R语言案例实战——用户为什么留下来？

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

无论是一款游戏还是一款App，都会面临用户流失的问题，作为产品的运营人员，你肯定很想知道，是哪些因素导致用户流失了。在现实的场景中，用户流失的原因简直太多太多，例如某个功能不好用，有新的竞品出现，给客服提问题没有回复，心情不好删除了等等等等。

在用户流失的诸多因素中，从数据科学的角度来分类的话，用户流失的原因可以分为两种，一种是产品可以检测到的，用户在操作某些功能后，大量流失的原因；另外一种就是产品无法检测到的，用户因为个人原因而导致的流失。

既然用户的流失因素，无法完全使用数据来监控。但是如果需要降低用户的流失率，提升用户的留存率，就必须对用户的流失原因进行分析。这就进入了一个死循环，有时候只能根据产品可以检测到的数据，来进行用户的流失分析，直接放弃系统无法检测到的其他因素。

其实，可以转换一个思路，与其分析用户为什么流失，不如分析用户为什么留下来，因为，所有用户留下来的因素，产品都可以检测到。

下面使用一个游戏的数据，来分析一下，用户为什么会持续地玩这个游戏。换而言之，就是游戏的哪个功能，可以让用户留下来。

收集数据

为了简化数据的复杂度，我们只是收集了用户的安装、日活、战斗、发消息以及协作的数据，如下所示：

安装的数据格式，如下所示：

日活的数据格式，如下所示：

战斗的数据，如下所示：

协助的数据，如下所示：

发消息的数据，如下所示：

数据处理

处理日活数据

首先处理日活的数据，计算出距离活跃已经有7~13天的用户数据，代码如下所示：

接着，计算每个用户的登陆密度，计算公式和代码如下所示：

执行代码，即可得到以下的结果：

处理战斗数据

接着，来处理战斗的数据，代码如下所示：

然后，把行的数据，处理成为列的数据，一个用户只保留一行的数据，代码如下所示：

执行代码，即可得到以下的结果：

接着，从这份数据上面，计算出每天的次数占总数的占比以及主成分分析后的指标值，代码如下所示：

战斗的比例数据如下所示：

战斗的PCA数据如下所示：

处理消息数据

消息数据的处理方法，和战斗数据的处理方法一致，首先处理成为每个用户一行，七天的数据用列来表示的形式，代码如下所示：

执行代码，即可得到以下数据：

接着，再把它处理成为百分比以及主成分的方式，代码如下所示：

执行代码，即可得到百分比以及主成分分析的特征数据：

处理协助数据

协助数据的处理方法，和战斗与消息数据的处理方法一致，首先处理成为每个用户一行，七天的数据用列来表示的形式，代码如下所示：

执行代码，即可得到以下数据：

接着，再把它处理成为百分比以及主成分的方式，代码如下所示：

执行代码，即可得到百分比以及主成分分析的特征数据：

数据分析

特征数据处理完成之后，下面介绍一下解决这个问题的数据分析思路。

想要通过用户的行为，来找出决定用户留下来继续玩游戏的主要特征，可以通过交叉表的形式，来对比分析留存用户和流失用户在不同的特征上的区别。

但是因为用户的行为非常多，并且还需要根据不同的行为，决定该行为在几天后发生、发生几次才能达到满足用户留下来的心理预期，如下图所示，我们需要找出满足条件的六个未知参数 x ，这就需要通过非常多轮的比较，才能得出明确的结果。

这时候，可以使用决策树的方法，使用最大信息熵的方式，寻找最佳的参数分割，让结果最优。

数据建模

用户行为数据聚类

首先，使用 kmeans 聚类的方法，根据用户不同行为的数据，来划分不同的用户群，使用的聚类方法，如下所示：

然后，对每种行为的数据进行聚类。

执行代码，即可得到如下结果：

最后，把聚类的结果以及用户的日活信息连接起来。

执行代码，即可得到如下结果：

最后，按照登陆密度，由小到大的顺序重新排序。

执行的代码，即可得到满足决策树建模的数据了，如下所示。

聚类结果决策树建模

决策树使用 rpart 包的 rpart 方法进行决策树的构建。

执行代码，即可得到下图的决策树：

可以看到，根据协助这个行为，使用协助的指标，将数据分为 4 个类别，是最合理的划分。

下面来观察一下，每个分类有什么特征。

可以看到，从数量上，1 分类的人数，占了绝大多数，然后 2、3、4 分类的人数只占了一小部分。

接着，对分类的平均登陆密度作图，可以得到以下图形：

可以看到，1 分类和其他分类的指标有很大的差异性，类1的登陆密度非常低，接近流失用户了，2、3、4 类用户登陆密度是 1 分类的 6 倍以上。

最后，将协作行为按照类和时间进行可视化，如下所示：

执行代码，即可得到以下图形。

可以看到，类1的用户在开始游戏后就有了协作行为，但之后这种行为发生的次数不断下降，从上页的图中可以看出2周后这类用户的登录密度变得很低。类3和类4的用户在开始游戏3天后协作行为开始变得多了起来，在这之后持续增加，2周后登录密度就已经很高了。

总结

通过上面的分析，我们可以得到以下的结论：

● 对开始游戏后第 2 周的登录密度影响最大的社交行为是协作行为

● 在开始游戏后协作的行为慢慢增加的用户，会更加稳定地访问游戏