Connect with us

Аналитика пользователей

Как стать Data Scientist при помощи профессионального покера

Умение собирать и обрабатывать данные может пригодиться не только аналитикам. Дэниел Постон рассказал о своем опыте игры в покер, который поможет чуть лучше понять образ мышления, необходимый для того, чтобы использовать данные максимально эффективно.

Анна Гуляева

Опубликовано

/

     
     

Умение собирать и обрабатывать данные может пригодиться не только аналитикам. Дэниел Постон рассказал о своем опыте игры в покер, который поможет чуть лучше понять образ мышления, необходимый для того, чтобы использовать данные максимально эффективно.

15 апреля 2011 стал Черной пятницей для сообщества игроков в покер. В этот день правительство США запретило три главных сайта с онлайн-покером. В то время около 4 тысяч граждан США играли профессионально, поэтому началось массовое бегство. Стали популярными Канада и Коста-Рика. Я из Южной Калифорнии, поэтому знаком с мексиканской Нижней Калифорнией. Я решил открыть магазин к югу от границы в мексиканском городе Росарито.

Пока я готовился к переезду, меня часто спрашивали, что произойдет, если мой план не сработает. Игра в онлайн-покер требует понимания данных, вероятности и статистики. Тогда я знал только об одной профессии, применяющей тот же набор навыков. Я говорил: “Возможно, я начну работать аналитиком на Уолл-Стрит”.

В том же месяце вышел фильм “Человек, который изменил всё”. Действие основанного на книге Майкла Льюиса фильма происходит во время сезона 2002 года в команде “Окленд Атлетикс”. Используя анализ данных, аналогичный используемый аналитиками с Уолл-Стрит, команда произвела революцию в бейсболе. С небольшим бюджетом они выиграли 20 игр подряд. В этот момент аналитика данных и стала мейнстримом. Год спустя в Harvard Business Review вышла статья Data Scientist: The Sexiest Job of the 21st Century. Glassdoor.com назвал работу Data Scientist главной профессией 2016 и 2017.

Что общего у анализа данных и покера

Я начал карьеру в Data Science в 2016. Я заметил, что многое из того, что я узнал во время занятия покером, подходит и для сегментации пользователей. Откуда игрок в покер (географическая сегментация), как игрок думает (психографическая сегментация) и как он играет (поведенческая сегментация) – всё это очень важные факторы, определяющие стратегию против этого игрока. Я узнал, что все эти факторы можно свести к простой статистике. Я мог сказать, насколько игрок хорош, всего по двум числам. Чтобы протестировать эту теорию, я создал k-means модель, чтобы сегментировать оппонентов в покере так же, как компания сегментирует своих клиентов.

Данные для этого проекта были собраны в течение моей карьеры в покере. Я использовал программу Hold’em Manager, которая загружает историю каждой игры в реальном времени в базу данных PostgreSQL, чтобы отслеживать тенденции ваших оппонентов. История раздачи генерировалась после игры и объясняла всё, что каждый игрок делал во время игры. Эти тенденции показывались следующим образом:

Как я использовал анализ данных, чтобы перехитрить своих оппонентов

В техасском холдеме каждый игрок получает две карты в начале игры, что означает, что у вас может получиться 1326 стартовых комбинаций. Статистика тенденций для оппонента – мощный инструмент, потому что при помощи него просто предугадать карты оппонента. Например, некоторые игроки редко повышают префлоп-ставку, если их процент повышения префлопа PFR низок. Если у оппонента PFR равен 2%, то у них может быть только 26 из 1326 комбинаций. А если они повышают ставку, то у них вероятны 28 из 1326 комбинаций.

Два числа, по которым я определяю, насколько хорош игрок – это уже упомянутый PFR и показатель “добровольно кладет деньги в банк”, VP$IP. Он обозначает частоту, с которой человек играет руку при первой возможности сделать ставку или сбросить. Эти два показателя и их соотношение дают мне нужную информацию, чтобы определить, является игрок победителем (акулой) или проигравшим (рыбой).

Принцип Парето утверждает, что для многих событий 80% эффекта приходит от 20% усилий. Это значит, что 80% прибыли компании генерируется 20% их клиентов, а 80% моей прибыли генерируется от 20% моих оппонентов.

Я вычислил 20% противников, у которых я выигрываю чаще всего (рыбы), и 20% противников, которым я чаще всего проигрываю (акулы). Я создал k-means модель с пятью кластерами, чтобы сегментировать оппонентов, используя восемь показателей в качестве переменных. Я идентифицировал сегмент с наибольшей концентрацией рыб и сегмент с наибольшей концентрацией акул. Для каждого сегмента я вычислил средние значения VP$IP и PFR. Я хотел проверить гипотезу о том, что у акул эти показатели будут близки к моим, а у рыб будет наибольший VP$IP и самая крупная разница между двумя показателями.

Акулы

VP$IP = 15.1%

PFR = 11.7%

В сегменте акул оппоненты в среднем имели VP$IP около 15.1% и PFR около 11.7%. На изображении желтым выделены руки, которые игроки обычно играют. Как вы видите, изображения похожи и состоят преимущественно из хороших комбинаций. Эти игроки понимают две вещи:

  1. Нет смысла класть деньги в банк, если у вас нет хорошей стартовой комбинации, поэтому лучше сбросить.
  2. Если у вас хорошая стартовая рука, то лучше играть агрессивно и повышать ставки. Агрессивная игра лучше пассивной, потому что повышение ставок дает вам два пути победы: либо у вас будет лучшая комбинация, либо ваши оппоненты сбросят карты. Вторая ситуация не случится, если вы не повышаете ставку.

Эти игроки выигрывают мои деньги, но как это можно применить к компании? Предположим, у нас есть онлайн-магазин. Мы можем узнать многое о наших потенциальных покупателях, отследив, какие страницы нашего сайта они посмотрели. Это даст нам модель поведения. Сегмент, который показывает ограниченный набор страниц с дешевыми товарами, будет состоять из платящих немного или неплатящих клиентов. В будущем мы сможем не тратить на них ресурсы.

Рыбы

VP$IP = 43.8%

PFR = 14%

В сегменте рыб оппоненты имели VP$IP около 43.8% и PFR в 14%. Эти изображения непохожи. Игроки из этого сегмента добровольно кладут деньги в банк в три раза чаще акул. Это показывает, что они играют посредственные или плохие стартовые комбинации и, что хуже, играют их пассивно. Пассивная игра плохих рук стоит им денег, которые идут в мой карман. Я никогда не был за столом, за которым не играло бы минимум две рыбы.

Давайте вернемся к нашей аналогии с магазином. Как будет выглядеть их ценный сегмент? Люди, которые просматривают много страниц с дорогостоящими товарами. Они могут приходить на сайт через определенные посты в блоге или лендинги. На них может указывать даже время, проведенное на сайте. Как только мы вычислим этих потенциальных клиентов, мы сможем перераспределить ресурсы на них, чтобы сконвертировать их в покупателей, добавив их в таргетированную кампанию или связавшись с ними.

Я обнаружил, что игра в покер – это миниатюра жизни. За свою карьеру я узнал несколько принципов, которыми хочу поделиться с вами:

  • Все люди думают, что отлично играют в покер, но на самом деле они ужасны. Когда вы зарабатываете деньги на лжи других людей самим себе, вы понимаете, что все лгут сами себе. Сложно быть честным с собой и окружающими, но это того стоит.
  • Вы всегда виноваты. Чтобы стать лучше в покере, вы должны стать самокритичными. Вы не можете научиться на своих ошибках, если будете винить в них других людей. Если вы неудачно составили презентацию, уделите время, чтобы понять, что вы сделали не так и не повторяйте эту ошибку.
  • Делайте решения на основе логики, а не на основе эмоций и эгоизма. Они могут вам стоить много денег.
  • В играх, связанных с удачей и навыками, выигрывают те, кто собирает информацию и эффективно её использует. Сделайте свою домашнюю работу и уделите время, чтобы больше узнать о компании, с которой у вас будет собеседование, и о менеджере, который будет проводить интервью.
  • Не будьте пассивны. Лучшая стратегия – селективная агрессия. За покерным столом это значит повышать ставки с хорошими комбинациями и иногда блефовать, а не просто пассивно пропускать ход. В бизнесе это означает предлагать продажу при отправке предложения, а не просто отправлять предложение и ждать, пока сделка закроется сама собой. Удача улыбается смелым.

P.S. Если вам интересно, из 387 373 сыгранных мной рук мой VP$IP составил 15.6%, а PFR – 12.2%. Вы можете посмотреть на код, который я написал для сегментации своих оппонентов здесь.

 

Комментарии
Если вы нашли опечатку - выделите ее и нажмите Ctrl + Enter! Для связи с нами вы можете использовать info@apptractor.ru.
Advertisement
Click to comment

You must be logged in to post a comment Login

Leave a Reply

Аналитика пользователей

Flurry: мобайл в 2017

Flurry подводит итоги 2017 года – и рынок мобильных приложений, похоже, достиг насыщения.

Леонид Боголюбов

Опубликовано

/

Количество сессий выросло всего на 6% (это данные более 1 миллиона приложений на 2.6 миллиардах устройств) против роста в 11% в прошлом году. Причем некоторые категории потеряли внимание пользователей – в первую очередь это приложения из категории «Стиль жизни» и «Игры».

Зато «Шоппинг» вырос на 54% – покупатели переключаются на мобильное потребление, а «Медиа и музыка» еще на 43% – тот же знак того, что пользователи все больше смотрят кино и слушают музыку на смартфонах и планшетах.

Планшеты уступают место фаблетам, а те отжимают рынок у маленьких и стандартных телефонов:

В активных устройствах по-прежнему доминируют Apple и Samsung, понемногу растут китайские производители:

Комментарии
Продолжить чтение

App store optimization

Как улучшить рейтинг своего приложения при помощи Firebase Predictions

Android-разработчик Михал Тайхерт рассказал, как ему удалось значительно увеличить количество отзывов и оценок приложения, используя Firebase Predictions.

Анна Гуляева

Опубликовано

/

Думали ли вы о том, когда именно стоит показывать окно «Оценить приложение»? После десятого открытия? После использования всех функций приложения? В обоих случаях? Теперь определить это может искусственный интеллект — с Firebase Predictions все работает просто и эффективно.

Что такое Firebase Predictions?

Это одна из самых необычных функций Firebase, которая позволяет вам предугадать, сделает ли пользователь определенное действие в следующие семь дней. Для этого используется Google Firebase Analytics.

Самое главное — рейтинг

Во всех стратегиях ASO оценки играют важную роль, так как они отображаются в результатах поиска. Рейтинг может быть решающим фактором при выборе одного из множества конкурирующих приложений. Высокий рейтинг важнее, чем общее количество отзывов. Наша цель — попросить пользователя поставить оценку, когда он не занят и уже знаком с преимуществами нашего приложения. Карточка, встроенная в контент приложения работает лучше, чем диалоговое окно.

Использование Firebase Prediction

Критерии для показа окна оценки:

  • более 10 раз использования приложения
  • WiFi-соединение (пользователь дома или на работе)
  • Firebase Prediction показывает true для клика на «оценить» или Firebase Prediction показывает false для оттока в следующие семь дней

Предыдущая версия моих критериев была более запутанной: 20+ использований приложения, использование как минимум 3 функций…

Результаты

Клики на «Хочу оценить» за последние 30 дней, пунктирная линия — предыдущий месяц. Я начал использовать Predictions 7 ноября.

Критерии стали агрессивнее, так как их стало меньше, и окно видит больше людей. Показатель кликов на «оценить» вырос с 3,21% до 4%, но при этом больше пользователей кликают на «отменить» или «позже» (1,6% → 7% и 5,3% → 13%).

Также с этой статистикой я знаю, что 63% кликов на «оценить» приводят к отзыву в Google Play. В вашем случае результаты могут отличаться, так как это зависит от категории приложения и от платформы. Мой анализ основан на приложении Canary для отслеживания загрязнения воздуха.

Заключение

Firebase Predictions — это отличный инструмент для упрощения решения подобных проблем. В моем случае немного более агрессивное поведение сработало. Важно принимать во внимание не только существующие критерии, но и прогнозы для них в будущем. Например, если пользователь, вероятно, удалит приложение в ближайшее время, он или она не получит это оповещение. Но всегда помните о том, что вам запрещено делать, чтобы получить положительную оценку.

Что дальше?

Firebase Predictions находится в бета-стадии, и функцию можно использовать для самых разных целей. Как мне кажется, сейчас в сервисе не хватает Webhooks/HTTP API, чтобы вы могли запускать определенные бэкенд-действия, если для пользователя спрогнозировано какое-либо действие. Для решения таких задач в Android 8.1 вы можете создать собственную модель при помощи Neural Networks API.

 

Комментарии
Продолжить чтение

Аналитика пользователей

“Маркетинг игровых приложений в 2017 году”: исследование AppsFlyer

Кто больше всех тратит, где сидят самые лояльные пользователи и на какие рынки надо выходить в 2018 — исследование AppsFlyer.

AppTractor

Опубликовано

/

Автор:

Cпустя 10 лет после выхода iPhone на рынок экосистема мобильных игр продолжает расти. Уже к концу 2017 года более 2 миллиардов игроков со смартфонами и планшетами принесут в индустрию около 45.7 миллиарда долларов. А к 2020 эта цифра вырастет до 64,2 миллиарда долларов. Отследив 95 миллионов установок 1300 приложений в 40 странах, делимся с вами ключевыми данными.

Средняя стоимость установки в мире составила 1,62$ для iOS и 1,52$ для Android. Общие расходы на продвижение игр через медиа-источники были примерно равны, iOS превысила Android всего на 7%.

Средняя доля пользователей, совершающих покупки в 2017 году на Android составила 2,23%, на iOS — 3,20%. Средняя прибыль с пользователя iOS была равна 2,09$ а Android — 1,79$. В отношении потраченных денег органические пользователи превосходят неорганических пользователей чуть более чем на 50%.

Тенденции рынка

Доля Google и Facebook в ряду медиа-источников у приложений с маленькой аудиторией была в разы выше, чем у крупных игроков:

Мы сгруппировали Facebook и Google, чтобы посчитать их долю в ряду всего неорганического трафика, разбив по приложениям с разной аудиторией и сгруппировав их по активности в плане привлечения пользователей.

Для приложений с аудиторией в 5-10 тысяч пользователей доля Facebook и Google оказалась в два раза выше. Из этого следует, что они (такие приложения) полагаются на медиа-гигантов, не требующих привлечения дополнительных ресурсов. В то время как крупные приложения, у которых есть и большая команда по привлечению пользователей, и бюджеты, и средства для проб и оши бок, используют более широкий набор сетей, постоянно экспериментируя.

Самые лояльные пользователи Android в Японии, а iOS — на Тайване.

Мы выяснили, что в Японии уровень удержания пользователей был на 60% выше, чем в среднем по миру, и на 40% выше, чем на остальных ведущих рынках. Также интересны показатели удержания пользователей Android в Индии — на 30% выше, чем в среднем по миру. Что касается iOS, то самые высокие показатели удержания у Тайваня и Японии. Еще удивили Бразилия и Индонезия, в которых показатели удержания значительно выше у iOS — разрыв между платформами в 5 раз выше среднего по миру.

Также Япония и Тайвань показали самую высокую долю пользователей iOS, готовых совершать покупки: 4% — и это на 23% выше, чем в средняя доля по iOS, которая составляет 3,2%. Среди пользователей Android доминирует Германия с показателем 3,5% – на 54% выше, чем средняя доля пользователей этой платформы (2,2%).

Средняя прибыль c одного пользователя на ведущих рынках:

Средняя прибыль с одного платящего пользователя по платформам на ведущих рынках:

Необыкновенные возможности открываются во Вьетнаме. Благодаря низкой стоимости рекламы в СМИ в Юго-Восточной Азии (на 58% меньше, чем в среднем), эта страна показала самый высокий неорганический показатель ROAS — впечатляющие 95%. Маркетологи по-прежнему в основном не знают об этой возможности, поскольку эта страна демонстрирует довольно скромный рост в плане привлечения пользователей.

Итоговый успех игр в этом году определялся максимальным ростом как органического, так и неорганического трафика. В целом, один неорганический трафик показывает отрицательное значение показателя возмещения расходов на рекламу (ROAS) в течение 90 дней (часто для полного возврата расходов на игру требовалось от шести до девяти месяцев). Но если прибавить органических пользователей, ROAS существенно превышает уровень самоокупаемости. Тем не менее, данные о неорганических пользователях имеют решающее значение как для контроля, так и для увеличения роста пользователей и их качества. Именно органические пользователи (или хотя бы часть из них) помогают снизить показатель eCPI, за счет чего приложение становится прибыльным.

Глобальные показатели удержания по дням:

Эти данные показывают, что за удержание надо по-прежнему бороться — только около 6 из 100 игроков открывают приложение через 30 дней после его установки. Это непросто, поэтому-то мы и не увидели изменения глобального показателя удержания за последний год. Очень сложно удерживать своих пользователей, но поскольку вовлечение — это ключ к монетизации, делать это необходимо.

В то время как показатель удержания дает маркетологам важные данные о том, как долго пользователь активен, среднее число сеансов на одного пользователя показывает нам, как часто пользователь активен. Это еще один KPI, особенно важный для монетизации доходов от рекламы:

Чтобы получить больше данных, скачайте весь отчет «Маркетинг игровых приложений в цифрах».

Комментарии
Продолжить чтение

Аналитика пользователей

Devtodev: итоги 2017 и планы на 2018

В преддверии нового 2018 года компания Devtodev поделилась с нами итогами года минувшего и сделала аналитический прогноза на ближайшее будущее.

devtodev

Опубликовано

/

Автор:

Главный итог года для нас: игровая индустрия растёт быстрее ожиданий.

Ожидается, что в 2017 году суммарная выручка индустрии составит $116 млрд (изначально прогноз был на $7,1 млрд меньше), при этом:

  • мобильные игры принесут $50,4 млрд (вместо $46,1 млрд);
  • ПК-игры – $32,3 млрд (вместо $29,4 млрд);
  • консольные игры – $33,3 млрд.

Но речь в данной статье, как ни странно, пойдет не об игровой индустрии, а о системах аналитики. Мы, в системе игровой аналитики devtodev, хотим порассуждать о том, какими мы видим тренды в развитии аналитических систем на конец 2017 года. А динамика игровой индустрии – это наша мана, это то, что нас вдохновляет на дальнейший рост.

Свои выводы мы делаем на основании анализа динамики развития аналитических систем за 2017 год и информации об их дальнейших планах.

Итак, в какую сторону движутся системы аналитики? Что появляется нового? Что определит их дальнейшее развитие?

Тренды в развитии аналитических систем

Большее вовлечение в особенности продукта

Продукты из разных сфер деятельности похожи друг на друга в общем, но отличаются в частностях. Всем интересна максимизация удержания и минимизация отвала, повышение доли платящих и LTV всех пользователей.

Однако когда мы задумываемся о том, как именно решать эти проблемы – тут всплывают особенности именно конкретных рынков и продуктов (в частности, мы в devtodev работаем на игровом рынке и знаем, что в f2p-играх очень важны вовлечение в игру и внутренние экономические метрики: баланс валюты, вовлечение в игру и в платящее поведение, игровой туториал и так далее).

Есть ощущение, что одним из векторов развития аналитических систем становится ориентация на конкретный продукт (игра, интернет-магазин, SaaS), а универсальные (подходящие всем) аналитические решения уже не удивляют.

Вовлечение в процессы компании

Аналитические системы интегрируются с мессенджерами, и отчёты становятся более быстрыми и доступными (в частности, devtodev интегрирован со slack, и можно настроить автоматический импорт всех отчётов в мессенджер).

Отчётами можно делиться (в devtodev такая возможность реализована давно), в некоторых системах можно их комментировать, выстраивать цепочки комментариев и даже (!) лайкать или оставлять другие реакции.

Всё это служит одной цели: сближению пользователей и системы, более высокому уровню проникновения системы аналитики в процессы разработки продукта и его оперирования и, как следствие, более высокому долгосрочному удержанию.

Прогнозирование действий

К вопросу о том, что отвалы и платежи волнуют всех. Системы аналитики постепенно обучаются умению прогнозировать отвал пользователя и вероятность совершения им платежа. Пока без особых откровений: если пользователь долго не заходил, он, скорее всего отвалится, а если он пользуется продуктом уже долго и плотно, то, скорее всего заплатит. Но точность предсказания растёт, это видно, и польза от этого очевидна:

  • пользователям, которые норовят уйти, можно высылать push-уведомления, специальные предложения, кастомизировать продукт под них;
  • пользователям, которые не заплатят, можно показывать рекламу, чтобы хоть как-то на них заработать.

В этом направлении есть куда копать, и, кажется, рынок ещё в самом начале пути.

Профилирование и персонализация

Тренд, который нас особенно радует – это повышение внимания к конкретным пользователям. Такие метрики, как DAU, ARPU, retention – это общие показатели, посчитанные по всей выборке.

Но если “спуститься” на уровень конкретного пользователя, то зачастую можно увидеть больше сигналов, чем видно по агрегированным метрикам, то есть “сверху”.

Если перекладывать эту логику на язык аналитических систем, то мы получим возможность анализировать действия каждого конкретного пользователя, формировать его профиль, предсказывать его (конкретно его) дальнейшие действия.

А теперь позвольте нам, системе игровой аналитики devtodev, отчитаться за 2017 год, рассказать, что нового у нас появилось в этом году.

В чём-то мы идём в ногу с рынком, в чём-то, вероятно, опережаем его.

Что нового у devtodev

В 2017 году мы выпустили немало классных новых отчётов. Расскажем о нескольких из них.

Отчёт по накопительному доходу

Накопительный доход (или cumulative ARPU) – важная метрика для когортного анализа. Она показывает, сколько денег принёс проекту в среднем каждый пользователь, зарегистрированный в проекте в определённое время, то есть попавший во временную когорту.

Таким образом, сравнивая динамику этого показателя по когортам от даты к дате, можно делать выводы о том, как меняется качество проекта и как на это реагируют пользователи. А производя “горизонтальный” анализ, можно изучать, как платит и окупается определённая когорта.

Этот отчёт помогает решить и продуктовые цели (замеры качества продукта), и цели трафика (окупаемость, выход на LTV).

Анализ версий

Кстати, о продуктовой аналитике. Разработчики продуктов, в нашем случае – игр, постоянно делают новые версии, выпускают обновления. Чтобы облегчить вопрос анализа эффективности выпущенных версий, мы разработали отчёт Versions. В нём мы показываем данные не в разрезе дат, а в разрезе дней с момента выхода версии, то есть можем нанести несколько версий на одни оси и сравнить в разрезе версий основные показатели качества продукта: конверсия туториала, удержание, монетизация. Помимо этого, данный отчёт обновляется в реальном времени, это существенно упрощает задачу мониторинга версии сразу после релиза: как быстро приходят в неё новые пользователи, как старые пользователи постепенно обновляют версию.

Аналитика по рынку

Помимо получения данных от SDK, мы также умеем подключаться и к магазинам приложений, чтобы вы могли оценить динамику вашего проекта в магазинах в разрезе стран и категорий. Для удобства мы вывели всю эту статистику в отдельный отчёт Market Rating.

Отметим ещё несколько приятных и очень полезных нововведений, которые появились в devtodev в 2017 году.

Метрики конверсии туториала

Туториалы есть в большинстве проектов (не только, к слову, игровых). Мы вывели такие показатели, как:

  • Конверсия туториала;
  • Доля людей, начавших / пропустивших / закончивших туториал, застрявших на туториале,

в отдельные метрики, чтобы вы могли лучше и быстрее оптимизировать first time user experience вашего продукта.

Метки на временной оси

Как раз к вопросу о вовлечении системы аналитики в процесс управления продуктом.

Проекты, как правило, находятся в оперировании долгое время, а память человеческая всю историю изменений вмещает в себя с трудом. Мы даём возможность добавить на временную ось различные метки, которые сообщат вам о том, что было с проектом в определённые интервалы времени в прошлом: акции, важные обновления, внутренние ивенты. Это особенно удобно на длительном интервале времени – вам не нужно будет “дёргать” аналитика, чтобы вспомнить, что же было с проектом с 21 по 23 июля 2016 года.

Новая версия воронок

Все вы, конечно, в курсе, для чего нужны воронки – это важнейший инструмент аналитики, который показывает, как пользователи выполняют определенную последовательность событий. Воронки помогают измерить конверсию на всех шагах, найти проблемные места в вашем продукте. И после того, как эти узкие места устранены, вновь именно воронка позволит понять, как повлияли ваши изменения на поведение пользователей.

Мы в devtodev уделили особое внимание совершенствованию именно этого отчета и улучшили его: теперь есть дополнительные фишки, которые существенно усилили функционал и сделали его более гибким. Что изменилось:

  • Можно отслеживать выполнение и невыполнение каждого шага (галочка “Not” на шаге воронки).
  • Опциональные шаги. Вы строите две воронки в одной и сразу же сравниваете конверсию с учётом этого шага и без него: это экономит ваше время и позволяет быстрее находить отклонения в поведении игроков.
  • Пользователи делятся на две категории: одни могут выполнять действия (например, совершать покупки) в приложении или на сайте сразу же, другие могут тянуть с этим сколь угодно долго. Чтобы отделить одних от других, мы в  devtodev решили ввести ограничение на время выполнения шага.
  • И еще одна новость, которая сделает качество отчётов близким к совершенству:  вместо 10 шагов в отчёте воронки теперь 20 шагов , можно задать более длительную последовательность событий , выполняемых (а теперь ещё и НЕвыполненных!) игроком, и как следствие, поиск узких мест станет более эффективным.

Немало сделано и в образовательном направлении devtodev:

  1. Платформа для курсов. Мы разработали специальную платформу, чтобы публиковать на ней свои курсы. Эта платформа упрощает для нас выкладывание наших материалов и лекций, позволяет проходить тесты, настраивать уведомления и напоминания и т.д.
  2. И на этой платформе мы разместили свой главный образовательный проект в этом году – большой бесплатный курс “Игровая аналитика: от основ к продвинутым методам”. 16 лекций, 8 часов видео, 5 тестов – как результат тысячи слушателей курса.
  3. Книга “Как анализировать акции в играх”. Несколько десятков тысяч человек уже скачало эту книгу с нашего сайта, а бумажную версию книги мы довольно быстро распространили на конференциях.
  4. 10 вебинаров и 50 статей. В этом году мы много экспериментировали с форматом, приглашали интересных гостей, устраивали круглые столы, разбирали особенности оперирования по разным жанрам игр. Все наши вебинары можно посмотреть на нашем канале, а статьи – прочитать в нашем Образовательном Центре.

И, наконец, самое интересное – планы на 2018 год.

  • Здесь позвольте нам в качестве тизера сказать, что основную часть 2017 года мы посвятили работе над новым интерфейсом. Он выйдет как раз в первой половине 2018 года: система станет визуально другой, изменится её логика, отчётов станет почти в два раза больше, а возможности нового интерфейса будут существенно превосходить текущие.
  • То, о чём нас неоднократно просили: наконец появится русскоязычная версия сервиса devtodev.
  • …И англоязычная версия курса “Игровая аналитика: от основ к продвинутым методам”.

И это конечно же далеко не всё.  Следите за обновлениями!

Подводя итог, скажем, что это был хороший год и для игровой индустрии, и для рынка аналитических систем, и для нас, системы devtodev, которая находится на пересечении этих миров.

Нас радует, что, во-первых, рынок растёт, а во-вторых, растёт и скорость его роста. С каждым годом всё интереснее!

Всего самого лучшего вам в Новом году желает компания devtodev.

Комментарии
Продолжить чтение

Наша рассылка

Каждому подписавшемуся - "1 час на UI аудит": бесплатный ускоренный курс для разработчиков!

Нажимая на кнопку "Подписаться" вы даете согласие на обработку персональных данных.

Вакансии

Популярное

X

Спасибо!

Теперь редакторы в курсе.