https://github.com/theoldvalyria/mobile_game_analysis
Проект, направленный на анализ мобильной игры с целью улучшения бизнес-показателей.
https://github.com/theoldvalyria/mobile_game_analysis
ab-testing matplotlib metrics pandas python scipy seaborn
Last synced: about 1 month ago
JSON representation
Проект, направленный на анализ мобильной игры с целью улучшения бизнес-показателей.
- Host: GitHub
- URL: https://github.com/theoldvalyria/mobile_game_analysis
- Owner: theoldvalyria
- Created: 2024-08-17T12:11:41.000Z (9 months ago)
- Default Branch: main
- Last Pushed: 2024-08-24T13:11:48.000Z (8 months ago)
- Last Synced: 2025-03-27T16:19:58.385Z (about 1 month ago)
- Topics: ab-testing, matplotlib, metrics, pandas, python, scipy, seaborn
- Language: Jupyter Notebook
- Homepage:
- Size: 272 KB
- Stars: 1
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Исследование мобильной игры
## Описание проекта
Проект сосредоточен на анализе мобильной игры с целью улучшения игровых и бизнес-показателей. В рамках проекта были решены три ключевые задачи:
1. Анализ удержания игроков: Оценка удержания пользователей по дням с момента регистрации, чтобы выявить тенденции и пиковые периоды активности.
2. A/B тестирование акционных предложений: Сравнение двух групп пользователей для определения более эффективного набора акционных предложений, используя метрики ARPU, CR и ARPPU.
3. Оценка тематического события: Анализ результатов тематического события, включая оценку вовлеченности, уровня завершения и влияния на доход, а также адаптация метрик для оценки изменений в механике событий.
## Используемые инструменты и библиотеки
Python
Pandas
продуктовые метрики
Matplotlib
Seaborn
SciPy
A/B-тестирование
проверка статистических гипотез
визуализация данных
## Задачи и решения
### Задача 1: Анализ удержания игроков
Описание: Удержание игроков (retention) — один из самых важных показателей в игровой индустрии. Задача заключалась в расчете процента удержания игроков по дням с момента регистрации.
Результаты:
- Проведено исследование данных (EDA), которое подтвердило корректность и надежность данных.
- Разработана функция для вычисления процента удержания игроков.
- Построена тепловая карта удержания, которая показала пики активности на 6-7 день и стабильный уровень удержания на уровне 4-5% после пика.
- Сделаны рекомендации по улучшению опыта пользователей в первые дни и использованию пиков активности для маркетинга.
### Задача 2: A/B тестирование акционных предложений
Описание: В рамках A/B теста двум группам пользователей предлагались различные наборы акционных предложений. Задача заключалась в определении лучшего набора предложений на основе анализа метрик и статистических тестов.
Результаты:
- Проведен анализ метрик ARPU (средний доход с пользователя), CR (конверсия), и ARPPU (средний доход с платящего пользователя).
- Выполнены статистические тесты для проверки значимости различий между группами:
- хи-квадрат тест (дополнительно использован Cramér's V для оценки силы связи между переменными)
- классический t-тест для групп с равенством дисперсий
- t-тест Уэлча для групп с неравенством дисперсий
- Рекомендуется провести дополнительный анализ выбросов, чтобы понять их природу и причины появления в контрольной группе, а также выяснить, почему они отсутствуют в тестовой группе. На данный момент не рекомендуется внедрять новые предложения на всю аудиторию.
### Задача 3: Оценка тематического события
Описание: В игре проводилось тематическое событие, ограниченное по времени, в котором игроки могли получить уникальные награды. Задача заключалась в определении метрик для оценки результатов события и анализе возможных изменений при усложнении механики события.
Результаты:
- Определены ключевые метрики для оценки событий: уровень вовлеченности, уровень завершения, ARPU, Retention Rate.
- При усложнении механики предложены дополнительные метрики: среднее количество попыток на прохождение, процент игроков, завершивших и покинувших событие, среднее время прохождения события.
- Проведен анализ влияния изменения сложности уровней на поведение, вовлеченность и удовлетворенность игроков.
## Заключение
Этот проект демонстрирует использование аналитики данных и статистики для улучшения игровых показателей и стратегии монетизации. Полученные результаты и рекомендации могут быть использованы для оптимизации игрового процесса и повышения доходности мобильной игры.