目录：
● 项目背景
● 分析目的
● 分析思路
● 分析过程
● 结论与建议
一、项目背景
某角色模拟对战游戏（类似王者荣耀）数据集有828934条数据，10个字段，字段解释如下。该数据集为注册用户后七日行为跟踪数据，通过对数据集的分析了解游戏运营现状，方便后续活动开展与内容调整。
二、分析目的
数据集为注册用户后7日的统计汇总数据。通过研究用户留存情况，统计用户后续时间节点的动作，判断可能的流失原因。
7天足够可以判断游戏对用户的吸引力，如果7日内客户流失严重，说明游戏内容或营销策略需改善。
三、分析思路
3.1 新增玩家分析
从玩家数量、付费玩家占比、每日新增玩家数展开分析；
3.2 玩家活跃度分析
从不同用户在线时长、分布特征开展分析；
3.3 玩家付费情况分析
从PUR（）、ARPPU（）、ARPU（）等关键指标得出的情况展开分析；
3.4 玩家游戏习惯分析
从不同玩家的pvp、pve这两个指标得出的情况展开分析
四、分析过程
4.1 新增玩家分析
4.1.1 新增玩家数量
select count(distinct user_id) as '新增玩家数'from test ;
4.1.2 新增付费玩家数量
select count(distinct user_id) as '新增付费玩家数'from tap_fun_test where pay_price>0;
4.1.3 付费玩家占比
select (select count(distinct user_id) as '新增付费玩家数'from tap_fun_test where pay_price>0) /(select count(distinct user_id) as '新增玩家数'from tap_fun_test) as '付费玩家占比';
新增玩家有828934人，其中付费玩家有19549人，付费玩家战注册总玩家的2.36%，占比较低。
4.1.4 每日新增用户数量
select date(register_time) as '日期',count(user_id) as '每日新增用户数量'
from tap_fun_test
group by 日期;
4.1.5 每日新增付费用户数量
select date(register_time) as '日期',count(user_id) as '每日新增付费用户数量'
from tap_fun_test
where pay_price >0
group by 日期;
对数据可视化：
由上图可知：
每日新增玩家在3月10日有一次大高峰增长，在3月13日有一次小高峰增长，有可能是因为在这两日举办了游戏活动。但是活动过后新玩家注册数量并没有显著提升，且活动前后用户数量大体持平，可见这两次活动并没有给游戏人气带来实质性与持续性的提升。
活动还需要力度并保持一定时间，给玩家充分了解游戏的时间，才能持续提高游戏热度，旨在培养用户习惯。
4.2 玩家活跃度分析
4.2.1 全部玩家平均在线时长（min）
select avg((avg_online_minutes)) as '全部玩家平均在线时长'
from tap_fun_test;
4.2.2 付费玩家平均在线时长（min）
select avg((avg_online_minutes)) as '付费玩家平均在线时长'
from tap_fun_test
where pay_price>0;
明显可以发现，付费玩家的平均在线时长远大于全体玩家的平均值，活跃度高出很多。
4.2.3 平均在线时长的分布特点（看是否有二八现象）
使用箱线图来分析总体特征，求出最大值、最小值、中位数和上下四分位数
（1）全部玩家人数的下四分位数、中位数、上四分位数：
select round(count(distinct user_id)/4) as '下四分位数',
round(count(distinct user_id)/2) as '中位数',
round(count(distinct user_id)/4*3) as '上四分位数'
from tap_fun_test;
（2）全部玩家在线时长箱线图关键值：
select min(avg_online_minutes) as '最小值',
(select avg_online_minutes from tap_fun_test order by avg_online_minutes limit 207233,1) as '下四分位数',
(select avg_online_minutes from tap_fun_test order by avg_online_minutes limit 414466,1) as '中位数',
(select avg_online_minutes from tap_fun_test order by avg_online_minutes limit 621700,1) as '上四分位数',
max(avg_online_minutes) as '最大值'
from tap_fun_test;
（3）付费玩家人数的下四分位数、中位数、上四分位数
select round(count(distinct user_id)/4) as '下四分位数',
round(count(distinct user_id)/2) as '中位数',
round(count(distinct user_id)/4*3) as '上四分位数'
from tap_fun_test
where pay_price>0;
（4） 付费玩家在线时长箱线图关键值
select min(avg_online_minutes) as '最小值',
(select avg_online_minutes from tap_fun_test where pay_price>0 order by avg_online_minutes limit 4886,1) as '下四分位数',
(select avg_online_minutes from tap_fun_test where pay_price>0 order by avg_online_minutes limit 9774,1) as '中位数',
(select avg_online_minutes from tap_fun_test where pay_price>0 order by avg_online_minutes limit 14661,1) as '上四分位数',
max(avg_online_minutes) as '最大值' from tap_fun_test where pay_price>0;
根据以上数据和箱线图可以看出：
全部玩家的在线时长上四分位数为5，也就是75%的玩家平均在线时长不到5分钟，玩家流失情况还是比较严重。
付费玩家在线时长下四分位数为31，中位数85，上四分位数191，也就是付费玩家中75%以上的用户在线时长超过了30分钟。
4.3 玩家付费情况分析
关键指标：
AU(Active User)：活跃用户，这里定义游戏时长达到15分钟为活跃用户。
PU(Paying User)：付费用户。
APA(Active Payment Account)：活跃付费用户。
ARPU(Average Revenue Per User)：平均每个活跃用户收入，总收入/AU。
ARPPU(Average Revenue Per Paying User)：平均每个活跃付费用户收入，总收入/APA。
PUR(Pay User Rate)：付费比率，APA/AU。
4.3.1 每个活跃玩家收入
-- ARPU=总收入/AU
select count(distinct user_id) as 'AU',
(SELECT SUM(pay_price) FROM tap_fun_test) AS '总收入',
(select sum(pay_price) from tap_fun_test)/count(DISTINCT user_id) as 'ARPU'
from tap_fun_test where avg_online_minutes>=15;
4.3.2 每个活跃付费玩家收入
-- ARPPU=总收入/APA
select count(distinct user_id) as 'APA',
(SELECT SUM(pay_price) FROM tap_fun_test) AS '总收入',
(select sum(pay_price) from tap_fun_test)/count(DISTINCT user_id) as 'ARPPU'
from tap_fun_test where avg_online_minutes>=15 and pay_price>0;
4.3.3 付费率
-- PUR= APA/AU
select count(distinct user_id) as 'APA',
(select count(distinct user_id) from tap_fun_test where avg_online_minutes>=15 ) as 'AU',
count(distinct user_id) / (select count(distinct user_id)
from tap_fun_test where avg_online_minutes> 0 ) as 'PUR'
from tap_fun_test where avg_online_minutes>=15 and pay_price>0;
数据可视化：
该游戏人均活跃用户收入ARPU很低，说明游戏收入表现较差，但是平均每个付费用户收入ARPPU很高，是PRPU6倍，说明收费玩家的付费能力很强。针对这一点，就可以做一些付费功能的优化与调整。比如可以专门对充值金额很大的玩家进行活动策略优化，让这些玩家体验更好，进而促进更多消费。
付费率PUR只有2%，可以相应开展一个首充活动，比如赠送充值大礼包。付费率高，也能获得渠道更多青睐，获得更好的推荐展示位等，间接也提高了游戏热度。
4.4 玩家游戏习惯分析
4.4.1 AU玩家的PVP情况
select avg(pvp_battle_count) as '平均pvp次数',
sum(pvp_lanch_count)/sum(pvp_battle_count) as '主动发起pvp的概率',
sum(pvp_win_count)/sum(pvp_battle_count) as 'pvp胜利的概率'
from tap_fun_test where avg_online_minutes>=15;
4.4.2 APA玩家的PVP情况
select avg(pvp_battle_count) as '平均pvp次数',
sum(pvp_lanch_count)/sum(pvp_battle_count) as '主动发起pvp的概率',
sum(pvp_win_count)/sum(pvp_battle_count) as 'pvp胜利的概率'
from tap_fun_test where avg_online_minutes>=15 and pay_price>0;
-- 4.4.3 AU玩家的PVE情况
select avg(pve_battle_count) as '平均pve次数',
sum(pve_lanch_count)/sum(pve_battle_count) as '主动发起pve的概率',
sum(pve_win_count)/sum(pve_battle_count) as 'pve胜利的概率'
from tap_fun_test where avg_online_minutes>=15;
4.4.4 APA玩家的PVE情况
select avg(pve_battle_count) as '平均pve次数',
sum(pve_lanch_count)/sum(pve_battle_count) as '主动发起pve的概率',
sum(pve_win_count)/sum(pve_battle_count) as 'pve胜利的概率'
from tap_fun_test where avg_online_minutes>=15 and pay_price>0;
数据可视化：
从上图可以看出，APA玩家的平均PVE和PVP次数都要高于AU玩家两倍左右，显然APA玩家更愿意话更多时间在这个游戏。
在pve活动中，APA与AU玩家主动发起进攻的概率和胜利概率大体持平，并且主动发起pve的概率很高。游戏的pve难度也不高，玩家pve胜率可达90%，游戏体验OK。
在pvp活动中，APA玩家玩家主动发起进攻的概率和胜利概率明显高于AU玩家。
五、结论与建议
1. 新增玩家分析
● 新增玩家有828934人，其中付费玩家有19549人，付费玩家战注册总玩家的2.36%，转化率较低。
● 每日新增玩家在3月10日有一次大高峰增长，在3月13日有一次小高峰增长，是因为在这两日举办了游戏活动。但是活动过后新玩家注册数量并没有显著提升，可见这两次活动并没有给游戏人气带来实质性与持续性的提升。
● 建议加大活动力度与时间，给玩家充分了解游戏的时间，才能持续提高游戏热度，旨在培养用户习惯。
2. 玩家活跃度分析
● 全部玩家平均在线时长11.74分钟，付费玩家平均在线时长135.87分钟，付费玩家的平均在线时长远大于全体玩家的平均值，活跃度高出很多。
● 75%的玩家平均在线时长不到5分钟，玩家流失情况还是比较严重。对于客户粘性差是后续工作要解决的问题点。（难道这部分是来刷下载量的？）
● 付费玩家中，75%以上的用户在线时长超过了30分钟，付费用户还是更愿意投入时间在该游戏上的。
3. 玩家付费情况分析
● 付费率PUR低，只有2%。比如可以针对首冲用户有大礼包活动，提高付费率。
● 一般而言，较好的手游每日ARPU超过5元，一般手游3-5元，低于3元则表现不佳。该游戏ARPU较低，但是对比ARPU，平均每个付费用户收入ARPPU很高，说明收费玩家中有付费能力很强的用户。针对这一点，就可以做一些付费功能的优化与调整，比如可以专门对充值金额很大的玩家进行活动策略优化，让这些玩家体验更好，进而促进更多消费。
4. 玩家游戏习惯分析
● APA玩家的平均PVE和PVP次数都要高于AU玩家两倍左右，显然APA玩家更愿意话更多时间在这个游戏。
● 在pve活动中，APA与AU玩家主动发起进攻的概率和胜利概率大体持平，并且主动发起pve的概率很高。另外游戏的pve难度也不高，玩家pve胜率可达90%，游戏体验OK。
● 在pvp活动中，APA玩家玩家主动发起进攻的概率和胜利概率明显高于AU玩家。
