这个月本手游活跃度下降了 | R语言商业分析实践2

作者：杨凤山，R语言中文社区专栏作家，R语言小学生，跟我一起努力成为一名优秀的商业数据分析师

知乎专栏：

我再重申一下：一个好的商业分析项目从来不是从数据开始，而是根据现象提出问题，然后根据问题进行整体（非数据）分析（你要清楚地掌握自己的什么）问题是，如何通过数据分析来解决问题），根据这一步的分析建立具体的数据分析框架，然后确定要收集的数据并对数据进行处理，最后分析得出结论来解决问题。下面以某手机游戏公司的手机游戏活动为例进行业务数据分析。

2.1章介绍了验证性数据分析（即数据分析是为了验证初始假设）。本章的数据分析数据属于探索性数据分析（数据分析之前没有任何假设，数据分析过程中根据目的不断做出假设，验证推论）。

同时，你会在本章中接触到一个重要的观点：统计推断必须结合具体的实际业务情况，仅靠统计推断进行数据分析是无根之草。

第一部分：项目和想法分析

1.根据业务经验提出两个假设：（1）商业推广活动较少，流失的用户大于新增用户。（二）本月开展的游戏活动主题与上月不同。

2、与市场部、游戏开发部沟通后，我们得到两个信息：（1）商业推广活动没有变化。（二）游戏活动主题没有改变。

3. 根据前两步不能做出具体的假设。因此，我们只能收集近两个月所有登录用户的信息，对玩家进行细分，看看是哪个用户群出现了问题。

4、根据第三步分析确定需要收集的数据信息：玩家登录信息以及每个玩家的具体属性（男女、年龄段、使用的装备等）。

5、针对不同属性的用户群体，根据实际情况进行统计推断分析（本章介绍列联表分析和

测试）。

6.根据数据分析结果提出针对性的解决方案。

第 2 部分：基于第 1 部分的想法进行数据分析

这些数据是未经任何处理的原始游戏数据。记录该公司某款手游8月至9月的玩家登录情况。网盘链接：/s/密码：b7th

1.首先读取数据，去掉无用的列：（游戏名）

#为了提高效率注释不再细写#注意知乎非代码块文字介绍吧#同时为了精简代码将使用%>%（管道）操作#读取数据同时去掉无用数据dau <- read.csv(file='用户8-9月登陆数据.csv',header=T,stringsAsFactors=F)[,-2]user <-read.csv(file='用户个人信息库.csv',header=T,stringsAsFactors=F)[,-2]

2.添加登录用户的个人信息（属性）

#为8-9月登陆用户添加个人信息dau.user <- merge(dau,user,by='user_id') %T>%print(max=20) dau.user$log_month <- substr(dau.user$log_date,6,7)#添加月标签

第一条记录显示：用户1（ID 1）于2013年9月6日登录游戏，并于2014年4月15日安装游戏。他是男性，40至49岁，使用的设备是iOS（Apple ）。。

3.1 第一次探索性分析：

分析两个月用户登录次数是否受性别影响。（为了代码整洁，这里使用了左管道符和右管道符，它们来自包''。同时，为了方便各个级别的人阅读，作者尝试使用基本包中的功能。

table(dau.user$log_month,dau.user$gender) %T>%
  {print(chisq.test(.))} %>%
  data.frame %>%
  ggplot(aes(Var1,Freq,fill=Var2))+
  geom_bar(stat = 'identity',position = "fill")

为了方便阅读代码，这里截图：

卡方检验结果：

与耶茨的气测试

数据：。

X- = 1.9958，df = 1，p 值 = 0.1577

p 值远大于 0.05。不拒绝原假设，认为两个月的登录次数与性别无关。从百分比条形图上也可以看出：

如果你正在写报告，则应修改标签并添加标题，下同

3.2 第二次探索性分析：

分析两个月用户登录次数是否受年龄影响。

(p2 <- table(dau.user$log_month,dau.user$generation))%T>% 
{print(chisq.test(.))} %>%
  data.frame %>%
  ggplot(aes(Var1,Freq,fill=Var2))+
  geom_bar(stat = 'identity',position = "fill")
(p2[1,]-p2[2,])/p2[1,]#看看是个年龄段的变化大
p2[,4]/rowSums(p2)#看看40岁的玩家占总人数多少
chisq.test(p2[,-4])#剔除后再次检验

（温馨提示：这里为什么要设置一个p2？因为统计推断中卡方检验的p值很小，所以拒绝原假设。初步认为两个月的用户登录次数受到影响年龄，但观察百分比条形图，发现年龄结构没有变化，应根据实际情况进一步分析。）

的 Chi 测试

数据：。

X- = 17.247，df = 4，p 值 = 0。

经过进一步考察，哪个年龄段的登录数变化比其他年龄段更大，我们发现除了40岁到49岁以外，所有年龄段的登录数变化几乎处于同一水平。

(p2[1,]-p2[2,])/p2[1,]#看看是个年龄段的变化大
       10        20        30        40        50 
0.1806761 0.1913219 0.2082502 0.1511101 0.2058397

那么我们具体看一下40-49岁年龄段的登录比例：通过计算，我们发现他们只占不到10%，对整体减少2万登录的影响并不是关键因素。

p2[,4]/rowSums(p2)#看看40岁的玩家占总人数多少
        08         09 
0.09373042 0.09837873

排除40-49岁年龄组后，再次进行卡方检验：

chisq.test(p2[,-4])#剔除后再次检验
	Pearson's Chi-squared test
data:  p2[, -4]
X-squared = 6.7468, df = 3, p-value = 0.08042

这次 p 值大于 0.05，不拒绝原假设。据认为，登录次数的减少与年龄级别无关。

3.3 第三次探索性分析：

分析两个月用户登录次数是否受到登录设备的影响。

table(dau.user$log_month,dau.user$device_type)%T>%
{print(chisq.test(.))} %>%
  data.frame %>%
  ggplot(aes(Var1,Freq,fill=Var2))+
  geom_bar(stat = 'identity')

与耶茨的气测试

数据：。

X- = 2041.7，df = 1，p 值 < 2.2e-16

这次不仅p值极小，而且从堆叠条形图也可以看出，iOS设备用户没有明显变化，但设备用户数量却大幅下降。我得到了你。我们初步得出的结论是，用户登录次数的减少导致了总体登录次数的减少。但仅凭此我们无法得知用户玩游戏减少的原因，更无法提出针对性的建议，所以我们需要进行进一步的深入分析。

4.深入分析

这一步分析的思路是画出8月1日到9月30日这两个设备每天的登录次数。

#深度分析
table(dau.user[,c(2,6)]) %>%
  data.frame %>%
  ggplot(aes(as.Date(log_date),Freq,color=device_type,shape=device_type))+
  geom_line()+geom_point(size=3)+
  labs(x='登陆时间',y='当日登录次数',color='设备类型',shape='设备类型',title='好累啊终于快搞完了')