SPSS:相关分析在游戏中的应用_数据分析师考试
凭借着科技的力量进入了大数据时代,收集数据的能力也大大提高,分析师每天与这些“大”数据打交道。在游戏行业,我们拥有成熟的AARRR模型,从获客、活跃、流失和留存、收入到用户传播建立一个完美的闭环。除了常规指标,在分析过程中我们还会建立很多临时指标来辅助分析,面对这么多统计的数据,我们会好奇这些指标或者变量之间是否存在某种相关性,以及相关程度如何,这就用到我们今天要分享的内容——相关分析。
在统计学上,用相关系数来描述变量之间的关系,相关系数的符号(+/-)表明关系的方向(正相关/负相关),其值的大小表示关系的强弱程度。下图是对相关系数的一个解读。
表1 解释相关系数
相关系数的大小 | 一般解释 |
0.8~1.0 | 非常强的相关 |
0.6~0.8 | 强相关 |
0.4~0.6 | 中度相关 |
0.2~0.4 | 弱相关 |
0.0~0.2 | 弱相关或无相关 |
下面列举几个游戏中进行相关分析的应用场景。
1. 玩家付费能力
评估一个玩家的付费能力与哪些因素相关,相关程度如何?
与一个玩家的付费能力相关的因素有性别、年龄、教育程度、游戏时长、游戏频次甚至游戏中好友数。这些或多或少都与付费能力有一定的相关性。需要注意的是,像性别这样的定类变量不支持下面案例中的实现,需要点二列相关系数。
2. 游戏收入
与游戏每天收入可能相关的因素有付费人数、活跃玩家数、付费率、ARPU、道具销售数量、道具价格和玩家总时长(日玩家总时长),哪些因素与收入相关程度密切,哪些因素相关只是偶然性呢?这些在接下来的案例会详细探讨。
3. 道具销量
游戏中要进行相关分析的地方远不止这三个场景,理论上各个因素都可以进行相关性分析,并通过相关系数反映相关程度,还是建议不要盲目分析,在不同时间段,根据自身的分析目的进行探索式分析和验证。
接下来我们看一个相关分析的案例,工具的选择可以根据个人喜好,虽然Excel也可以进行相关分析,但是只列出相关系数,不能进行统计显著性检验,所以推荐使用SPSS。
首先,整理好要分析的数据,这里收集某游戏两个月内每日收入、玩家数、日付费率、付费人数、道具销售数量等数据。
选择分析->相关->双变量,然后选择要研究的变量如下图:
点击确定后得到分析结果如下:
相关性 | ||||||
日付费率 | 付费人数 | 道具销量 | 玩家数 | 收入 | ||
日付费率 | Pearson 相关性 | 1 | .976** | .542** | .070 | .961** |
显著性(双尾) | .000 | .000 | .586 | .000 | ||
N | 62 | 62 | 62 | 62 | 62 | |
付费人数 | Pearson 相关性 | .976** | 1 | .558** | .276* | .954** |
显著性(双尾) | .000 | .000 | .030 | .000 | ||
N | 62 | 62 | 62 | 62 | 62 | |
道具销量 | Pearson 相关性 | .542** | .558** | 1 | .195 | .609** |
显著性(双尾) | .000 | .000 | .129 | .000 | ||
N | 62 | 62 | 62 | 62 | 62 | |
玩家数 | Pearson 相关性 | .070 | .276* | .195 | 1 | .142 |
显著性(双尾) | .586 | .030 | .129 | .272 | ||
N | 62 | 62 | 62 | 62 | 62 | |
收入 | Pearson 相关性 | .961** | .954** | .609** | .142 | 1 |
显著性(双尾) | .000 | .000 | .000 | .272 | ||
N | 62 | 62 | 62 | 62 | 62 |
**. 在置信度(双测)为 0.01 时,相关性是显著的。 |
*. 在置信度(双测)为 0.05 时,相关性是显著的。 |
结果稍微复杂了些(SPSS结果显示比较全面,有些指标不需要关心),我们只选择我们需要的数据来看,只看最后一行(蓝色部分),即收入与其他因素之间的相关性。
从上图结果可知,收入与日付费率和付费人数相关系数分别为0.961和0.954,具有强相关性。收入与道具销量相关系数为0.609,为中度相关。显著性均为0.000远小于0.05,说明分析结果显著。而收入与玩家数(日活跃)相关系数为0.142,弱相关,从显著性检测结果0.272来看大于0.05,说明玩家数对收入相关性不显著,两者存在一定的偶然性。
上面例子中的分析结果并不代表整个游戏行业的数据表现,本文只是传达一个分析方法,在游戏运营中多做一些探索式的相关分析,说不定就能发掘出很大的价值和规律。此外,相关分析只是分析变量之间是否相关以及相关程度如何,并不代表变量之间一定存在因果关系。就像卖冰棍和发生火灾数有很大的相关性,但他们都与温度高(夏天炎热)有关联一样。接下来的文章会讨论回归分析,用数据模型量化这种相关关系,并做一些预测。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11