基于AAARR模型的游戏商业分析（附带模型代码）

引言

《野蛮时代》是一款风靡全球的SLG手机游戏。希望通过对玩家在游戏前7天的行为数据的分析，了解玩家的在线情况、常见的支付指标以及现金道具的消耗情况。

AAARR模型

它指的是获取用户、增加活动、提高留存率、获得收入和病毒传播

AARRR模型指出了一些移动游戏的两个核心点：

（1） 以用户为中心，以完整的用户生命周期为线索

（2） 控制产品的总体成本/收益关系，用户生命周期价值（LTV）远远大于用户获取成本（CAC），这意味着产品运营的成功

结果

讨论

从注册到激活的转换率：72.33%

从活化到保留的转化率：25.01%（较低）

从保留金到付款的转换率：13.04%

用户支付率PR：3.26%（高于平均1.74%）

有必要找到游戏行为和支付率（PR）的谷来提高PR。

猜测一些潜在玩家因为游戏的复杂性而退出

代码

#不同注册时间用户对应的注册用户数量
register_number_of_everyday=original_data['register_time'].value_counts().sort_index()
#不同注册时间用户对应的激活用户数量
active_user_number_of_everyday=original_data.loc[original_data['wood_reduce_value']!=0]['register_time'].value_counts().sort_index()
#不同注册时间用户对应的留存用户数量
retention_user_number_of_everyday=original_data.loc[(original_data['wound_infantry_add_value']!=0)|(original_data['pay_count']!=0)]['register_time'].value_counts().sort_index()
#不同注册时间用户对应的付费用户数量
pay_user_number_of_everyday=original_data.loc[original_data['pay_count']!=0]['register_time'].value_counts().sort_index()
#总注册用户数量
total_register_number=original_data.shape[0]
#总激活用户数量
total_active_user_number=original_data.loc[original_data['wood_reduce_value']!=0].shape[0]
#总留存用户数量
total_retention_user_number=original_data.loc[original_data['wound_infantry_add_value']!=0].shape[0]
#总付费用户数量
total_pay_user_number=original_data.loc[original_data['pay_count']!=0].shape[0]
print('The total number of registered users is：',total_register_number)
print('The total number of active users is：',total_active_user_number)
print('The total number of retained users is：',total_retention_user_number)
print('The total number of paid accounts is：',total_pay_user_number)

!pip install plotly

import plotly.express as px
data = dict(
    number=[2288007, 1473889, 322853, 41439],
    stage=["registered", "active", "retained", "paid"])
fig = px.funnel(data, x='number', y='stage')
fig.show()

更多精彩商业分析和数据分析请见：数据驱动建模中心 (冲呀)