次留73% 3留40% 休闲游戏爆款是如何调优与发行的(6)

　　大家知道在ltv方面现在大致有3个层级的运算。第一个层级就是基于历史数据的运算，也就是说每天收集到用户过去的信息，计算出过去一段时间的ltv，但是这个是没有任何前瞻性或者预测性的，缺乏对未来的估计。在这个基础之上，GPG会用一些其他数理统计的方法，然后去进行一些投射，譬如说取前30天的ltv平均值，然后来预测未来30天的ltv。在这种情况之下，数据有一定的预测性，但是考虑的变量比较少，有时候会跟实际情况相差的比较远。

　　最后一个层级是现在相对的比较新的方式。数据学习算法结合起来，然后就是可以用大数据的一些计算，同时可以综合考虑所谓的比较全面的所有的变量，最后得出一个比较科学化的ltv的预测。

　　那么，GPG怎样运用数据科学来进行ltv的预测。

　　GPG的ltv预测基本分为6 步。

　　第一步是用户下载，从0天开始会收集用户基本信息，比如说来自于哪个国家，来自于哪个地区，下载用的哪个手机型号，用的是哪个操作系统以及来自哪些广告渠道等基本信息。

　　同时，当用户开始玩游戏的时候，会实时收集他在游戏里的行为。比如说他做了几个session，他看了几个广告。每个session的时长是多少等等。然后在这个基础之上，会把收集到的信息进行筛选和转化，然后把数据带入到数据科学模型当中去。由此来计算出，第一步的用户ltv。所以说通常在第0天，就会有1-7天ltv的预测。当然这是一个不断动态的过程，因为每一天当用户在不停玩游戏的时候，会有新的数据进来，这样会不断优化预测，让预测接近实际的标准。

　　现阶段，GPG差不多在第三天预测第七天的ltv的准确率差不多90%左右。在第七天预测第十四天ltv的可以到95%的准确率。

　　在这种情况下可以很快的反馈给不同的部门， 比如说ua部门，可以告诉他们实时数据。

　　当制定CPI计划时，可以根据不同渠道ltv，调整不同渠道竞价的价格。然后对于变现部门，他们可以设置拍卖的底价是多少，可以达到最优化的变现。

　　在变现方面，GPG是对用户进行分类，实现提高变现的效率目标。