Game design analytics: case studies

47

Transcript of Game design analytics: case studies

Page 1: Game design analytics: case studies
Page 2: Game design analytics: case studies

2

Кто я такой?

• 10 лет в игровой индустрии• Инди-браузерка «с нуля» своей командой• Гейм-дизайнер Panzar Studio• Продюсер / Старший ГД / Руководитель

мобильных проектов Mail.Ru Group• Директор отдела геймдизайна Rocket Jump• Директор игрового департамента Rocket Jump

Page 3: Game design analytics: case studies

О чём мы поговорим?

Типы проблем, решаемых аналитикой

Эластичность спроса по цене

Оценка эффективности ивентов

Кластеризация

Простое решение - лучшее

Page 4: Game design analytics: case studies

Типы проблем, решаемых аналитикой

Page 5: Game design analytics: case studies

И так всё понятно

Page 6: Game design analytics: case studies

Сложно и долго

Page 7: Game design analytics: case studies

Это лежало на поверхности

Page 8: Game design analytics: case studies

И так всё понятно

Page 9: Game design analytics: case studies

Эластичность спроса по цене

Page 10: Game design analytics: case studies

10

Определение эластичности

Эластичность спроса по цене показывает степень количественного изменения спроса при изменении цены на 1%.

В играх изменение цены вдвое может увеличить продажи в 10 раз!

𝐸𝑝𝐷=∆𝑄/𝑄∆𝑝 /𝑝

Page 11: Game design analytics: case studies

11

Как считаем?

p(q) – оптимальная цена, рассчитанная от спросаP – изначальная ценаq, Q – объём спроса – эластичность спроса по цене

Чтобы посчитать оптимальную цену, проводят десятки A/B тестов.

𝑝 (𝑞)=𝑞 (1+𝐸𝑝

𝐷 )−𝑄 (1−𝐸𝑝𝐷)

𝑞 (1−𝐸𝑝𝐷 )+𝑄(1+𝐸𝑝

𝐷)∙𝑃

Page 12: Game design analytics: case studies

12

Что в итоге?

В итоге получаем более адекватные цены на все игровые товары.

10 11 12 13 14.1 15 16 170

200

400

600

800

1000

1200

Зависимость цена - объём спроса

Page 13: Game design analytics: case studies

Премиальная расходка

Page 14: Game design analytics: case studies

14

Как увеличить популярность расходки?

Сделать под неё отдельный слот

Page 15: Game design analytics: case studies

Оценка эффективности ивентов

Page 16: Game design analytics: case studies

16

Информация об ивентеНазвание: «Падение Крысиной империи» (Fall of the Rodent Empire)Количество этапов ивента: 3Даты: I этап: 8 – 13 сентября 2016,

II этап: 13 – 19 сентября 2016, III этап: 19 – 22 сентября 2016.

Ивент для сравнения: Подземелья. Secrets Of Anuarak. 3 этапа: I этап: 4 – 9 августа 2016, II этап: 9 – 15 августа 2016, III этап: 15 – 18 августа 2016.

 

Базовый период (без акций и ивентов, со средними показателями):

Подземелья FB: 14–26 июля 2016

Page 17: Game design analytics: case studies

17

Статистика ивента

Page 18: Game design analytics: case studies

18

Проходимость ивента

Page 19: Game design analytics: case studies

19

Сложность ивента

Page 20: Game design analytics: case studies

20

Сравнение с предыдущим ивентом

Page 21: Game design analytics: case studies

Сложно и долго

Page 22: Game design analytics: case studies

Значимость выводовПри A/B тесте

А!B!

Page 23: Game design analytics: case studies

23

Задача

Для того чтобы сделать вывод из проведенного A/B теста, что различия значимы, необходимо:

1.Рассчитать стандартное отклонение и найти выборочную среднюю;

2.Построить доверительный интервал.

Page 24: Game design analytics: case studies

24

A/B тест

Хорошо:

1.Для конверсий

2.При большом количестве наблюдений (DAU)

Плохо:

1.ARPU, ARPDAU;

2.При малом количестве наблюдений (DAU)

3.При тестировании ключевого функционала+ -

Page 25: Game design analytics: case studies

Предсказание поведения

Page 26: Game design analytics: case studies

26

Задача

Есть гипотеза, что игроки, предпочитающие PvE отваливаются быстрее тех, кто играет в PvP или клановые войны, т.к. у них заканчивается контент.

Задача – сегментировать аудиторию по поведению в игре и подтвердить или опровергнуть выдвинутую гипотезу.

Page 27: Game design analytics: case studies

27

Решение задачи

Нас спасёт кластеризация!

Page 28: Game design analytics: case studies

28

Что такое кластеризация

Есть N-мерное пространствоТочка на нём – это один игрокОси – параметры игрока

Page 29: Game design analytics: case studies

29

Что такое кластеризация

– это i-й игрок – это центр j-ого кластера

within

min(Задача: посчитать

и найти центры кластеров

Page 30: Game design analytics: case studies

30

Решение задачиЗадача алгоритма – подобрать такие значения , чтобы максимально точно сгруппировать игроков в кластеры.

В качестве осей мы выбрали нормированные величины:1. PvE-активность (среднее количество win+lose в день)2. PvP-активность (средняя лига игрока. Количество

набранных кубков в день или сыгранных боёв не подходит)

3. Клановая активность (среднее количество win+lose в день)

Page 31: Game design analytics: case studies

31

Итоги кластеризацииАлгоритм выделил следующиекластеры игроков:1. Игроки клановых битв2. Очень активные PvE-шники3. Средне активные PvE-шники4. PvP-шники, иногда играющие

PvE5. Неактивы (мало играют во

всё)6. Некатегоризируемые

Page 32: Game design analytics: case studies

32

Информация об ивенте

Page 33: Game design analytics: case studies

Это лежало на поверхности!

Page 34: Game design analytics: case studies

Сведение в бой

Page 35: Game design analytics: case studies

35

Сначала думай – потом делай

Иногда самые эффективные решения – самые простые.

Они лежат на поверхности.

Page 36: Game design analytics: case studies

36

Сравнение двух наших игр

Кризис Подземелья

Среднее число наёмников, используемых игроком за бой

1,2

0,5

Page 37: Game design analytics: case studies

37

Проблематика

Мы захотели увеличить число расходки(наёмники и заклинания),

которые используют игроки.

Page 38: Game design analytics: case studies

38

Решение

РезультатНебольшое увеличение количества использований расходки.

Решение № 1Усилить зажим.

!

Page 39: Game design analytics: case studies

39

Решение

РезультатСнова небольшое увеличение количества использований расходки.

Решение № 2Усилить зажим.!!

Page 40: Game design analytics: case studies

40

Верное решение

РезультатОгромное увеличение количества использований расходки!

Решение № 3Изменили систему сведения.

Page 41: Game design analytics: case studies

41

Как повлиял апдейт

До апдейтаПосле

апдейта

Среднее число сражений на одного игрока в день

3,5

5,4

Page 42: Game design analytics: case studies

Выводы

Page 43: Game design analytics: case studies

43

Выводы

1. Любая проблема имеет:- Cилу влияния на проект (Profit)- Cтоимость решения (Price)

Page 44: Game design analytics: case studies

44

Выводы

2. Решаем проблемы с наибольшим Priority

𝑃𝑟𝑖𝑜𝑟𝑖𝑡𝑦=𝑃𝑟𝑜𝑓𝑖𝑡𝑃𝑟𝑖𝑐𝑒

Page 45: Game design analytics: case studies

45

Выводы

3. Самые крутые решения часто лежат на поверхности

Page 46: Game design analytics: case studies

46

У ВАС ЧТО, ВОПРОСЫ?

Page 47: Game design analytics: case studies

Константин СахновДиректор игрового департамента

Rocket Jump

/ konstantin.sakhnov

/ sakhnovks