R语言案例实战——寻找KPI用户特征

如果你在数据科学领域还只是个新手，那么建议你先看看——《

五本书带你入门数据科学

》。

需求

游戏在前期的运营中，通过各种拉新策略，可以持续地获取新用户。但是在最近的一段时间内，新用户的增长开始停滞不前。因此，运营部门需要开始规划对老用户的激活操作，提高用户的核心业绩指标（KPI）。

运营部门通过日常的数据报表发现，高活跃的付费用户大部分在游戏排行榜上排名靠前。因此，运营部门想通过研究用户的行为，来确定哪些用户的行为，可以提高用户在排行榜上的排名。知道哪些行为可以提高用户的排名后，运营部门就可以通过制定相关的鼓励措施，来鼓励用户去进行对应的操作，从而达到提高KPI指标的目的。

根据这些需求，需要解决以下问题：

1、确定游戏排行榜靠前用户的具体数量

2、找出游戏排行榜靠前用户的不同类型

数据收集

要解决以上问题，我们需要收集以下数据：

1、DAU数据

包括活跃日期和用户ID。

2、DPU数据

包括付费日期、用户ID以及付费金额。

3、用户行为数据

包括活跃日期、用户ID以及用户的54个活跃行为的次数的数据。

数据处理

和前面的案例一样，先整理出一份按月汇总的用户活跃以及消费数据。

执行代码，即可得到用户的月活跃以及消费数据，如下所示：

数据分析

首先来确定游戏排行榜靠前的用户数量。

我们不能通过粗暴的方式，来确定这个数量为10%，100，还是500，有一种更加科学的方法可以确定这个数量，这个方法就是聚类。

在聚类的算法中，kmeans聚类算法，是最常用的聚类方法，它的计算原理，如下图所示。

在用户行为数据中，A47这一列，为每个用户当天在游戏排行榜中的分值，对这一列使用kmeans聚类算法，即可得到每个用户由kmeans聚类算法得到的类型是什么了。

执行代码，可以看到，第一类的用户有 2096 人、第二类的用户有 479 人、第三类的用户有 78 人，我们通过游戏排行榜得分这一列的数据作为 y 轴，排名的大小作为 x 轴，绘制出以下图形。

可以看到，2、3 类（绿蓝色线段）为游戏排行榜排名靠前的用户，1 类（红色线段）为游戏排行榜排名靠后的用户，由此，我们就可以确定游戏排行榜靠前的用户数量为 78+479=557。

解决了第一个问题之后，接下来我们来看看第二个问题，找出游戏排行榜靠前的用户的核心行为。

数据建模

为了方便接下来的模型搭建，我们需要再做一次数据的清洗，清洗的操作包括：

1、删除 user_id 和 log_date 列，因为它们对 kmeans 聚类模型没有起到任何的作用；

2、删除方差接近于 0 的列，因为一列的方差如果接近于0，证明这一列并不存在差异性，列的值都非常接近；

3、删除相关系数非常接近的列，这里设置的阈值为0.7，也就是高度相关的列只保留一列。

数据处理的代码如下所示：

执行代码，即可得到数据清洗之后的结果：

因为剩下的特征值还是非常多，为了可以使用散点图来分析聚类的结果，先对数据进行主成分分析，然后再进行聚类操作。

可以看到，类型2的用户最多，类型1的用户最少，下面我们使用第一、第二主成分作为x轴和y轴，来绘制多维散点图，代码如下所示：

执行代码，即可得到聚类的多维散点图，效果如下所示：

数据可视化

为了更加方便解读每个类别背后代表的意义，下面使用雷达图的方式，来对聚类的结果进行解读。

前面已经讲到，因为用于聚类的特征很多，所以这里我们只筛选最核心的指标来进行绘图展示，筛选的方法和前面一致，只保留相关系数很高的一列即可，代码如下所示：

执行代码，即可得到以下的数据：

为了更加方便地解读聚类的结果，我们需要把列名修改为真实的列名，以及画出雷达图。

执行代码，即可得到如下雷达图：

我们来解读一下雷达图的结果：

1、第1类（红色直线）是典型的轻度用户，对游戏不太上心，各方面指标都很低，总共23人；

2、第2类（绿色短虚线）只在对战敌方首领的次数上比较高，但因为其他类型的用户，在这一指标上也很高，因此，这类型的用户只是比轻度用户稍微高活跃一点而已，总共228人；

3、第3类（青色点线）参与战斗次数最高，因此级别也很高，可见是为了高级别而参与游戏的，这个是游戏的另外一个排行榜，总共88人；

4、第4类（蓝色点虚线）指标上和第5类（紫色长虚线）的接近，因为参与游戏和参与战斗次数比较少，所以在排行榜分数上就落后了，总共164人；

5、第5类（紫色长虚线）是游戏排行榜的巅峰用户，指标非常好，在参与游戏的次数等指标上都非常高，总共54人。

以上，就是聚类结果的解读。

总结

最后，我们来结合用户的付费以及活跃指标，来看看每个类别用户对KPI指标的贡献：

可以看到，第5类的用户，在游戏排行榜上排在顶级的用户，付费和活跃的天数都是最高。但是，不容忽视的是，被我们划为轻度用户的第1类用户，虽然在活跃指标上比不上第5类用户，但是在付费上，是排行第二的。由此可见，他们是属于那种，觉得这个游戏是不需要那么努力打，充钱就能快速变强的用户（事实是不可能的，游戏一定是要充钱并且努力打，才能真正地变强的，二者缺一不可）。

综合前面的分析，我们给运营部门提出以下的建议：

第1类用户是现在和未来的金主（核心KPI用户），因此，我们要特别保持他们的活跃，不能让他们流失了；

第2类用户是最容易流失的用户，他们付费意愿不高，但是整体人数很多，是典型的不付费、不活跃用户；

第3类用户满足于等级的高低，只做可以提高等级的游戏操作，而且目前游戏等级的提升过于简单，17天的活跃即可保持高等级了，可以提高救援他人的次数这个指标在等级的权重；

第4类用户属于沉迷游戏的高活跃用户，但是他们不喜欢付费，喜欢通过游戏策略保持高排名。因此可以通过更多的优惠策略，来吸引这部分用户进行充值消费；

第5类用户属于沉迷游戏的高活跃付费用户，是游戏的核心用户。