统回收率和资源绑定率,我们能较好地区分玩家在资金使用上的不同,基于玩家在各个指标上的异同,我们从对游戏是否有益的角度,概括出三类玩家,其分别为:盈利性角色、普通玩家和核心玩家。其中盈利性角色即打金工作室,核心玩家则是一类尽可能将获取得到的资源固化为自身游戏能力的玩家,而介于其中的则是来体验这款游戏的普通玩家。
从前文我们可以直观感受到,一个网络中如果存在太多盈利性角色,其对游戏经济生态是不利的,而如果一个网络主要以核心玩家和普通玩家来构成,则这个网络是较为健康的。为此,我们从数据分析角度构建一个直观清晰的网络健康度指标,其由一个网络中三类角色的数量构成,该指标取值介于-1到2,一个网络的网络健康度越靠近2越健康,越接近-1则越不健康。
3、具体案例分析
基于不同的网络健康度,我们将不同的买金消费网络区分为:不健康网络(较少)、中性网络(有一定比例)和健康网络(较多)。
我们将以三个典型案例来阐释本方案的分析应用。其中案例一属于不健康网络,案例二是中性网络,最后案例三是健康网络。
(1)案例一分析
不健康网络因其对游戏危害性较大,且买金消费特点更鲜明,对其进行深入分析能为游戏挽回更多潜在损失,创造更多价值。因此,针对不健康网络的分析是本方案的关注重点。
案例一来自一位榜首大R玩家Z,其有极高的游戏战力,多次夺得全服PVP冠军。玩家Z于24小时内向27个卖金者买金,买金量大,其买金总额排到全部买金案例的前1%,整个买金过程呈现用时短、金额高、多名卖金者集中提供的特点,在可视化网络中显得非常醒目。
通过这一过程,一方面我们能够锁定若干个打金工作室群体,便于后续游戏运营,维护良好游戏环境;另一方面我们更加关注大R玩家买金后的消费行为,去进一步洞察大R玩家短时买金的实际动机。
玩家买金后消费什么是我们的分析重心之一。为了度量这一消费过程,我们定义了2项指标,分别为消费集中度和资金消费率。消费集中度衡量了玩家消费方向的集中度,这是考虑到游戏有多个提升玩家能力的培养方向,不同玩家对各培养方向的偏好程度不同,该指标能让我们更清晰了解到玩家是专一于某个方向进行消费还是分散消费。在本案例中,消费集中度0.63,较高,从具体的资金流向看,玩家主要将资金用于购买装备,进行装备打造(图中蓝线);资金消费率是度量玩家买金后短期内(通常是一天)的消费量与买金量的比例,通过该指标可以方便了解到玩家买金后短期消费冲动。本案例的资金消费率为18%,较低,进一步分析来看,这一方面说明玩家短期消费量不高,保留了较多资金用于后续消费,另一方面说明市场短期内较难承受大R玩家爆发式需求,出现市场供给空缺。
结合许多案例分析经验,我们发现,越高的消费集中度和资金消费率反应出玩家更明确的短期消费需求,其更有利于我们基于历史消费数据,从游戏推荐角度去捕获历史上冲动消费玩家的游戏特征。
在大R进行首次消费并将相关货币转移给主力吸纳者后,主力吸纳者会将货币进一步转移给下游承接者。针对下游承接者,我们主要关注其系统回收率,较高的系统回收率说明这些玩家是正常玩家,属于在日常游戏中获得高价道具售卖后获得资金情况,而较低的系统回收率说明这些玩家更可能是盈利性角色。在本案例中,可以发现较多的下游承接者属于低系统回收率角色(图中灰色区块),只有少部分的玩家是中系统回收率角色(图中绿色区块)。
以上,就是本案例从卖金至下游消费的全过程。在梳理完资金流向后,需要对整个网络健康度进行评估。关于一个网络是否健康,经过分析发现,其主要与大R玩家首次消费资金所流向的玩家有关,即资金的主力吸纳者。因为如果资金的主力吸纳者多是盈利性角色,那么其下游也有更高可能会是盈利性角色。
在本案例中我们发现,主力吸纳者以高资金转移率、低系统回收率以及低资源绑定率为主。因此本案例中的主力吸纳者多为资金外转而非自用的盈利性角色。
具体看,在本案例的19个资金主力吸纳者中,有9人属于盈利性角色,有7人属于普通玩家,只有3人是核心玩家,显示出这个网络以盈利性角色占多数。
基于该网络以盈利性角色占多数的情况,该网络的健康度只有0.21,属于占比较少的不健康网络,大R通过线下买金,又通过消费将资金还回了打金工作室手中,全程很少被系统回收,这种网络对游戏经济生态是不利的。
(2)案例二分析
案例二来自另一位战力顶尖的大R,在付费和游戏能力上与案例一属于同一层级。该大R在不到24小时内向11人买金,其买金量虽不及案例一,但也非常高。不同于案例一中部分卖金者有大量货币余额,案例二的卖金者的余额都较低,提供给大R的货币量较平均。
在大R首次消费端,可以明显发现该大R的买金消费目的性很强,其消费集中度与资金消费率都很高,其主要将资金用于购买装备类道具,说明其有迫切的装备打造需求,为此不惜动用自有资金,使资金消费率超过100%。该买金消费行为给我们提供了一个大R超高价值装备打造方面的经典案例。
相比于案例一,该网络的主力吸纳者各个类型角色数量较平均。在11个主力吸纳者中,有4个核心玩家和普通玩家,另有3个盈利性角色。因此该案例的大R消费资金更多地被留在了正常玩家群体内部,盈利性角色的参与度较小。
基于该网络玩家分布情况,其网络健康度为0.81,属于中性网络。一方面,游戏官方从网络中有一定收益,另一方面尽管有更多正常玩家参与,但仍然有一定比例的盈利性角色在其中。
(3)案例三分析
案例三的大R相比前两个案例有一定差距,其在用户画像中属于社交型大R。
该大R只与一个卖金者进行交易,在12小时内通过多次操作实现买金。相比于前两个案例,该案例的买金量较小。
从该大R消费方向和力度来看,该大R消费较分散,各种培养方向道具都买,且其短期资金消费率高,说明该大R想全方面提升自身战力。该案例让我们更加清楚一个致力于全方面提升自身战力玩家的各方面数据特点,助力我们提供更精细化的头部玩家运营。
在这个网络的9位主力吸纳者中,盈利性角色只有1位,其余的均为核心玩家和普通玩家,显示出该网络是比较健康的。该网络的健康度达到了1.22,属于较常见的健康买金网络,其大部分买金资金被正常玩家所吸收。
4、落地成果
通过以上案例介绍,让我们更清楚地掌握了头部玩家在消费前、消费中以及消费后的玩家状态,我们将其归纳为对应的玩家精细化运营策略,助力提升产品营收。通过测试,相比于传统方式,我们的策略明显提升了玩家消费水平。
此外,在分析过程中发现的许多盈利性角色,不管其是卖金者还是网络中的盈利性主力吸纳者,我们将其集合成对应名单,助力改善游戏整体环境,提升正常玩家游戏体验。
作者简介阿旦,雷火UX资深游戏数据分析师,通过数据研究用户行为、优化玩家体验。炼金师,雷火UX高级游戏数据分析师,支持多款产品数据分析工作。半夏,雷火UX高级用户体验研究员,负责跟进多款游戏的用户研究工作。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。