{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ " \n", "\n", "#
userid | version | sum_gamerounds | retention_1 | retention_7 |
---|---|---|---|---|
116 | gate_30 | 3 | FALSE | FALSE |
337 | gate_30 | 38 | TRUE | FALSE |
377 | gate_40 | 165 | TRUE | FALSE |
483 | gate_40 | 1 | FALSE | FALSE |
488 | gate_40 | 179 | TRUE | TRUE |
userid
- уникальный номер, идентифицирующий каждого игрока.version
- был ли пользователь отнесен к контрольной группе (gate_30
- ворота на 30-м уровне) или к тестовой (gate_40
- ворота на 40-м уровне).sum_gamerounds
- число сессий, сыгранных игроком в течение первых 14 дней после установки игры.retention_1
- вернулся ли игрок после первого дня с момента установки?retention_7
- вернулся ли игрок после седьмого дня с момента установки?version | n |
---|---|
gate_30 | 44700 |
gate_40 | 45489 |
\n", "
Похоже, что игроков действительно примерно поровну в каждой из групп, отлично!
\n", "Фокус нашего анализа будет сосредоточен на удержании игроков (retention), но ради интереса давайте построим распределение числа игровых сессий, сыгранных игроками в течение их первой недели жизни в игре.
" ] }, { "cell_type": "code", "execution_count": 6, "metadata": {}, "outputs": [ { "data": { "text/html": [ "sum_gamerounds | number_of_players |
---|---|
0 | 3994 |
1 | 5538 |
2 | 4606 |
3 | 3958 |
4 | 3629 |
На графике вверху мы видим, что некоторые игроки установили игру, но даже ни разу не поиграли (0 сессий), многие игроки закончили лишь пару сессий за первую неделю, а некоторые действительно подсели и сыграли более 80 раз!
\n", "Конечно, мы хотим, чтобы игроки были заинтересованы в игрушке и возвращались в неё снова и снова. Обычная метрика, использующаяся в гейм-индустрии, чтобы измерить, насколько игрушка веселая и захватывающая, - это удержание первого дня (1-day retention): Процент игроков, которые вренулись и снова стали играть спустя 1 день после установки. Чем выше удержание первого дня, тем проще и дальше удерживать пользователей и строить себе большую базу фанатов.
\n", "В качестве первого шага, давайте посмотрим, как в целом выглядит 1-day retention.
" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [ { "data": { "text/html": [ "0.445209504485026" ], "text/latex": [ "0.445209504485026" ], "text/markdown": [ "0.445209504485026" ], "text/plain": [ "[1] 0.4452095" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "mean(df$retention_1)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 6. 1-day retention по АБ-группам \n", "\n", "
Итак, немногим меьше половины всех игроков возвращяются к нам спустя один день после установки. Теперь давайте посмотрим, как отличается 1-day retention внутри наших тестовых групп.
" ] }, { "cell_type": "code", "execution_count": 9, "metadata": {}, "outputs": [ { "data": { "text/html": [ "version | mean(retention_1) |
---|---|
gate_30 | 0.4481879 |
gate_40 | 0.4422827 |
Похоже, что у нас есть небольшое ухудшение в удержании первого дня, если мы двигаем ворота к сороковому уровню (44.2%) в сравнеии с контрольной группой, где ворота остались на 30-м уровне (44.8%). Разница, конечно, невелика, но даже маленькие изменений в удержании могут иметь значительные последствия. Однако сейчас мы уверены, что различие есть в наблюдаемых данных, а будет ли вариант с воротами на сороковом уровне хуже в будущем?
\n", "Есть несколько способов оценки нашей уверенности в наблюдаемых цифрах. \n", "Здесь мы попробуем воспользоваться $z$-критерием для проверки гипотезы о равенстве долей, а также бустрапом (bootstrap). Бутсрап подразумевает, что мы будем последовательно ресэмплить с возвращением наш датасет (то есть выбирать случайную подвыборку из всего множества наблюдений) и для каждой выборки считать удержание первого дня. Дисперсия нашего 1-day retention при таком способе вычисления даст нам указание на то, насколько мы должны быть неуверены в оценках нашего удержания.
" ] }, { "cell_type": "code", "execution_count": 10, "metadata": {}, "outputs": [], "source": [ "iterations = 500 # число итераций" ] }, { "cell_type": "code", "execution_count": 11, "metadata": {}, "outputs": [ { "data": { "text/html": [ "gate_30_mean | gate_40_mean |
---|---|
0.4511725 | 0.4379922 |
0.4468566 | 0.4392336 |
0.4486125 | 0.4418851 |
0.4467628 | 0.4461677 |
0.4453667 | 0.4446114 |
0.4476762 | 0.4437294 |
Эти два распределения представляют собой оценку распределений 1-day retention для наших двух АБ-групп. Даже просто визуально понятно, что какое-то доказательство различия двух групп у нас есть. Посмотрим теперь подробнее на разницу в ретеншене у двух групп.
\n", "(Чтобы посчиталось быстрее число итераций мы выбрали достаточно небольшим - всего 500 раз считаем средние по выборкам. В боевых условиях число было бы больше, например, 10 тысяч итераций. )
" ] }, { "cell_type": "code", "execution_count": 13, "metadata": {}, "outputs": [ { "data": {}, "metadata": {}, "output_type": "display_data" }, { "data": { "image/png": "iVBORw0KGgoAAAANSUhEUgAAAtAAAAFoCAYAAAB+JswZAAAEDWlDQ1BJQ0MgUHJvZmlsZQAA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", "text/plain": [ "plot without title" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "plot_df['diff'] = (plot_df$gate_30_mean - plot_df$gate_40_mean)/plot_df$gate_40_mean*100\n", "\n", "ggplot(plot_df)+ \n", " geom_density(aes(x=diff, y=..density.., fill='diff'),alpha=0.4)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 9. Вероятность разницы\n", "\n", "
Из этого графика мы видим, что наиболее вероятная разница составляет примерно 1%-2%, а большая часть распределения находится справа от нуля, то есть вариант с воротами на 30 уровне пока выигрывает. Но какова вероятность того, что эта разница больше 0%? Посчитаем и её тоже.
" ] }, { "cell_type": "code", "execution_count": 14, "metadata": {}, "outputs": [ { "data": { "text/html": [ "0.956" ], "text/latex": [ "0.956" ], "text/markdown": [ "0.956" ], "text/plain": [ "[1] 0.956" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "mean(plot_df$diff > 0)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 10. 7-day retention по АБ-группам\n", "Бутстрап-анализ свидетельствует о высокой вероятности того, что удержание первого дня лучше в группе с воротами на 30-м уровне, чем на 40-м. Однако, так как игроки успели пожить в игре всего один день, вполне возможно, что их большинство еще даже не дошли даже до 30-го уровня. А значит, многие игроки не будут затронуты нашим изменением и сильного эффекта мы не увидим.
\n", "Однако спустя неделю после установки, уже больше игроков пройдут 40 уровней, поэтому имеет смысл посмотреть на удержание седьмого дня. Т.е., какой процент людей, установивших игру, снова показался в игре через 7 дней.
\n", "Начнем с рассчета 7-day retention для двух АБ-групп.
" ] }, { "cell_type": "code", "execution_count": 15, "metadata": {}, "outputs": [ { "data": { "text/html": [ "version | mean(retention_7) |
---|---|
gate_30 | 0.1902013 |
gate_40 | 0.1820000 |
Как и с 1-day retention, мы видим, что 7-day retention немного ниже (18.2%), когда ворота находятся на 40-м уровне, чем на 30-м (19.0%). Эта разница также выше, чем для удержания первого дня, скорее всего из-за того, что игроки имели больше времени на то, чтобы столкнуться с первыми воротами. Мы также видим, что удержание 7-го дня в целом ниже, чем удержание 1-го - спустя неделю намного меньше людей всё ещё заходит в игру.
Но как и раньше, давайте применим бутстрап анализ и выясним, насколько уверены мы должны быть в разнице между двумя АБ-группами.
" ] }, { "cell_type": "code", "execution_count": 16, "metadata": {}, "outputs": [ { "data": { "text/html": [ "gate_30_mean | gate_40_mean |
---|---|
0.1898322 | 0.1799632 |
0.1898799 | 0.1842500 |
0.1943012 | 0.1824568 |
0.1902426 | 0.1808297 |
0.1891226 | 0.1828430 |
0.1900943 | 0.1822900 |
Итак, результаты бутстрапа говорят нам о том, что есть значительное доказательство превышения 7-day retentino в группе с воротами на 30-м уровне над группой с воротами на 40-м. Значит, если мы хотим держать ретеншн на высоком уровне и иметь большее число игроков, нам не нужно сдвигать ворота с 30-го на 40-й уровень.\n", "
\n", "
Так почему же ретеншн выше, когда ворота расположены раньше? Логично было бы ожидать обратной ситуации - чем позже ставится препятствие, тем дольше игроки будут взаимодействовать с игрой. Однако это не то, что мы видим в данных. Теория гедонистической адаптации может помочь с объяснением. Если вкратце, гедонистическая адаптация - это тенденция получать всё меньше и меньше удовольствия от деятельности, если она продолжается длительное время. Заставляя игроков сделать паузу, когда они достигают 30-го уровня, мы продлеваем им удовольствие от игры, в результате чего они хотят в неё возвращаться. И напротив, сдвигая ворота к 40-му уровню мы даем игрокам возможность наиграться и просто заскучать.
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 13. Z-тест\n", "\n", "Бутсрап позволил нам посмотреть не просто на какие-то отдельные значения долей, он позволил нам намного большее, сымитировать распределение этих долей. Давайте попробуем воспользоваться здесь z-тестом для равенства долей. Будем проверять гипотезу о том, что 1-day retention с воротами на разных уровнях не отличаются друг от друга против альтернативы, что разичаются. Каких-то априорных мыслей о знаке отличия у нас не возникает, поэтому приходится рассматривать двустороннюю альтернативу." ] }, { "cell_type": "code", "execution_count": 19, "metadata": {}, "outputs": [ { "data": { "text/html": [ "version | m | n |
---|---|---|
gate_30 | 20034 | 44700 |
gate_40 | 20119 | 45489 |
version | m | n |
---|---|---|
gate_30 | 8502 | 44700 |
gate_40 | 8279 | 45489 |