跳转至

用户分类移动指标

用户分类移动指标

  • 根据用户在游戏中的活动和购买相关数据，通过K-Means聚类技术自动分类活动和购买力。用户分类类型被定义并相应提供。
  • 您可以通过分类类型的移动状态查看用户的使用流，基于所选期间内用户的首次访问日期和最后访问日期。
  • 该指标每天上午7:00 KST更新。
  • 您可以通过简单连接到Hive SDK来查看用户分类移动指标，而无需发送单独的日志。

指示词

活动

  • 用户的活动是基于基准日期（用户访问日期）及包括基准日期在内的前三天的数据进行测量的。例如，如果用户在1月10日访问，则将使用1月8日至1月10日之间的数据进行测量（共3天）。
  • 活动总共分为4个阶段（高、平均、低和新），测量列表如下。（但是，如果活动为“新”，则无论以下测量项如何，他们在基准日期都是新用户。）
    • 包括基准日期在内的前三天的登录次数
    • 包括基准日期在内的前三天的登录天数
    • 包括基准日期在内的前三天的平均每日登录次数（登录次数 / 登录天数）
    • 包括基准日期在内的前三天的总游戏时间（以秒为单位）
    • 包括基准日期在内的前三天的平均游戏时间（从12:00 AM到11:00 PM，以秒为单位）
    • 包括基准日期在内的前三天观看的奖励广告数量
    • 包括基准日期在内的前三天打开的推送通知

购买力

  • 用户的购买力是根据用户首次访问日期到基准日期的累积数据计算的。例如，如果在1月10日访问的用户的首次访问日期是1月1日，则使用1月1日至1月10日的数据进行测量。
  • 购买力总共分为4个阶段（高、平均、低和非购买），测量列表如下。（但是，如果购买力为“非购买”，则意味着用户从首次访问日期到基准日期没有购买历史，无论以下测量项目如何。）
    • 用户首次登录到首次购买所消耗的时间（单位：天）
    • 用户首次登录到基准日期的购买次数
    • 用户首次登录到基准日期每次购买的平均充值金额（用户的总充值金额 / 用户的总购买次数）

用户分类类型

  • 用户分类类型是根据他们的活动和购买力来定义的，当条件重叠时，他们将被归类为更高类型。
    • 鲸鱼用户：如果活动和购买力都是“高”
    • 海豚用户：如果活动或购买力之一是“高”
    • 普通用户：如果活动或购买力之一是“普通”
    • 轻度用户：如果活动和购买力都是“低”
    • 无购买用户：如果购买力是“非购买”，无论活动如何
    • 新用户：如果活动是“新”，无论购买力如何

指标组成

  • 搜索条件

    • 周期选择：您可以按日选择周期。

  • 用户类型在首次分类时的备注

    • 基于用户在选定期间内移动的第一次分类结果的颜色备注。
    • 当您选择特定的分类类型时，可以突出显示所选类型。

  • 指标描述

    • 用户初步分类结果

      • 您可以根据活动和购买力检查用户分类类型的定义。

    • 用户分类类型内的移动

      • 针对不同分类类型的用户进行目标定位，以获取首次和最后访问日期。例如，如果选择的时间段是从1月1日到1月10日，而在1月1日、3日、5日和10日访问的用户被分类为鲸鱼用户，但他们的分类类型在1月10日变为海豚用户，他们将被显示。如果他们在1月10日仍被分类为鲸鱼用户，则不会被显示。
      • 您可以查看在所选时间段内，从初始分类类型（基于首次访问日期的分类类型）转移到最终分类类型（基于最后访问日期的分类类型）的用户数量和用户百分比。
        • 用户数量是指在初始分类时被分类为类型A的用户数量，并在最终分类时转移到类型B。
        • 用户百分比是指在初始分类时被分类为类型A的用户数量与在最终分类时转移到类型B的用户数量之间的百分比。例如，当选择的时间段是从1月1日到1月10日时，如果在初始分类时1月1日有1,000个鲸鱼用户，但其中100个在最终分类时转移到海豚用户，则显示为100（10%）。
      • 最终分类类型的离线类型是指在3天或更长时间内处于休眠状态的用户，其最后访问时间是在所选时间段结束日期的3天之前。例如，如果选择的时间段是从1月1日到1月10日，则最后访问时间在1月8日之前的用户将被分类为离线。

    • 按最大用户分类类型分类的运动状态

      • 您可以查看在移动表中，用户数量最多的分类移动类型，排除最终被分类为“未购买”或“离线”的类型。

    • 分类前用户分布 & 分类后用户分布

    • 您可以使用彩色编码的移动地图查看所选期间内每个用户从第一次到最后一次分类结果的移动状态。

      • 如果用户的分类移动结果为“未购买”或“离线（休眠3天或更长时间）”，则他们将在移动之前的用户分布图中标记，但在分布移动之后不会被标记。
    • 图中的每个点代表在所选期间内移动分类的一个用户，每个点的颜色是第一次分类时用户分类类型的颜色。
    • 您可以将鼠标悬停在图中的每个用户ID（playerId）上，以查看他们在初始分类时和最后一次分类时的分类类型。使用Hive Analytics BigQuery功能探索用户的各种特征信息。
      • 有关Hive Analytics BigQuery功能的更多信息，请参见这里。