Аналіз ігрових процесів

Завдання

У сучасній ігровій індустрії неможливо створити успішний мобільний чи соціальний проект без обробки великих масивів інформації. Для проектування та підтримки продуктів, написання маркетингових стратегій та монетизації застосовується безліч інструментів ігрової аналітики: у рамках одного проекту їх може бути одразу декілька, все залежить від поставленої мети.

До завдань аналітика входять і написання стандартів збору даних, продумування способів їх обробки, і прогнозування можливих проблем. Крім того, на основі отриманих даних потрібно ще й обґрунтувати зміни у проекті: як можна усунути труднощі, чому, якими цифрами це можна підтвердити і як перевірити, чи зміни покращили ситуацію.

Зручність використання, прозорість вихідних даних, простота обробки вхідних, достовірність, однаковість із даними партнерів — вторинні цілі, але на них йде не менше часу, ніж на основні.

Огляд рішення

У рамках проекту Game Processes Analysis ми реалізували з нуля практично всю систему відстеження ключових показників (KPI) — у цьому процесі брали участь відразу кілька співробітників Qudata та замовника, яким була ігрова компанія, включаючи програмістів, маркетологів та геймдизайнерів.

Однією з сучасних тенденцій в ігробудуванні є необхідність постійного моніторингу залучення гравця до ігрового процесу. Як наслідок, більшість успішних ігор аналізують дії своїх користувачів на предмет інтересу до різних можливостей, наприклад, частота входження в локації, успішність проходження міні-ігор, участь у турнірах та вплив різних бонусів на залучення гравця. В рамках проекту були підготовлені автогенеровані аналітичні та контрольні звіти з різною періодичністю. Система дозволяє налаштовувати для окремих продуктів набір звітів, за якими можна оцінювати поточний стан проекту та передбачати поведінку гравців, використовуючи сегментацію, аналіз переходів, воронку входу, A/B-тестування, аналіз споживчого кошика тощо. Серед найважливіших індикаторів в аналіз входять LTV, churn rate, DAU, MAU, ARPPU, retention rate для різних періодів.

Прогнозування поведінки гравців (наприклад, очікувана тривалість перебування у грі) здійснюється на підставі даних за минулий період та моделі поведінки, із сегментацією результату залежно від різних параметрів (у тому числі, без використання приватних даних гравця, а лише за його поведінкою у грі).

Технологічні деталі

Технологічний стек цього проекту є багатовекторним. З одного боку, використовувалися стандартні для індустрії API і SDK, такі як Flurry, Google Analytics, Firebase. З іншого боку, будувалися послуги збору та збереження інформації, адаптовані для конкретних ігор та додатків. Для зберігання інформації використовувалися сервери баз даних MySQL. Такий вибір технології забезпечив високу надійність та зручність виконання запитів бізнес-аналітиками.

Використання власного сервісу дозволяє проводити спільний аналіз з багатьох платформ: Android, iOS, WEB (соціальні мережі).

Технологія дозволяє провести інтеграцію в застосунки та ігри, розроблені на різних двигунах та мовах програмування.

Для побудови звітів використовувалися мови програмування Python та JavaScript.

Обсяг даних, оброблюваних системою, може досягати кількох гігабайт на добу однієї програми, що визначило необхідність розробки протоколу і формату передачі пакетів інформації, що забезпечує мінімум втрат даних, не вимагаючи значних ресурсів на мобільному пристрої клієнта.

Стек технологій

MySQL

MySQL

MariaDB

MariaDB

MongoDB

MongoDB

NodeJS

NodeJS

JavaScript

JavaScript