20130727 ソシャゲkpi分析 tokyowebmining28_izawa_up
- 5. 問題解決のためステップ ① What 解決すべき問題は何なのか？ ② Where 問題はどこで起こっているのか？ ③ Why 問題は何故、起こっているのか？ ④ How 問題の解決に向けて、何をすべきか？ 参考文献：「MBAクリティカル・シンキング」 （グロービスマネジメントインスティテュート（株）） いきなりHowに向かって、あてずっぽうな対策はしない 場所・原因を特定した上で解決策を考える 5
- 6. 問題解決のためデータ解釈 ① What ② Where ③ Why ④ How データから特定できるのはほぼここまで ユーザの心理の動きに関して仮説立案 仮説に基づく解決策の実施 ターゲットユーザのユーザ体験を共有することが より精度の高いユーザ心理の仮説立案につながる 無料プレイのライトユーザの動向を調べたい 高額課金プレイのコアユーザの動向を調べたい ターゲットユーザと同じようにプレイし、体感する！ 6
- 11. 基本KPI ○ 基本KPIとは売上を要素分解したもの 【売上】＝【Install】× 【Install】 【DAU】 【DAU】 【DPU】 【DPU】 【売上】 × × 継続率 課金率 課金単価 Install：ゲームを始めて頂いたユーザの人数 DAU：1日の間にゲームをプレイして頂いたユーザの人数 （Daily Active User） DPU：1日の間にゲームに課金して頂いたユーザの人数 （Daily Pay User） 11
- 14. BU/FU理論 – セグメント化の基本概念 BU：Base User – ゲーム内でコアにプレイしてくれるユーザ FU：Follow User - ゲーム内でコアにプレイできていないユーザ FUの中には、将来的にBUになると期待されるユーザが存在 DAU or MAU = BU ＋ FU ある一定の定義を置いて、 KPIをBUとFUに分解してみよう 14
- 15. BU/FU理論の仮定義：DailyKPIを分解 過去7日間において、 ・0：過去7日間のログイン日数が0回の新規orアウェイクユーザ ・1 : 過去7日間のログイン日数が1回のユーザ ・2 : 過去7日間のログイン日数が2回のユーザ ・3 : 過去7日間のログイン日数が3回のユーザ ・4 : 過去7日間のログイン日数が4回のユーザ ・5 : 過去7日間のログイン日数が5回のユーザ ・6 : 過去7日間のログイン日数が6回のユーザ ・7 : 過去7日間のログイン日数が7回のユーザ と仮に定義してみる 15
- 16. DAUを考える ○ DAUを分解する 【DAU】＝【前日DAU】－【Sleep】＋【New or Awake】 ＝【前日DAU】×【翌日継続率】＋【New or Awake】 これを前述のセグメント毎に数値を見ていけばよい 16 先ほどのセグメント定義に基づき、 DAUを分解したSample Dataを見てみよう！
- 17. DAUをセグメント分解 ○ sample data – daily KPI ☆ Active_rate 前日時点 当日時点 7月8日 7月9日 7月10日 7月11日 7月12日 7月13日 7月14日 7月15日 0 1 30.0% 30.0% 30.0% 30.0% 30.0% 30.0% 30.0% 30.0% 1 1 or 2 45.0% 45.0% 45.0% 45.0% 45.0% 45.0% 45.0% 45.0% 2 2 or 3 50.0% 50.0% 50.0% 50.0% 50.0% 50.0% 50.0% 50.0% 3 3 or 4 60.0% 60.0% 60.0% 60.0% 60.0% 60.0% 60.0% 60.0% 4 4 or 5 70.0% 70.0% 70.0% 70.0% 70.0% 70.0% 70.0% 70.0% 5 5 or 6 80.0% 80.0% 80.0% 80.0% 80.0% 80.0% 80.0% 80.0% 6 6 or 7 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 90.0% 7 7 98.0% 98.0% 98.0% 98.0% 98.0% 92.0% 98.0% 98.0% ☆ D AU 動向 7月8日 7月9日 7月10日 7月11日 7月12日 7月13日 7月14日 7月15日 N EW 0 4,000 4,000 4,000 4,000 4,000 10,000 4,000 4,000 1 2,800 2,630 2,592 2,583 2,581 2,581 4,381 2,986 2 1,500 1,405 1,343 1,319 1,311 1,309 1,308 1,713 3 1,500 1,175 1,054 1,002 980 972 969 968 4 1,500 1,275 1,099 1,001 951 927 916 911 5 2,000 1,740 1,542 1,391 1,280 1,202 1,149 1,114 6 2,800 2,536 2,304 2,106 1,939 1,801 1,689 1,600 7 20,000 20,104 20,158 20,170 20,146 18,883 18,829 18,757 ALL 36,100 34,865 34,092 33,571 33,188 37,674 33,241 32,048 55.4% 57.7% 59.1% 60.1% 60.7% 50.1% 56.6% 58.5%7日ユーザの占める割合 PR影響でDAU総数が増加していても、 蓄積しているBaseUserの減少・翌日継続率低下を検知可能になる 17 数字は適当に置いただけです
- 18. 問題箇所特定後の原因分析 ○ 特定したセグメントの行動履歴を抽出 level:ゲーム内でのユーザレベル attack / defense：ゲーム内でのユーザ攻撃力 / 防御力 mission_id：ミッションの進行度 normal_gacha_num：無料ガチャ回数 rare_gacha_num：課金で行ったレアガチャ回数 gift_gacha_num：運営からのギフトで行ったレアガチャ回数 mix_num：強化の回数 evolution_num：進化の回数 battle_num：バトルの回数 win_num：バトル勝利の回数 などなど 翌日継続の有無を従属変数として決定木分析 各ノードで離脱に関連するパラメータを抽出 分析結果をもとにユーザ状態・心理の仮説立案 仮説から改善施策を検討していく 高校数学「＋α」の部分 18
- 19. KPIで時系列推移を確認 Monthly KPI 大きな流れの中での現在の状況を把握する Weekly KPI Daily KPI 直近のトレンドを中期的スパンで把握する 日々の推移の中で問題箇所を深堀り 問題要因に関してユーザ目線で仮説構築 その仮説を改善施策に落とし込んでいく 改善効果検証などは中期的な数値でも検証 MonthlyやWeeklyも含めたマネジメント手法に関しては、 8/21のCEDEC2013にてお話をさせて頂きます！ 19 大きな流れが変わっているかを確認する