今天讲讲基于大数据运营的拉新、付费用户防流失、游戏模式推荐等。

一、防流失

针对付费玩家

• 1.1 付费玩家的流失因子：购买道具频率、付费金额、游戏时长、游戏频次、游戏等级、胜率等等。
• 1.2 将近三个月（可自定义）流失的用户，分成测试集和校验集。通过因子分析算法，得出强相关因子。通过逻辑回归算法，得出流失的付费玩家的回归方程式。 将未流失用户的这些流失因子，放入回归方程式计算。
• 1.3 预测付费用户，是否接近流失临界点，进行流失预警。通过常见的流失的定性分析和用户访谈，开展有针对性的挽回营销活动

针对免费玩家

• 1.4 免费玩家的流失因子：游戏时长、游戏频次、游戏等级、胜率等等。通过因子分析算法，得出强相关因子。通过逻辑回归算法，得出流失的免费玩家的回归方程式。将未流失用户的这些流失因子，放入回归方程式计算。
• 1.5 预测免费用户，是否接近流失临界点，进行流失预警。通过常见的流失的定性分析和用户访谈，开展有针对性的挽回营销活动

防流失上还需要考虑一些负反馈因子。比如某些用户是经常掉线的，网络延迟高的，所在大区服务器经常奔溃，客户端经常奔溃等等。 另外，还需要考虑时间衰减，在游戏频次的处理上。一个月前几天玩了30次，和一个月每天玩一次，玩家的活跃频次是不一样的。可能随着时间的延长，之前的频次需要做衰减。

二、游戏模式推荐

• 2.1 基于玩家的游戏模式、游戏时长、频次等。通过聚类算法，将玩家群体进行分类。 计算出每个整体用户的模式偏好，或者单个用户的模式偏好
• 2.2 针对不同模式偏好的玩家，再分析其英雄或者皮肤或者其他道具偏好，根据相似度去推荐玩家还没有购买的英雄（皮肤），也就是玩家特定的道具进行精准的相关活动精准营销

三、拉新

理论上来说，荣耀这种全民对战的mmob，在腾讯社交关系链上，一条QQtips出去，已经不需要去考虑太多拉新的事，但还是新用户增长曲线不好看的时候，还是可以做一些事情的。

游戏初期

• 3.1 针对不同渠道、地域、性别等维度，观察用户的留存率、流失率、回流率等。
• 3.2 对新用户的留存率高的用户群，分析其强相关特征：收入、游戏时长、频次、渠道、地域、性别等。使用决策树算法，进行分析，得出何种渠道下，地域下，符合哪些行为特征的用户，成为高留存的用户的概率

游戏成熟期

• 3.3 主流目标用户已经饱和，分析主流目标用户的基本属性特征。通过决策树算法等，分析出主流目标用户还符合哪些基本特征，进而去拉取。或者从竞品或者同类型的产品用户聚集的渠道，通过已知的用户属性特征获取新用户