惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

GbyAI
GbyAI
人人都是产品经理
人人都是产品经理
Hugging Face - Blog
Hugging Face - Blog
罗磊的独立博客
博客园 - 【当耐特】
D
Docker
Y
Y Combinator Blog
L
LangChain Blog
博客园 - 三生石上(FineUI控件)
I
InfoQ
阮一峰的网络日志
阮一峰的网络日志
F
Fortinet All Blogs
J
Java Code Geeks
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
B
Blog
The GitHub Blog
The GitHub Blog
腾讯CDC
MongoDB | Blog
MongoDB | Blog
博客园 - Franky
爱范儿
爱范儿
A
About on SuperTechFans
量子位
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
游戏企业怎么做用户行为序列分析?
刘一 · 2023-09-10 · via 人人都是产品经理

在游戏中,用户行为序列分析是常用的分析手段之一。通过分析用户行为序列,游戏企业可以更加了解玩家的消费习惯和偏好,以此来提升玩家消费和增加营收。同时,还可以从玩家流失前的行为序列中找到导致流失的原因,并制定相应的改进方案。

用户行为序列是指固定时间内单个用户按照时间顺序依次触发的部分或全部事件。通过对用户行为序列进行分析,企业可以归纳出群体用户的行为特征,辅助产品运营和迭代。

通常,企业可以将用户行为序列分析应用于所有的分析场景。比如,当企业分析漏斗转化时,可以找出某个步骤的流失用户,查看用户行为序列并研究用户流失之后都做了什么;比如,当企业定位异常用户分析异常原因时,也可以通过用户行为序列分析找到线索。

现阶段,很多游戏企业开始重视用户行为序列分析。

背后的原因主要有两点:

第一,游戏为用户提供的价值只在行为本身,对用户行为采集的要求和难度要比其他行业高很多。

第二,一款游戏中所涉及的用户行为复杂、数量庞大,对用户单一行为的分析需要耗费大量人力、时间和金钱,导致运营同学很难在短时间内实现对所有单一行为的深入洞察;但与此同时,游戏企业又深知用户每一个行为对产品迭代和公司经营的重要性,降本增效的经营要求下使得运营同学难以抉择,长期陷入两难境地。

那么,对用户行为序列的分析能够为企业带来什么样的价值呢?

接下来我们通过两个模拟场景进一步了解。

场景一:基于用户行为序列分析,洞察玩家消费动机

策划游戏活动提升玩家消费是游戏运营的重要目标之一。

目前,玩家消费的动机通常包括美感、低价、新颖、便捷、流行、名望、收集等,那么如何更直观地了解玩家对某特定活动的消费动机呢?

运营同学小 S 针对某特定活动的消费玩家做了前向行为序列分析,发现消费该活动的玩家都有过同样的连续行为:连续完成 138 和 139 关,尝试140 关5 次及以上且未通关。基于此,小 S 初步判定该批玩家的消费行为与其无法完成 140 关有直接关系,进一步了解后又得知从 138-140 关的活动规则包含“连续通过 138-140 关,即可获得 A 级礼包”,而本次活动的礼品中包含能够帮助玩家快速通过 140 关的道具,且价值远低于 A 级礼包。

至此,小 S 可以判定这一批玩家的消费行为是为了通过 140 关获得更高价值的 A 级大礼包。通过此次活动,小 S 也从中吸取经验,将多个营销活动搭配策划,能够大大提升玩家消费,带来营收增长。

场景二:深入洞察用户行为序列,挖掘玩家流失原因

玩家流失可能存在于用户生命周期的各个阶段。探寻玩家流失的原因并制定迭代方案是游戏制作人、策划、运营人员最关注的问题之一。

那么,用户行为序列分析能够为游戏企业挖掘玩家流失原因提供什么帮助呢?

在新手期,玩家刚开始接触游戏,需要了解游戏的玩法、规则等。当玩家在该阶段流失,运营同学可以追溯玩家流失前的用户行为序列。比如,当发现玩家刚体验完新手引导便流失了,那么可以判断新手引导内容未能让玩家在短时间内感受到游戏的特色,从而让玩家失去了继续探索游戏的欲望。

在兴趣上升期,游戏的可玩性和吸引力能够让玩家持续感到愉悦,进而延长游戏体验时间、增加体验频次。当玩家在该阶段流失,通过观察流失前的用户行为序列,运营同学可以进一步发现玩家流失的原因,是某些关卡难度设计不合理?是游戏故事线的吸引力降低?是版本更新导致体验下降……

本文由 @刘一 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。