使用者流失分析的兩大誤區：“辛普森悖論”和“倖存者偏差”

遊戲公司為了解使用者的喜好，並提供他們想要的內容，需要經常對使用者的行為進行分析。不過，韓國使用者分析AI服務商在一次演講中表示，由於遊戲開發者們會認為“這是我製作的遊戲，所以我比誰都瞭解這個遊戲”，所以在分析使用者行為時，常常會產生兩個錯誤——“辛普森悖論”和“倖存者偏差”。

因為，即使是在同一款遊戲中，既有比其他人更重視遊戲內排名的使用者，也有比起競爭、認為用包裝角色更有價值的使用者，情況多樣。因此，詳細的資料分析是很重要的。

第一個錯誤“辛普森悖論”：在某個條件下的兩組資料，分別討論時都會滿足某種性質，可是一旦合併考慮，卻可能導致相反的結論。

假設有一款名字為A的遊戲，為把握遊戲A今後的發展方向，分析留存率圖表是非常重要的事情。但在這裡，如果只分析下圖中兩類使用者的流失曲線，就很容易發生辛普森悖論。

如下圖，隨著時間的推移，兩類使用者在慢慢流失，呈現出了不同的曲線。如果只根據這兩類玩家的流失資料制定對策，就會顯得缺乏針對性。


因為，如果按照消費習慣對使用者進行細分，可以看出每個分類下使用者的流失曲線都有著明顯的差異。因此，如果開發者能更全面一些，對使用者進行更細化的劃分，可以更容易地瞭解不同型別的使用者不喜歡什麼，以及為防止流失應該採取什麼方法。


第二個錯誤是“倖存者偏差”：經過某種篩選而產生的結果，但沒有意識到篩選的過程，因此忽略了被篩選掉的關鍵資訊，進而得出錯誤的結論。

最具代表性的案例就是二戰時，安全返回的戰鬥機的機翼和機尾處有很多彈痕，英美軍方決定哪裡彈痕多就加固哪裡。然而，一個統計學家力排眾議，指出應該注意彈痕少的部位，因為要把在戰鬥中未能存活下來的飛機也包含在內。


分析遊戲時也很容易產生“倖存者偏差”的錯誤。很多人認為“把水平一般高的使用者喜歡使用的角色推薦給新手是不是更好”，但實際上並不全是這樣。因為，他們收集遊戲上線第一天流失玩家的資料，以及遊戲上線一段時間後流失的“水平一般高的玩家”的資料，對比後發現，這兩類玩家對角色的取向顯示出了完全相反的結果。

因此，分析使用者資料，尤其是留存玩家的資料時，不僅要從時間的角度，還要從其他角度分析留存玩家的取向和流失玩家的取向，以對遊戲進行更好的調整。

來源：遊戲陀螺
地址：https://mp.weixin.qq.com/s/HqJRQ3J-wroxnMwEFUYwYw