
Примеры использования аналитики для улучшения геймплея мобильной игры.
1
Всем привет, меня зовут Женя. Я написал эту статья на форум и мне дали инвайт. По просьбе форумчан я переношу статью на в блоги.
Я хочу рассказать как анализ действий пользователей в процессе игры помогает мне улучшить геймплей и увеличить общее время проведенное в игре для среднестатистических пользователей.
Пример эффекта роста процента возврата пользователей от небольшого изменения сложности некоторых уровней, после большого количество проигрышей пользователей на данных уровнях.

Ось X — количество дней от установки игры; ось Y — процент возврата пользователей.
Темный график — до внедрения изменений; Светлый график — после внедрения изменений.
Таким образом, я увеличил количество пользователей которые ежедневно возвращаются в игру(что прямо влияет на заработки приложений freeToPlay), потратив на это всего пару часов. Однако, это было бы не возможно, если бы я не собирали информацию о победах и проигрышах игроков на определенных уровнях.
Статья будет основана на данных из GameAnalytics, но подобные инструменты имеют и другие системы аналитики: Flurry, Google Analytics, Parse, etc.
На изменения сложности нас мотивировали следующие данные.
Сверху — статистика для уровня средней сложности.
Снизу — статистика для самого сложного уровня.

Ось X — текущий день; ось Y — количество начала/завершения уровней.
Синий столбик — количество побед; Зеленый столбик — количество стартов уровня.
Как видно на графиках, процент людей которые начали уровень и не завершили его очень сильно отличается. Это хорошо, когда различия не значительны, я заставляет игрока получать удовольствия после завершения сложного уровня. Однако в моем случае, данный уровень очень сложный и отпугивает пользователей, которые перестают играть в игру.
Прогресс прохождения уровней.

Уровни можно проходить только последовательно. Первая колонка отображает количество пользователей начавших первый уровень(установили игру), вторая колонка количество пользователей начавших второй уровень(прошли 1 уровень) и так далее. Проценты отображают количества пользователей, который перешли на следующий этап, например только 39,94% прошли первый уровень и ИЗ НИХ 55,86% прошли второй уровень, и так далее.
Когда я увидел что только 40% пользователей завершают первый уровень(всего-лишь помогают пользователю освоится с игрой). Я решил что обучение я сделал ужасное и решили его переделать.

Это дало рост не только количество пользователей завершивших обучение, но и процент прохождение следующих уровней. Процент пользователей перешедших с 3 на 4 уровень уменьшился и это следующее место на что я обратил внимание.
Стоит заметить, что данные показатели очень маленькие для среднестатистических игр-пазлов и связанны с большой сложностью моей игры.
Средний длина сессии.

Темный график — до внедрения изменений; Светлый график — после внедрения изменений.
Исходя из графика до темного графика видно, что средняя длина сессии примерно равна 100 секундам.
Я решил давать небольшой бонус игрокам, сразу после 100 секунд активной игры и сравнивая среднюю длину сессий по дням, можно увидеть рост от 0 до 25% длины средней сессии.
За инвайт спасибо — puzzlesea
Я хочу рассказать как анализ действий пользователей в процессе игры помогает мне улучшить геймплей и увеличить общее время проведенное в игре для среднестатистических пользователей.
Пример эффекта роста процента возврата пользователей от небольшого изменения сложности некоторых уровней, после большого количество проигрышей пользователей на данных уровнях.

Ось X — количество дней от установки игры; ось Y — процент возврата пользователей.
Темный график — до внедрения изменений; Светлый график — после внедрения изменений.
Таким образом, я увеличил количество пользователей которые ежедневно возвращаются в игру(что прямо влияет на заработки приложений freeToPlay), потратив на это всего пару часов. Однако, это было бы не возможно, если бы я не собирали информацию о победах и проигрышах игроков на определенных уровнях.
Статья будет основана на данных из GameAnalytics, но подобные инструменты имеют и другие системы аналитики: Flurry, Google Analytics, Parse, etc.
На изменения сложности нас мотивировали следующие данные.
Сверху — статистика для уровня средней сложности.
Снизу — статистика для самого сложного уровня.

Ось X — текущий день; ось Y — количество начала/завершения уровней.
Синий столбик — количество побед; Зеленый столбик — количество стартов уровня.
Как видно на графиках, процент людей которые начали уровень и не завершили его очень сильно отличается. Это хорошо, когда различия не значительны, я заставляет игрока получать удовольствия после завершения сложного уровня. Однако в моем случае, данный уровень очень сложный и отпугивает пользователей, которые перестают играть в игру.
Прогресс прохождения уровней.

Уровни можно проходить только последовательно. Первая колонка отображает количество пользователей начавших первый уровень(установили игру), вторая колонка количество пользователей начавших второй уровень(прошли 1 уровень) и так далее. Проценты отображают количества пользователей, который перешли на следующий этап, например только 39,94% прошли первый уровень и ИЗ НИХ 55,86% прошли второй уровень, и так далее.
Когда я увидел что только 40% пользователей завершают первый уровень(всего-лишь помогают пользователю освоится с игрой). Я решил что обучение я сделал ужасное и решили его переделать.

Это дало рост не только количество пользователей завершивших обучение, но и процент прохождение следующих уровней. Процент пользователей перешедших с 3 на 4 уровень уменьшился и это следующее место на что я обратил внимание.
Стоит заметить, что данные показатели очень маленькие для среднестатистических игр-пазлов и связанны с большой сложностью моей игры.
Средний длина сессии.

Темный график — до внедрения изменений; Светлый график — после внедрения изменений.
Исходя из графика до темного графика видно, что средняя длина сессии примерно равна 100 секундам.
Я решил давать небольшой бонус игрокам, сразу после 100 секунд активной игры и сравнивая среднюю длину сессий по дням, можно увидеть рост от 0 до 25% длины средней сессии.
За инвайт спасибо — puzzlesea
- +13
- jff_dev
Комментарии (4)