我所领略的王者荣耀还可以做更风雅化大数据运营优化。

在阐明之前，普及一个数据产物框架，用户画像。 它是作为一种勾画方针用户、接洽用户诉求与设计偏向的有效东西。 通俗一点来讲，它就是一个描画产物用户行为的东西。

你是谁（人口信息、相当于人口观测）

你已往和此刻做过什么（天天习惯在什么时间、什么所在、习惯做什么事、偏好什么）

你未来大概会做什么（按照你已往做的事，预测你未来会做什么）

于是，基于用户画像，可以开始有序递进式，对用户举办举办本性化精准运营。

下面附上浅易版的王者荣耀用户画像标签体系

一、皮肤英雄道具的多元化风雅化运营 道具皮肤打包卖

基于关联法则阐明出汗青购置记录，可以打包卖的英雄礼包、皮肤礼包、英雄皮肤礼包、道具礼包、殽杂礼包等等。

1.1 按照关联法则的支持度巨细，按照汗青销售流水，可以计较出AB两种英雄可能皮肤，是否可以绑缚打包卖。

1.2 置信度的巨细，可以计较出，购置A英雄（皮肤）后还会购置B皮肤的概率。

1.3 综上，可以按照挖掘阐明出来的数据，对差异道具举办交错可能绑缚销售。

知道了哪些道具打包卖会有优势，接下来要阐明出用户分群决定，哪些组合套餐适合哪些范例的用户群，先容几种决定要领：

1.4 决定树。借用用户画像中的用户各类行为标签，将购置过AB英雄（皮肤）的用户作为一个样本，阐明出这个样本中的概率更大的某条决定树出来。

譬喻：年数大于22 & 消费点券额度在3w-5w之间 & 男性 & 月游戏频次大于50 ，满意这些条件的用户占30%（且概率为更大），我们就认为这是一条可以很好的决定树，可以拿这条结论去线上做ABtest，验证决定树模子是否精确可用，假如可以提高AB皮肤（英雄）的购置率，那么它就是我们想要的。

1.5 逻辑回归。思路和决定树差不多，按照购置过AB英雄（皮肤）的用户标签，得出一个模子，然后去验证其他用户是否切合该模子，假如切合，那么就向这批用户推荐这个皮肤（英雄）套包。

当前面的关联法则模子做完之后，假如验证了模子的可用性，不绝优化模子，会看到交错（绑缚）销售礼包导致消费流水泛起上升趋势。接下来，基于社交干系（基于用户推荐和物品（道具）推荐）进一步晋升消费额。

1.6 基于用户推荐（协同过滤）。向购置过礼包的玩家，其伴侣圈里还没有购置过此种礼包的玩家（通俗讲，就是你从商家买了某样皮肤，那么系统就可以把这个皮肤推荐给你伴侣圈的其他伴侣）。

1.7 基于道具（物品）推荐。按照每个玩家日常玩的频次最多的英雄，胜率高的英雄等，来确定他的常用英雄范例偏好，将此类还没有购置的英雄推荐给他，基于（打折可能伴侣赠送等 *** ），吸引玩家购置。

这就依赖了微信可能qq强大的社交干系链，有了它们，道具销量会更好。虽然推荐给哪些伴侣，也会基于社交干系里的标签（好比，是否常常一起开黑、是否有沟通消费的偏好等等，可以计较玩家相似度等 *** 来完成）

整体来说，根基要领是，基于合用的差异礼包组合，将用户分群，然后阐明出差异的用户群的显著用户行为特征，去拟定运营计策。

别的皮肤的推进式营销计接应该基于玩家常用英雄上,同理可以基于协同过滤来举办推荐。

1.8 基于攀比心理，可以给此类玩家打上攀比度的数值模子标签，当高于某个阀值时，只要这些玩家的伴侣购置了某个新道具，就推送相关信息，甚至可以警惕拼团的 *** ，来团购皮肤可能英雄。

1.9 按照玩家在游戏内的对话，都某个英雄的皮肤的歌咏偏好词语，基于文本挖掘，阐明出玩家对某款皮肤的爱好水平，举办多维度及时精准营销。

1.10 基于玩家的欣赏行为（只看不买）、谈天行为（只说不买）等等，都是一些付费倾向的玩家，阐明后实验诱导付费。

二、大R带小R，付费带免费

基于漏斗模子，免费玩家 > 小R付费玩家 > 中R付费玩家 > 大R付费玩家。

2.1 挖掘出每个玩家每一步的转化原因，大概较量难。可是基于用户分群，对群体的行为举办挖掘，照旧能挖掘出主流转化原因的。

2.2 要领1：决定树等模子。按照每一次转化率数值变革的环境，提取变革前后玩家的相关强相关数据，举办建模，并校验和验证。得出分群用户转化的主要决定逻辑。

2.3 要领2：基于逻辑回归模子和时间序列。预测玩家从免费到付费，小R付费到中R付费……等，每一步转化所需要的时间区间和大概转化的概率。

2.4 将2.2和2.3相团结，就可以知道玩家或许在什么时间节点、转化已往的概率，以及转化已往所需要满意的法则和条件。

以上为小我私家的一点观点，接待轻拍和指正。

下次来讲讲如何防范流失，游戏模式的优化和调解等，举办风雅化大数据运营。

3.1 玩家流失前的行为，分正负反馈，综合举办预测，低落流失率。

3.2 给每个玩家推荐他最喜欢玩、玩得最爽的游戏模式。提高活泼度和忠诚度。