首先宣告，該文章是石頭哥的最新文章，力作之一。石頭哥是遊戲資料探勘與分析QQ群的群主之一，該文出自他手，在此予以轉發，望從事遊戲資料分析的各位可以從中學到一二。本來我的部落格想來很少轉文章的，不過在此，這樣的好文必須轉起來。
原文地址：http://blog.sina.com.cn/s/blog_c308e7dd0101cp4h.html
流失預測模型在很多行業都有引用到切實的市場運營當中，而接下來就開門見山的說一下游戲行業有關使用者流失模型的建立。
目標：關於遊戲使用者的流失，普片的衡量指標有周流失與月流失，接下來研究的問題有兩個：
① 有關付費使用者的月登陸流失問題
② 有關付費使用者的月付費流失（付費使用者的月登陸流失定義：本月充值的使用者在下個月不再有登陸行為。付費使用者的月付費流失：本月充值的使用者在下個月不在有付費行為。但有可能還有登陸行為，這部分使用者被稱為沉默付費使用者。）
資料指標理解：影響流失的普片判斷有：線上活躍、充值或消費活躍、還有玩家賬號一些屬性（如果細分還有副本的活躍度，某些活動的活躍度，或者社交的資料等）。本文在做流失預測模型之前做以下資料準備：
玩家ID
玩家角色名
等級
註冊時間
本月充值總額
本月銅幣活躍（銅幣的交易次數）
本月繫結銅幣活躍（繫結銅幣交易次數）
本月元寶活躍（元寶交易次數）
本月活躍天數（登陸天數）
本月登陸次數
本月登陸總時長
下月充值總額
下月登陸天數
以上是從資料庫中取出來的基本指標，而進行分析的指標可以在這個基礎指標的基礎上再進行豐富，例如：每活躍天線上時長=登陸總時長/活躍天數；每活躍天登陸次數=登陸次數/活躍天數；活躍度=活躍天數/本月已註冊時長（大家將發現這裡衍生的“活躍度”指標在後面的分析會起到神奇的效果）。資料都準備好了之後，現在就開始建立模型，以下用到的是SPSS Modeler軟體。
首先採用源節點來錄入資料，資料分為兩份，第一份為“11月預測12月”資料，第二份為“12月預測1月”的資料。
接著利用“匯出”節點匯出我們所需要的衍生欄位。
因為這裡的“下月充值流失”是根據下月是否有充值來判斷轉換的，下月充值為0即為流失則標誌為T，否則為F（“下月登陸流失”同理）。利用匯出節點，我們依次衍生了以下欄位：
下月充值流失
下月登陸流失
每活躍天銅幣交換次數
每活躍天繫結銅幣交易次數
每活躍天元寶交易次數
每活躍天登陸次數
每活躍天登陸時長
每活躍天充值額度
活躍度（登陸天數/本月已註冊天數）
接下來就是對一些多餘欄位的過濾還有資料的清理（如包括空值的資料，或者不合理資料，如活躍度>1為不合理資料）。
新增“過濾”&“選擇”節點。
把無用的欄位過濾掉（根據自己源資料來過濾，如這裡的下月充值（元寶）位元組已經轉換成“下月充值流失”位元組，所以可以刪除過濾掉），點選確定。
開啟“選擇”節點，模式選擇“拋棄”，條件寫上一些需要清除的資料，點選確定。
模型之前的資料準備都基本完成了，最後新增一個型別節點。
我們先研究的是下月登陸流失，所以現將下月充值流失角色設為無，下月登陸流失設為目標，接下來就是選擇需要預測的模型。這裡選擇了貝葉斯與C5.0的演算法。
貝葉斯這裡運用了三種方法：TAN、Markov、Markov_FS
分別新增三個貝葉斯節點，名字分別命名：TAN、Markov、Markov_FS（方便辨識）。
TAN設定結構型別為TAN；Markov設定結構型別為Markov Blanket；Markov_FS設定結構型別為Markov Blanket並且勾選“包括特徵選擇預處理步驟”。分別執行得到3個模型，最後連線一個“分析”節點，預設狀態下按執行。
分析節點執行結果：
大家可以明顯發現，運用貝葉斯的三種方法的準確率基本都為83%，這說明三種方法差別並不大。其實在一般預測來說，80%以上已經算比較好的結果了。但是這裡將進一步採用C5.0的演算法與其比較。
新增C5.0演算法節點，預設狀態下按執行，得到C5.0的模型，點選C5.0模型節點
可以看到每一個變數的重要性，而“活躍度”這個變數的重要性是最高的。（這也說明了一些衍生欄位對後期分析的重要性）
接下來再新增“分析”節點發現準確率達到85%，比貝葉斯要稍微好點。（有一些情況對決策樹使用boosting方法或者進行截枝修剪嚴重性會得到更好的效果）
我們再用C5.0模型進一步進行流失分析，新增“直方圖”節點：
選擇欄位level OR 註冊時間，交疊欄位顏色選擇我們通過C5.0預測出來的“$C-下月登陸流失”欄位，點選執行。
用這個方法可以進一步預測分析下月流失的等級分佈，或者註冊時間分佈，或者更多有關玩家的資訊，原理一樣在這裡不再做擴充。到這裡流失預測模型已經建好可以投入使用了。接上我們需要預測1月份的資料，我們可以進一步看到這個預測模型在下個月的準確性仍可以保持在85%左右，說明預測的效果還是不錯的，之後可以直接進行一系列的分析。（在這裡說明一下，一般預測模型會隨著時間的推移慢慢減低準確性，所以建議在做預測之前都用前一個月的資料來訓練一次模型，從而能讓模型保持一定的準確性）
附加一個12月份付費使用者在1月份流失的註冊時間分佈圖，大家看有沒有發現什麼有意思的東西~