游戏数据分析：用户流失模型的建立

流失预测模型在很多行业都有引用到切实的市场运营当中，而接下来就开门见山的说一下游戏行业有关用户流失模型的建立。

目标：关于游戏用户的流失，普片的衡量指标有周流失与月流失，接下来研究的问题有两个：

① 有关付费用户的月登陆流失问题

② 有关付费用户的月付费流失（付费用户的月登陆流失定义：本月充值的用户在下个月不再有登陆行为。付费用户的月付费流失：本月充值的用户在下个月不在有付费行为。但有可能还有登陆行为，这部分用户被称为沉默付费用户。）

数据指标理解：影响流失的普片判断有：在线活跃、充值或消费活跃、还有玩家账号一些属性（如果细分还有副本的活跃度，某些活动的活跃度，或者社交的数据等）。

本文在做流失预测模型之前做以下数据准备：

玩家ID
玩家角色名
等级
注册时间
本月充值总额
本月铜币活跃（铜币的交易次数）
本月绑定铜币活跃（绑定铜币交易次数）
本月元宝活跃（元宝交易次数）
本月活跃天数（登陆天数）
本月登陆次数
本月登陆总时长
下月充值总额
下月登陆天数

以上是从数据库中取出来的基本指标，而进行分析的指标可以在这个基础指标的基础上再进行丰富，例如：每活跃天在线时长=登陆总时长/活跃天数；每活跃天登陆次数=登陆次数/活跃天数；活跃度=活跃天数/本月已注册时长（大家将发现这里衍生的“活跃度”指标在后面的分析会起到神奇的效果）。数据都准备好了之后，现在就开始建立模型，以下用到的是SPSS Modeler软件。

首先采用源节点来录入数据，数据分为两份，第一份为“11月预测12月”数据，第二份为“12月预测1月”的数据。

接着利用“导出”节点导出我们所需要的衍生字段。

因为这里的“下月充值流失”是根据下月是否有充值来判断转换的，下月充值为0即为流失则标志为T，否则为F（“下月登陆流失”同理）。利用导出节点，我们依次衍生了以下字段：

下月充值流失
下月登陆流失
每活跃天铜币交换次数
每活跃天绑定铜币交易次数
每活跃天元宝交易次数
每活跃天登陆次数
每活跃天登陆时长
每活跃天充值额度
活跃度（登陆天数/本月已注册天数）

接下来就是对一些多余字段的过滤还有数据的清理（如包括空值的数据，或者不合理数据，如活跃度>1为不合理数据）。

添加“过滤”&“选择”节点。

把无用的字段过滤掉（根据自己源数据来过滤，如这里的下月充值（元宝）字节已经转换成“下月充值流失”字节，所以可以删除过滤掉），点击确定。

打开“选择”节点，模式选择“抛弃”，条件写上一些需要清除的数据，点击确定。

模型之前的数据准备都基本完成了，最后添加一个类型节点。

我们先研究的是下月登陆流失，所以现将下月充值流失角色设为无，下月登陆流失设为目标，接下来就是选择需要预测的模型。这里选择了贝叶斯与C5.0的算法。

贝叶斯这里运用了三种方法：TAN、Markov、Markov_FS

分别添加三个贝叶斯节点，名字分别命名：TAN、Markov、Markov_FS（方便辨识）。

TAN设置结构类型为TAN；Markov设置结构类型为Markov Blanket；Markov_FS设置结构类型为Markov Blanket并且勾选“包括特征选择预处理步骤”。分别运行得到3个模型，最后连接一个“分析”节点，默认状态下按运行。

分析节点运行结果：

大家可以明显发现，运用贝叶斯的三种方法的准确率基本都为83%，这说明三种方法差别并不大。其实在一般预测来说，80%以上已经算比较好的结果了。但是这里将进一步采用C5.0的算法与其比较。

添加C5.0算法节点，默认状态下按运行，得到C5.0的模型，点击C5.0模型节点

可以看到每一个变量的重要性，而“活跃度”这个变量的重要性是最高的。（这也说明了一些衍生字段对后期分析的重要性）

接下来再添加“分析”节点发现准确率达到85%，比贝叶斯要稍微好点。（有一些情况对决策树使用boosting方法或者进行截枝修剪严重性会得到更好的效果）

我们再用C5.0模型进一步进行流失分析，添加“直方图”节点：

选择字段level OR 注册时间，交叠字段颜色选择我们通过C5.0预测出来的“$C-下月登陆流失”字段，点击运行。

用这个方法可以进一步预测分析下月流失的等级分布，或者注册时间分布，或者更多有关玩家的信息，原理一样在这里不再做拓展。到这里流失预测模型已经建好可以投入使用了。接上我们需要预测1月份的数据，我们可以进一步看到这个预测模型在下个月的准确性仍可以保持在85%左右，说明预测的效果还是不错的，之后可以直接进行一系列的分析。（在这里说明一下，一般预测模型会随着时间的推移慢慢减低准确性，所以建议在做预测之前都用前一个月的数据来训练一次模型，从而能让模型保持一定的准确性）

附加一个12月份付费用户在1月份流失的注册时间分布图，大家看有没有发现什么有意思的东西~