前回の記事では、ゲームの成功を追跡できる主な指標をリストしました。 シリーズの第2部では、データを行動のガイドに変えるのに役立つ基本的なツールを確認します。
セグメンテーション
データを情報に変換するのに役立つ主なツールは、プレーヤーのセグメンテーションです。 セグメンテーションは、いくつかの一般的な機能を特徴とするユーザーグループの割り当てであり、これらのグループ内のアプリケーションメトリックと連携します。 簡単に言えば、セグメント選択とは、登録日、人口統計学的特性、アプリケーションへの移行元、特定のユーザーアクションの実行など、特定のパラメーターを持つすべてのユーザーを検索できる検索フィルターの作成です。
ゲームを開発していて、統計収集および分析システムがプレーヤーのセグメンテーションをサポートしていない場合は、まったく使用しないでください。 セグメンテーションは、他のすべての分析ツールの基礎となります。 ユーザーセグメントを分析できるようにするには、これらのユーザーの必要なパラメーターが正しい方法でアプリケーションに記録されていることを確認する必要があります。
ゲーム全体の平均指標は、特定のセグメントで測定される同じ指標とは大きく異なる場合があります。 これは、ゲームの改善に関する決定は、さまざまなセグメントを考慮して行わなければならないことを意味します。 簡単な例を挙げます。 プレイヤーがAndroid向けのTreasures of Montezuma 3ゲームを起動する上位25台のデバイスを検討してください。 購入したか、広告のオファーを利用したプレーヤーのセグメントを構築しましょう。 次に、このセグメントに関連して上部のデバイスの位置がどのように変化したかを見てみましょう。 以下のグラフから、ゲームがインストールされることが多いデバイスのモデルがあることがわかりますが、購入されることはめったにありません。 逆もまた同様です。デバイスは最初の位置を占めていないように見えますが、支払いのコンバージョン率が高いため、ゲームをチェックする際に注意を払う価値があります。 また、コンバージョン率が非常に低いデバイスを探索することも価値があります。プレーヤーの進歩を妨げる技術的な問題がある可能性があります。
遷移の分析（または「ファンネル」）
「ファンネル」は、プレイヤーが完了した一連のステップを分析し、ゲーム内で選択された目標に向かって進むように設計されています。 たとえば、ゲーム内の次の一連のステップの結果として、プレイヤーの何パーセントが購入を決定するかということに興味があります：プレイヤーがゲームに参加し、チュートリアルを完了し、店舗を開き、国内通貨のパッケージを購入しました。 最初のステップを完了したプレイヤーの中から、2番目のステップも完了したプレイヤーが選択されます（以下のグラフ、データは架空のものです）。 この目標到達プロセスを検討した結果、選択した一連のステップと比較して、新しいプレーヤーの支払いのコンバージョンが得られます。 このような「ファンネル」を使用すると、できるだけ多くのプレーヤーがすべてのステージを通過して目標を達成できるように、すべてのステップを最適化できます。 1つのステップで多くのプレーヤーが失われた場合、それをより小さなステップに分割し、追加のステップで同様の「ファンネル」を構築する必要があります。
もちろん、「目標到達プロセス」を構築するには、分析に参加するすべてのステップがゲームに正しく記録されていることを確認する必要があります。 さらに、「目標到達プロセス」を構築する際にステップの順序が重要であることを覚えておく必要があります。ステップの順序を変更すると、まったく異なる結果が得られます。 一部の分析システムでは、ステップ間で経過する必要がある最小時間と最大時間を設定できます。 分析システムでは、すでに収集されたデータに基づいて「目標到達プロセス」を構築できることが重要です。 ファネルを変更する際に、新しいデータが蓄積するまで待つ必要がある場合、そのような分析システムを放棄することをお勧めします。異なる期間に取得されたデータは大きく異なる可能性があり、それらを比較するとエラーにつながる可能性があるため
コホート分析
製品が時間の経過とともに改善されているかどうかをどのように確認しますか？ 製品に特定の変更を加えて、1日あたりのユーザー数が増加したとしましょう。 しかし、実際にこの成長につながったものを理解する方法は？ 最近の革新、効果的なマーケティングキャンペーン、または時期ですか？ コホート分析はこれを理解するのに役立ちます。これにより、全体的な成長指標をユーザーの行動に関連する指標（新規および現在）から分離できます。
コホート分析は医学で生まれたもので、ユーザーと製品との相互作用を経時的に測定できます。 コホートは、一般的な機能に基づいて選択された人々のグループです。 たとえば、生年月日、体重カテゴリなどが同じ人 ゲームでは、コホート分析の最も一般的な使用法は、プレーヤーの保持率を測定することです。
ゲームのインストール後、最初の1か月でのプレーヤーのリターンの計算をより詳細に検討してください。 ゲームがインストールされた日付に従って、すべてのプレイヤーをグループに分けます。 各グループのプレイヤーについて、インストール後2、3、... 30日目にゲームに参加した人数を記録します。 その数が30日目までに減少することは明らかですが、減少率は、関心のあるものであり、プレーヤーの異なるコホートについて比較する必要があるものです。 その結果、次の表が表示されます（表のデータは架空のものです）。
変更がゲームに導入された場合、プレイヤーのリターナビリティ（および関与）にどのように影響したかを分析できます。 同様のテーブルを長期間にわたって構築できます。たとえば、指定された週または月にゲームをセットアップしたプレイヤーのコホートを形成します。 ツールとしてのコホート分析を使用して、時間の経過に伴うインジケータを追跡できます。 この例では、特定の日にゲームに参加したプレーヤーの数を考慮し、ゲームに費やした時間、費やしたお金、獲得した通貨、獲得したポイント、完了したタスク、友人の招待数などを分析できました。 コホート分析は、プレーヤーの個々のセグメントに対して実行され、結果を比較できます。
A / Bテスト
A / Bテストは、アプリケーション内のそれらまたは他の変更がどれほど効果的であるかを確認するために使用されます。 その本質は次のとおりです。 アプリケーションは、いくつかの機能のN個のオプション（たとえば、異なる色のボタン、ウィンドウ内の異なるテキスト、ゲーム内グッズの異なる価格など）を設定します。 すべてのユーザーは、可能な限り均等にN個の等しくないグループに分割されます。 各グループには独自の機能バージョンが提供され、その後-インジケーターは各グループごとに分析および比較されます。 その結果、「勝者オプション」が選択されます。これは、最終的にアプリケーションに既に組み込まれています。
このツールは何を提供しますか？ ゲームの開発中に、同じゲーム機能を実装するための多くのアイデアとオプションが生まれます。 2つのオプションを一度に実装してから、実際のプレーヤーを確認する方が速い場合があります。 さらに、一連のA / Bテストにより、このような最も効果的なソリューションの組み合わせが明らかになることがよくありますが、開発プロセス中に推測や推測することは不可能でした。 このような「マイクロ最適化」により、アプリケーション、サービス、ゲームなどの全体的なパフォーマンスを数回改善できるようになった例はたくさんあります。 私のお気に入りの例の1つは、A / Bテストが大統領選挙での勝利にどのように役立ったかについての、Optimizelyの創設者であるDan Sirokerの話です 。
A / Bテストを実施する際に留意すべきいくつかのルールがあります。
- テストを開始する前に、人々がグループに分かれているときにA / Aテストを実施することが重要ですが、各グループには同じオプションが与えられます。 すべてのグループの指標が一致した場合、グループは正しく形成され、A / Bテストの結果は正しくなります。
- A / Bテストは、すべてのグループで同時に開始する必要があります。これは、すべてのプレーヤーが最も平等な状態にある必要があるためです。 結局のところ、ゲームのパフォーマンスは、時期、曜日、トラフィックソース、プロモーション、さらには天候に非常に敏感です。
- A / Bテストには、アトミックな変更が必要です。 機能オプションに違いが1つではなく、セット全体にある場合、最終的に、これらの変更のどれが結果に影響したかを確実に言うことはできません。
キャラクターズ
特定のパラメーターに従ってプレーヤーをセグメント化した後、これらの人々が実際に誰であるかを知ることが役立つ場合があります。 プレイヤーの行動とパラメーターに関する十分な情報がゲームにある場合、ランダムなプレイヤーのログを選択し、ストーリーの書き方を試すことができます：プレイ方法、経験する難しさ、購入の動機、通常プレイする日/時間、彼らがゲームを終了するときにどれだけの時間が経過するか。 手動で長時間実行しますが、便利な場合があります。 プレーヤーセグメントの特徴を正確に明らかにするより洗練された方法を使用できますが、これは別の記事のトピックです。 まず、異なるセグメントの複数のプレイヤーを処理し、彼らのポートレートを壁に掛けることができます（ゲームがソーシャルネットワークと統合されている場合は、架空または本物）。 開発はもっと楽しくなります。
消費者バスケット分析
ゲームでは、現実の世界と同様に、買い物かごを分析でき、多くの場合、これは有用な情報を提供します。 これにより、通常一緒に購入される製品を特定できます。 この情報はさまざまな目的に使用できます。 最も人気のある製品を目立つ場所に持って行き、すでに購入したものに加えて何かを購入することを申し出て、よく購入されていない製品の可視性を高めるか、それらを拒否し、需要に応じて品揃えを新しい商品で補充します。
簡単な架空の例を考えてみましょう。 このゲームには、ボーナス1および2、通貨パック1および2、サブスクリプション1および2、アーティファクトという購入可能な製品のセットがあるとします。 次のように表に記入します。対角線上で、対応する製品を複数回購入したプレーヤーの割合。 残りのセルでは、両方の製品を（垂直および水平に）少なくとも1回購入したプレーヤーの割合。 以下の例では、ボーナス1と2、およびアーティファクトが他の製品よりも頻繁にゲームで再び購入されることが判明しているため、それらに「人気のある製品」のラベルを付けることができます。 表の3行目を見ると、通貨パック1はボーナス1および2およびアーティファクトとより頻繁に組み合わされ、通貨パック2はサブスクリプションと組み合わせてより頻繁に購入されることがわかります。 このことから、たとえば、ゲームには少なくとも2つのプレーヤーセグメントがあると結論付けることができます。1つ目はボーナスやアーティファクトを使用したい人、2つ目はより高価な2つ目の通貨パッケージを購入してサブスクリプションに費やす人です。
分析プロセスでは、プレーヤーの異なるセグメントが異なるバスケットを持っていることが明らかになります。 そしておそらく、プレーヤーの一部のセグメントは自分に適した製品を見つけることができず、何も買わずにゲームを終了することが判明します。 だから-商品の品揃えに取り組む必要があります。
結論として
そのため、2つの記事で、ゲームで追跡される主要な指標と、アナリストの武器に含まれるべきツールについて簡単に説明しました。
今、あなたはおそらくこれが実際にどのように使用されているかを見るのを待つことができないでしょう。 次の記事（2013年にリリースされます）では、質問への回答を試み、リストされたインジケーターとツールが常に手元にあるように、どの分析サービスを使用する方が良いでしょう。 モバイルアプリケーションの統計情報を収集および分析するサービスに焦点を当てることをすぐに警告します。
ところで、どの特定のサービスについて言及する価値があるかについての提案がある場合は、コメントに書いてください！