Анализ данных через сегментацию: опыт Playkot

Арт: «Рыцари: Битва героев»

Использование инструментов аналитики в играх-сервисах (неважно, идет ли речь о браузерных, клиентских, социальных или мобильных решениях) давно является даже не стандартом, а первой необходимостью, поскольку только мониторинг и оценка поведения пользователей может выступать в роли обратной связи в массивных многопользовательских проектах, а также указанием на дальнейшее развитие проекта в том или ином направлении.

Соглашение с подобным очевидным тезисом, к сожалению, не всегда решает проблему. Интегрирование аналитических пакетов, получение данных и красивых графиков, в целом, сбор статистики по проекту само по себе не приводит к прозрачности игры.

Как сделать так, чтобы полученные данные были полезны, нам рассказали сотрудники петербургской компании Playkot, чью “СуперСити” социальная сеть Facebook признала одной из лучших новых игр в прошлом году.

Зачем нужна сегментация?

Сбор данных по проекту может производится разными способами. Чаще всего, говоря об ключевых показателях той или иной игры, приводят классические бизнес-метрики, вроде ARPU, LTV, удержания и так далее. Безусловно, оценивать успешность проекта необходимо по ним. Но на этом их роль заканчивается. Бизнес-метрики вполне можно сравнить с температурой тела: лоб не горит — значит у проекта все хорошо. Но в том случае, если лоб покрылся испариной, единственный вывод, который возможно сделать: с игрой не все в порядке.

“Из бизнес-метрик нельзя вытащить конкретных решений по гейм-дизайну”, — поясняет нам аналитик компании Любовь Пенюгалова. — “Общие моменты необходимо привязать к конкретным фичам в игре”.

Переходить от бизнес-параметров к реальным Любовь советует через сегментацию пользователей, которая затем позволит категоризировать их поведенческие паттерны. Делается это прежде всего для того, чтобы получить, во-первых, четкое понимание того, кто наши игроки, а во-вторых, иметь возможность принимать точечные решения по изменению в геймплее, ориентируясь, например, на мало платящую аудиторию или китов: разным типам игроков необходимо подавать на блюдечке разные типы товаров или предложений.

Без сегментации реакцию пользователей на любое изменение в проекте невозможно не только объяснить, но и просто выявить. Точнее, возможно, но только на общем, бизнес-уровне по конечным показателям.

Сегментация, в свою очередь, позволяет увидеть реакцию конкретных групп пользователей на каждое решение в дизайне игры. А раз мы получаем возможность видеть реакцию на подобном уровне, то это значит, что мы получаем в руки инструмент точечной настройки.

Как сегментируют в Playkot?

Сегментирование в Playkot происходит разделением игроков на группы, отталкиваясь от того, как играют те или иные пользователи.

“Мы смотрим прошлый опыт, как играли пользователи, разбиваем их на группы, а дальше конкретно этим группам выдаем какую-то специфику по гейм-дизайну или по монетизационным фичам”, — разъясняет Любовь.

Сегментирование осуществляется в рамках совместной работы аналитиков и дизайнеров, которые формируют список ключевых параметров игроков конкретной игры.

“Если мы говорим про систему сегментов, то тут необходимо идти от конкретного продукта”, — говорит Любовь.

Универсальной для всех проектов сегментации нет. То есть, в каждом конкретном случае (с каждой отдельной новой игрой) аналитику с дизайнерами придется собираться за одним столом по-новому.

В то же время есть вещи по аналитике, которые работают на всех проектах примерно одинаково, которые, к примеру, не надо менять, если после разработки тайм-менеджера вы взялись за игру, к примеру, в жанре “три-в-ряд”.

В первую очередь, это система мониторинга платежей. Она более или менее универсальна для всех типов игр.

“У нас везде есть внутриигровая валюта, у нас есть товары, и вот все, что касается платежей и покупок внутри игры, все это — достаточно идентично. Не суть важно, идет ли речь о казуальной, хардкорной или мидкорной игре, идея платежей везде одинакова, она, конечно, может отличаться в плане средних выводимых показателей, но не более”, — раскрывает Любовь.

Но вне мониторинга платежей универсилизировать систему сегментации внутри проектов не получится. Точнее, получится, но только в том случае, если проекты по сути мало отличаются друг от друга. Но даже в этом случае сегментацию необходимо будет постоянно дорабатывать.

Кейс сегментации по «Рыцарям»

В социальном проекте “Рыцари: Битва героев” Playkot выделила три группы сегментов: платежные, дополнительные и сегменты по активности.

1. Платежные сегменты

Деление игроков на группы, только исходя из того, как они платят. Но не просто деление на пользователей по величине вносимых им сумм, а исходя из более широкого спектра тесно-связанных между собой переменных. Сами по себе эти факторы не являются самодостаточными, но при сопоставлении друг с другом позволяют отвечать на ключевые вопросы по проекту.

Подробнее об этих факторах и о том, почему они важны:

Размер первого платежа — распределение пользователей по размеру первого платежа позволяет увидеть, насколько, к примеру, важную роль в игре играет минимальный платеж, который зачастую считается психологически-важным для игроков. Зная размер первого платежа вы также сможете ответить, как долго пользователи, заплатив в игре сразу много, остаются в проекте.

Уровень первого платежа — на каком уровне прогресса пользователь совершает первый платеж. Известно, что игроки по-разному реагируют на разные типы стимуляции (заплатить). Расставив различные стимулы по разным отрезкам прогресса, можно сегментировать игроков по типам стимулов, на которые они реагируют.

Сумма платежей игрока (LTV) — традиционная измеряемая характеристика, позволяющая отделить “китов” от “дельфинов” и другой “рыбешки”.

Средний платеж — еще одна традиционная бизнес-метрика, которая, к примеру, в рамках сравнения с LTV позволит сегментировать ту же группу “китов”: отделить тех игроков, которые привыкли сразу много кидать в игру, но не факт, что готовых в ней остаться, от пользователей, которые вложили в проект сумму того же порядка, но не сразу, а на протяжении долгого времени.

Количество платежей – как и средний платеж позволяет понять платежный паттерн пользователя. Частое совершение микротранзакций ведет к тому, что мы можем предлагать такому пользователю дополнительные акционные скидки на небольшие суммы. Механика справедливо работает и в обратную сторону с крупными платящими.

Дней с последнего платежа — эта характеристика позволяет в том числе выделять пользователей, перестающих платить. То есть, начавших терять интерес к игре. Как отметила Любовь, обычно между этим событием и уходом из игры у разработчиков есть две недели на то, чтобы вернуть подобных игроков (или перевести в другое приложение).

Описанные выше шесть характеристик легли в основу сегментирования игроков и выявлению платежных сегментов. Хочется отдельно отметить, что каждый кластер характеризуется каждым из этих шести факторов, поэтому про каждую из групп мы знаем практически все, что касается их платежей и можем соответственно таргетировать наши товары, ценники или даже отдельные игровые механики отдельно под каждую из групп.

Сами сегменты получились следующими (значения средних скорретированы на неопределенный коэффициент для сохранения коммерческой тайны):

Каждая линия на графике – это отдельный кластер, у которого есть значение по каждому из факторов. Сразу видно на графике китов, виден интересный сегмент средне платящих, которые сразу закидывают в игру много денег первым же платежом, а также видно хорошо платящих, которые платят меньше китов, но при этом делают 100500 небольших транзакций.

Впоследствии из шести групп для гейм-дизайна решили оставить четыре.

2. Сегменты по активности

Позволяет не просто делить игроков на активных и не очень, а выявлять, зачем и когда они туда заходят, насколько вовлечены в проект, на каких уровнях они более активны, на каких менее и так далее

Показатели, на основе которых формировались сегменты были подобраны следующим образом:

Уровень игрока — собственно, как обстоит дела с прогрессом, сегментировать пользователей по их прогрессу на данный момент и вообще.

Количество заходов — число открытий окна приложения.

Активных дней в игре — сколько дней игрок непосредственно заходил в игру. С помощью этого сегмента можно отделить хардкорных игроков, быстро бегущих по проекту, много посвящающих времени в игре, от тех, кто более медлителен.

Коэффициент активности — соотношение активных дней в игре и дней с установки. Если единица, то он заходит каждый день, он очень вовлечен, ему все нравится. В другой аналитике этот параметр помогает считать бизнес-метрики в разрезе активности пользователей.

Дней с последнего захода в игру — с помощью этого сегмента в том числе можно выявить критическое число дней отсутствия в игре, после которого пользователь, скорее всего, не будет платить в игре. Для проекта “Рыцари” таким числом оказалось 5 дней.

Самих сегментов на основе выше указанных факторов получилось 5, но два из них в итоге решили объединить. На графике представлены средние значения по каждой из характеристик (данные статистически нормализованы, чтобы избежать чрезмерного влияния отдельных показателей, поэтому получается казалось бы невозможное отрицательное значение по показателям).

«Не совсем корректное употребление слова «балласт» в отношении пользователей, тем не менее очень точно отражает их паттерн активности: с новыми отвалившимися еще можно попытаться что-то сделать (послать нотификацию или e-mail приглашение), но вот со старым балластам работать уже нет смысла«, — отмечает Любовь.

3. Дополнительные сегменты

Кроме платежных сегментов и групп, связанных с активностью, также были выявлены сегменты по тому, что игрокам больше нравится делать в игре (прокачивать воинов или развивать экономическую базу, ходить в pvp или сражаться в миссиях), для этого использовались такие факторы как:

• Победы/поражения – отношение числа выигранных пвп, арен и миссий к проигранным. Чем выше, тем более искусный игрок в тактическом умении вести бой, точнее оценивает свои силы перед боем и тем прокаченнее его войска.
• Рейтинг – рейтинг попадания в лиги (лавры).
• Экономическое развитие – развитие базы игрока.
• Активные друзья – количество активных друзей игрока.

На основе этого были получены следующие сегменты: социальные игроки, вояки, строители и балласт.

«Из предложенного графика неочевиден вывод о том, почему красная линия – вояки, а зеленая – строители, хотя у вояк по экономическому развитию все «цветет и пахнет». Причина кроется в том, что если игрок много строит и мало воюет (зеленая линия), то это однозначно ориентированный на прокачку базы пользователь, т.е. у него развитие базы идет ради самого развития, а не ради того, чтобы много и успешно побеждать в битвах. Вояки же, наоборот, на первое место ставят бои (и боевой рейтинг) и экономическое развитие для них лишь инструмент, необходимый для побед. Соответственно для одних и других интересны разные виды товаров в игре, на них можно таргетировать разные механики и целенаправленно развивать монетизационные схемы, охватывающие одних и других«, — объясняет Любовь.

Задача сегментации — не в попытке охватить все возможные паттерны поведения, а сделать так, чтобы в рамках выбранных переменных модель система могла демонстрировать наиболее крупные паттерны, под которые уже можно осознанно вносить изменение в само приложение.

В качестве примера того, как может работать подобная система, Любовь привела нам такую ситуацию. В рамках платежных сегментов, сравнивая LTV и средний платеж, совершенный в игре, были выявлены четыре (бывшие шесть) кластера:

• Голубой — те, кто платит очень мало;
• Зеленый — те, кто платят совсем немного и чей LTV в итоге не добирается до высоких отметок;
• Фиолетовый — те, кто совершают небольшие платежи, но заплатили так очень много;
• Синий — те, кто платит сразу много, но почему-то недолго.

“Синий” кластер оказался проблемным. Это были очень желанные для игры пользователе (они же сразу были готовы заносить большие суммы), но по какой-то причине делали это только первое время. Выделив проблему аналитики смогли выяснить, что это за пользователи, на каких этапах они отваливаются, и решили проблему.

Решалось это в том числе через мониторинг по схеме переходов игроков по сегментам.

Иными словами, имелась информация о том, что из игры на 20-30 уровнях отваливаются хорошо-платящие игроки и киты. Под них было выделено в схеме отдельное “облако”, за которым начали наблюдение. Вносилось изменение в игру, смотрели на состояние платежей: увеличивается ли оно, уменьшается, куда уходят из него или откуда приходят в него и так далее.

Сегментирование также позволило, к примеру, строить графики платежей, разбитые по типам плательщиков.

На нем можно было увидеть, как относящиеся к различным группам пользователи реагировали на различные виды контента (покупали или нет). Выяснилось, что реагировать как раз они могут по-разному. То, что активно скупали киты, оставляло равнодушным другие группы плательщиков. Справедливо это было и для тех игроков, которые находились на “другом полюсе”.

***

Несмотря на то, что описанные сегменты кажутся, на первый взгляд, общими, подходящими широкому спектру продуктов, они были выбраны строго исходя из потребностей и, что тоже немаловажно, возможностей Playkot. Поэтому, как нам кажется, они отлично подходят только в качестве образца, но не практического руководства для сегментирования собственных проектов. Тогда как описанный выше подход к формированию кластеров действительно может быть взять на вооружение другими компаниями.

Автор выражает благодарность коллективу Playkot и лично Любови Пенюгаловой за помощь в написании материала.