20140708 オンラインゲームソリューション

Copyright ©2014 Treasure Data. All Rights Reserved.

オンラインゲームソリューション

2014/7/8 Takahiro Inoue (Chief Data Scientist)

[email protected]

1


自己紹介

•  井上　敬浩 (Twitter: @doryokujin )

•  チーフデータサイエンティスト

•  慶應大学院数学科統計専攻

•  トレジャーデータ公式ブログオーサー

•  MongoDBマスター

2

h<p://treasure-‐data.hateblo.jp


アジェンダ

１．トレジャーデータのご紹介

２．トレジャーデータが考えるデータ分析プロセス

３．Basic KPIs

４．Advanced KPIs

3


１.トレジャーデータのご紹介

4


2011年12月、米Mountain Viewにて創業

•  従業員約50名（著名データベース技術者が多数所属）うち15名が東京丸の内の日本支社勤務

•  米有力VCのSierra Ventures、Yahoo! Inc.創業者Jerry Yang氏等多数の有力投資家より支援

•  2012年後半に商用サービス提供開始


“データ解析の世界をシンプルにしたい”

すぐに簡単にビッグデータの解析を始められるクラウド型のデータマネージメントサービス

Acquire Store Analyze

大規模初期投資不要インフラはTDが管理

面倒な拡張・保守・運用から解放

日米トップクラスのデータベースエンジニア、サイエンティストが支える技術基盤


KPI

データ可視化・共有

分析ツール連携

他製品連携

RDBMS, Google Docs, AWS S3, FTP Server, etc.

MoNon Board, Metric Insights, etc.

Tableau, Dr.Sum, Power BI, Excel, etc.

Treasure Data Service

7

Result Output クエリ結果自動書込

データ収集データ分析データ保管

収集・保管・分析をワンストップに、柔軟なインターフェイスで提供

データ集計 SQL, Pig

ストレージ Flexible, Scalable, Columnar

Storage

バッチ型分析

アドホック型分析

分析エンジン Hadoop, Treasure Query Accelerator

データ抽出 REST API

ODBC/JDBC （SQL, Pig）

Webログ

Appログ

センサー

CRM

ERP

RDBMS

TD Toolbelt

並列バルク　　インポーター

Treasure Agent

ストリーミング　　ログコレクター

POS


分析レイヤーの下位からの積み上げが必須

•  分析レイヤーは実際は下から積み上げられている形になっている。

•  ゴール（可視化・分析）に到達するためには下位レイヤーの積み重ねが不可避。

•  Data Processing までの下位レイヤーをトレジャーデータが代替。アナリストは本質的な分析作業に専念できる。

8

4. Data Processing

5. Data Visualiza5on

3. Data Storage

2. Data Collec5on

1. Data Source


各業界向けソリューションテンプレート


データ解析テンプレート

データ収集テンプレート

ソリューションコンポーネント: -  Treasure Data Service - 構造化ログのテンプレート

- データ収集エージェント設定ファイルテンプレート

- 設定済みBIレポーティング・ダッシュボード

初期セットアップ期間内で、業界毎に事前に定義した解析ダッシュボードも提供


オンラインゲームソリューションとは

10

ログインログ


データ統合

課金ログ

招待ログ

KPI: PV

KPI: ARPU

KPI: リテンション

提供するログテンプレートを活用する事で容易に多種多様なKPI群のモニタリングが可能に


データを「見る」ことに特化したKPIダッシュボード

KPI: PV

KPI: ARPU

KPI: レベル分布

OEM提供するダッシュボードの1つ1つのウィジェットに1つのKPIが対応ウィジェットに分析クエリを仕込むことによって自動的にデータが更新される


２．トレジャーデータが考えるデータ分析プロセス

12


一般的なデータ分析プロセス

13

7. Do 8. Data Check 9. Action

1. 目的明確化 2. 目標設定 3. データ収集

4. データ分析 5. 考察・仮説 6. Plan



14




15


1.  目的明確化

•  そもそも何を目的とすえるのかもわからない（だから分析に助けを求めるので…）

2.  目標設定

•  「売上を上げる」といった緩い目標しか立たないのでデータ収集へ進めない…

3.  データ収集

•  どのようなデータが活用できそうかわからない

•  （自分のサービスであっても）データの内容を知らない

目的・目標が未設定、さらにデータの内容がわからない故に次の 4～9. のデータ分析サイクルを回せない



16

7. Do 8. Data Check 9. Action

1. データ収集 2. データWatch 3. 目標設定


トレジャーデータ流：まずはとにかくデータ収集、そしてデータを「見る」ことに専念しましょう


トレジャーデータが可能にする分析アプローチ

•  データ分析を始める前に、明確な「目標」など無くて当たり前

•  データ分析を始める前に、高尚な「仮説」など無くて当たり前

•  データ分析を始める前に、とにかくデータを集めよう（例え中身など知らなくても）

•  データ分析を始める前に、データを「見る」ことで大概のことが見えてくる

•  データを収集を頑張ったリターンとして，データを「見る」ところまでは誰でも必ず到達

できる（成果物の担保）。そして「見る」ことは多くの知見・考察を生み出してくれる。

17

1. データ収集 2. データWatch


データ収集

19

「とにかくデータを集めよう」　各業界向けのログテンプレートを用意

課金ログ

ログインログ

招待ログ

{ uid : 123, device : ’smart phone’, 5me : 138959673 }, { uid : ’123’, name : ’ItemA’, sub_category : ’a’, category : A, count => 2, price : 300, 5me : 138959673 }, { uid : 123, invited_uid : 456, campaign_name : ’event2’, 5me : 138959673 }

Login テーブル Pay テーブル

Invite テーブルオリジナルイベントテーブル

1. データ収集


オンラインゲーミング：基本ログテンプレート

20

アクション名（テーブル名）

主体ユーザーID タイムスタンプ対象ユーザーID 値数大カテゴリ，カテゴリ, アイテム名

login uid Nme -‐ -‐ -‐ -‐

pay uid Nme -‐ price count category, sub_category, name

invite uid Nme target_uid -‐ -‐ -‐

use_point / get_point

uid Nme -‐ -‐ -‐ -‐

level_status uid Nme -‐ value -‐ -‐

tutorial uid Nme -‐ step -‐ -‐


オンラインゲーミング：基本ログテンプレート

21

アクション名（テーブル名）

主体ユーザーID タイムスタンプ対象ユーザーID 値数大カテゴリ，カテゴリ, アイテム名

login uid Nme -‐ -‐ -‐ -‐

pay uid Nme -‐ price count category, sub_category, name

invite uid Nme target_uid -‐ -‐ -‐

use_point / get_point

uid Nme -‐ -‐ -‐ -‐

level_status uid Nme -‐ value -‐ -‐

tutorial uid Nme -‐ step -‐ -‐

これらのログを出すように設定すれば必要な50近いKPIを算出可能。

uid, Nme を含めばその他の項目は任意に

設定して良い。

上記にとらわれない，任意のログを収集でき

る拡張性をもつ。


ネイティブアプリ/ブラウザアプリ両方に対応

22

ログインログ

課金ログ

招待ログ

ブラウザゲームはサーバーサイドに Fluentd ベースの TD-Agent を仕込んでストリーミング収集

iOS、AndroidのSDK または Unity向けのライブラリを通じてログを収集


iOS/Android SDKによるログ収集

23

イベント発生後すぐに送信

イベント発生後すぐに送信

バッファリング

バッファリング

スケーラブルなトレジャー SDK受信サーバー

トレジャーデータサービス

端末アプリから直接トレジャーデータサービスに蓄積され、かつストリーミングによってログを直ちに確認できる


４．KPI Dashboard

24

26

Metric Insights: Overview

27

異なるデータソースの共存が可能

28

•  Treasure API キー •  接続するデータベース名 •  集計インターバル •  チャートタイプ •  集計クエリ

ウィジェット A

•  Treasure API キー •  接続するデータベース名 •  集計インターバル •  チャートタイプ •  集計クエリ

ウィジェット B

各々のウィジェットに異なるデータベース・テーブルからの集計結果を表示することが可能

異なるデータソースの共存が可能

29

データ横断分析例：複数のオンラインゲームを横断

複数ゲームのKPIを一覧できるダッシュボード：Metric Insights

30

ウィジェット設定

設定アイコンをクリック

31

1. 集計インターバルを設定

2. メジャーの種類を設定

3. カテゴリを設定


32

4. Plug-inを選択

5. 接続するデータソースを指定

6. クエリを記述

7. Sample Result を確認


33

チャートウィジェット（時系列データ）

34

チャートウィジェット（その他のデータ）

35

レポートウィジェット（複数のチャートとテーブルの統合）

36


37



５．Basic KPIs


KPI カテゴリ

40

Category KPI Example

Activeness ゲームの活況度を判断するKPI群。アクティブユーザー数，新規ユーザー数，etc…

Funnel ( Conversion ) Analysis コンバージョンまでの経路の離脱率を図るKPI群。コンバージョン，チュートリアルのステップ毎の離脱度，etc…

Sales Revenue 課金周りのKPI群。売り上げ，ARPU, ARPPU, etc…

Distribution ユーザー数や課金額の分布を様々なセグメントで切った分布。課金額の分布，レベルの分布，所有ポイント数の分布，etc…

Inflow / Outflow Equilibrium 流入と流出の平衡を見るためのKPI群。仮想通貨の提供量/消費量，etc…

Retention 初回登録から再ログインまでの期間やリピート回数, etc…

これらのカテゴリーに属するKPI群を導入時から参照できるKPIテンプレートを用意


訪問間隔：ほとんどのユーザーは毎日訪問してくれている。長くても1週間以内に再訪してくれている。

ARPU：全アクセスユーザー1人当たりの課金額（デイリー）

ARPPU：全課金ユーザー1人当たりの課金額（デイリー）

AcNve Users：ユニークユーザー数（デイリー）

Activeness


Funnel Analysis チュートリアルファンネル：チュートリアルの入口（ランディング）から出口（登録）までの各ステップにおける離脱状況を

見る。


Revenue 売上チャート：カテゴリ，アイテム名ごとの日次の推移


Retention (Cohort Analysis) コホート分析：各月のユーザーが，何%がそれ以降の月でも訪問してくれているのか。


４．Advanced KPIs （セグメント分析）


週末のみのアクセスで大量の買い物をしてくれる中年ファン（お金にゆとりのある）セグメント毎日アクセスしてくれるけど，買い物をしてくれない，最近登録した若いユーザーセグメント

トレジャーデータサービスを使えば、任意のセグメントの組み合わせ及び任意の区切り方で独自のセグメントを作ることができる

月間課金額 0 円以内（無課金ユーザー）

～1,000 円（ライトユーザー）

～10,000 円（プレミアムユーザー）

10,000円～（ヘビーユーザー）

人数 10,000 人 5,000 人 1,000 人 10 人

月間訪問回数 1 回（月1ユーザー）

～4 回（週1ユーザー）

～ 8 回（週2,3 ユーザー）

～ 8回（常連ユーザー）

人数 10,000 人 5,000 人 1,000 人 10 人

年代～ 20歳 20 ～ 30歳 30 ～ 40歳～ 40歳

人数 10,000 人 20,000 人 15,000 人 5,000 人

会員登録日 2012年（オールドユーザー） 2013年 2014年1月～6月

2014年6月～（新規ユーザー）

人数 100,000 人 3,000 人 5,000 人 100 人

1. ヘビーユーザーで

2. 週1の頻度で

3. 30歳台で

4. 初期から遊んでくれている

1’. 無課金なのに

2’. 常連ユーザーで

3’. 若いユーザーで

4’. 最近の登録ユーザー


ユーザーセグメンテーション

47

ユーザー「属性」情報に加えてアクセス履歴、購入履歴といった「行動」情報の取得できるECでは柔軟なセグメンテーションが可能

セグメント軸値

月間課金額 5,000 円以上 1,0000 円以内

月間訪問回数 5回以上10回以内

年代 30歳以上40歳以内

会員登録日 2013年

… … セグメントＡ

セグメント軸値

月間課金額 0円

月間訪問回数 1回以内

年代 20歳以上30歳以内

会員登録日 2014年

… … セグメントＢ

複数のセグメント軸の組み合わせによるセグメンテーションが可能に。

少数のデータしか扱えないならば、細かいセグメントを作るとそれぞれのサンプル数が疎になってしまって活用できない。


RMセグメンテーション

48

RFM（R=Recency、F = Frequency、M=Monetary ）から2種類の軸を選択。上図は「直近のアクセス日（R）」 ×「月間課金額区分」でのセグメント。

R/M 10000 20000 30000 40000 50000 60000 70000 80000 90000 100000

0 119 70 57 41 44 38 32 21 32 29

1 199 66 60 32 40 38 27 31 26 27

2 128 92 80 57 56 43 50 41 32 29

3 122 76 71 51 50 38 36 31 27 20

4 151 62 51 33 36 39 35 34 39 29

5 142 86 52 59 36 40 33 34 39 30

6 202 140 113 91 96 72 71 61 58 53

7 282 180 120 98 81 86 76 69 51 35

8 355 161 117 88 70 68 50 43 35 33

9 249 133 90 77 61 42 51 46 42 29

10 237 93 67 64 33 39 33 27 28 23

11 186 119 100 49 52 42 37 40 21 27

12 212 61 47 42 44 38 29 30 24 14

13 225 162 120 108 110 104 73 71 69 56

14 454 170 126 79 88 62 63 59 53 38

15 375 189 129 99 93 96 56 52 44 41

16 164 119 74 63 58 45 46 37 17 25

17 242 100 80 44 34 33 32 24 21 20

18 317 154 79 62 46 40 35 18 23 11

19 200 135 74 60 50 36 29 33 21 23

20 268 146 98 97 73 69 49 48 40 40

21 249 128 87 61 47 47 47 43 37 19

22 202 150 101 71 51 50 35 40 26 25

23 177 100 70 64 33 42 35 25 18 22

24 132 93 54 40 26 20 22 22 20 13

25 208 121 82 44 36 35 23 21 18 16

26 170 113 66 69 37 36 36 20 15 17

27 228 141 106 84 74 61 37 58 51 29

28 154 119 71 58 40 44 27 25 18 13

29 163 96 86 44 44 26 30 17 11 14

30 273 113 79 58 44 31 34 27 22 20


月間課金額セグメント（月次比較）

49

¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k～

¥20k～

¥50k～

¥100k～合計

1月 1,009k 25,355 2,502 1,069 621 502 395 246 224 177 865 535 127 38 1,071k

2月 1,039k 13,284 2,166 1,164 726 522 386 264 204 182 908 690 172 34 1,100k

diff +30,000 +12,071 -‐336 +95 +105 +20 -‐9 +18 -‐20 +5 +43 +155 +45 -‐4 39,000

1月と2月における月間課金額のセグメントでユーザー数を観察


月間課金額セグメント（月次比較）

50

¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k～

¥20k～

¥50k～

¥100k～合計

1月 1,009k 25,355 2,502 1,069 621 502 395 246 224 177 865 535 127 38 1,071k

2月 1,039k 13,284 2,166 1,164 726 522 386 264 204 182 908 690 172 34 1,100k

diff +30,000 +12,071 -‐336 +95 +105 +20 -‐9 +18 -‐20 +5 +43 +155 +45 -‐4 39,000

無課金ユーザーもそれなりに増加

2月に入って¥1000台の課金ユーザーが減少

高額課金ユーザーは順調に増加。特に「Whale」と呼ばれる¥10万以上のマンモス課金ユーザーが離れていない

新規ユーザー数も増加。


¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜

1月（千円）

0 12,677 3,753 2,672 2,173 2,260 2,172 1,599 1,680 1,504 12,955 17,655 9,525 6,845

2月（千円）

0 11,984 3,293 2,465 2,733 2,489 3,034 1,892 1,302 1,409 9,903 15,351 8,432 8,902

月間課金額セグメント（各セグメントの占める割合）


¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜

1月（千円）

0 12,677 3,753 2,672 2,173 2,260 2,172 1,599 1,680 1,504 12,955 17,655 9,525 6,845

2月（千円）

0 11,984 3,293 2,465 2,733 2,489 3,034 1,892 1,302 1,409 9,903 15,351 8,432 8,902

月間課金額セグメント（各セグメントの占める割合）

¥10,000以上の課金ユーザーのRevenueインパクトが非常に大きい

少額課金ユーザーは数は大きいがRevenueインパクトは小さい

Whaleユーザーは極少数ながらRevenueインパクト大


¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜

-‐ 0% 50% 12% 9% 8% 5% 4% 3% 2% 1% 1% 2% 5% 3%

= 89% 46% 79% 77% 78% 89% 92% 93% 95% 94% 92% 94% 95% 97%

+ 11% 4% 9% 14% 14% 6% 4% 4% 3% 5% 7% 4% 0% 0%

月間課金額セグメント（1月→2月：セグメント移動）

セグメント移動分析：前月に比べて月次課金セグメントが動いた割合を観察（新規ユーザー除く）。＋は前月に比べて大きいセグメントに移動 − は前月に比べて小さいセグメントに移動＝はセグメント移動無し


¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜 ¥20k〜 ¥50k〜 ¥100k〜

-‐ 0% 50% 12% 9% 8% 5% 4% 3% 2% 1% 1% 2% 5% 3%

= 89% 46% 79% 77% 78% 89% 92% 93% 95% 94% 92% 94% 95% 97%

+ 11% 4% 9% 14% 14% 6% 4% 4% 3% 5% 7% 4% 0% 0%

月間課金額セグメント（1月→2月：セグメント移動）

（ − 移動）前月は¥1,000台を課金していたユーザーの多くが無課金ユーザーに変わってしまった

比較的大きい課金額のユーザーは安定して同程度の課金を続けてくれている


レベルユーザー数 ARPU ARPPU 課金総額

(千円)

1 590250 20 132 13,590

5 134035 45 321 10,432

10 60530 78 301 5,830

15 50374 30 405 5,021

20 7030 59 304 5,382

25 3059 300 600 5,042

30 1039 302 673 3,840

35 807 402 563 5,830

40 694 602 980 7,492

45 345 894 1,034 8,903

50 132 1000 1,231 15,323

レベルセグメント（× 課金情報）

レベルセグメント：今度はユーザーのレベルでセグメント分け。レベルごとの人数、ARPU、ARPPU、課金総額の分布


レベルユーザー数 ARPU ARPPU 課金総額

(千円)

1 590250 20 132 13,590

5 134035 45 321 10,432

10 60530 78 301 5,830

15 50374 30 405 5,021

20 7030 59 304 5,382

25 3059 300 600 5,042

30 1039 302 673 3,840

35 807 402 563 5,830

40 694 602 980 7,492

45 345 894 1,034 8,903

50 132 1000 1,231 15,323

レベルセグメント（× 課金情報）

レベル15と20の間に大きな壁があるこの壁によってARPPUの高いこの上のレベルへたどり着けていない

レベルに比例してARPU、ARPPUの上昇が顕著に見られる

ハイレベルユーザーのRevenueインパクトが大きい


月額課金セグメント×レベルセグメント

57

レベル ¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜

1 75% 53% 32% 24% 11% 7% 0% 0% 0% 0% 0%

10 15% 32% 34% 25% 21% 13% 13% 4% 3% 0% 0%

20 5% 7% 20% 21% 26% 24% 23% 9% 3% 1% 0%

30 0% 5% 8% 14% 23% 26% 25% 23% 33% 26% 3%

40 0% 3% 6% 8% 12% 17% 23% 32% 30% 33% 56%

50 0% 0% 0% 8% 7% 13% 16% 32% 31% 30% 41%

課金セグメント×レベルセグメント：


月額課金セグメント×レベルセグメント

58

レベル ¥0 ¥1k ¥2k ¥3k ¥4k ¥5k ¥6k ¥7k ¥8k ¥9k ¥10k〜

1 75% 53% 32% 24% 11% 7% 0% 0% 0% 0% 0%

10 15% 32% 34% 25% 21% 13% 13% 4% 3% 0% 0%

20 5% 7% 20% 21% 26% 24% 23% 9% 3% 1% 0%

30 0% 5% 8% 14% 23% 26% 25% 23% 33% 26% 3%

40 0% 3% 6% 8% 12% 17% 23% 32% 30% 33% 56%

50 0% 0% 0% 8% 7% 13% 16% 32% 31% 30% 41%

レベルが高いセグメントは，月次課金対も大きいセグメントになる傾向がある。


Discussion & Q and A


続きは公式ブログで

60

h<p://treasure-‐data.hateblo.jp

20140708 オンラインゲームソリューション

Technology

Transcript of 20140708 オンラインゲームソリューション