[发明专利]一种游戏数据的处理方法和装置

说明书

本发明实施例提供了一种游戏数据的处理方法，包括：获取游戏日志数据；依据所述游戏日志数据对游戏用户进行划分，获得至少一个用户群体信息；从所述游戏日志数据中提取出所述用户群体信息对应的特征维度数据；将所述用户群体信息及对应的特征维度数据输入至决策树模型，获得训练后的决策树模型及对应的模型文件；提取出所述模型文件中的决策路径数据；决策树算法能在多维特征中优先挑选出判别性能最强的特征放在靠近根节点的位置，从而帮助研究人员分析流失原因重要性；相比于现有的方法，大大减少了人力成本，提高了效率，增强了可信度。

技术领域

本发明涉及游戏技术领域，特别是涉及一种游戏数据的处理方法和一种游戏数据的处理装置。

背景技术

在游戏公司中，用户流失一直是制作、策划、运营相关部门最为关心的问题之一，用户的数量和消费力度是影响游戏开发方向、运营策略以及后续推广经费的重要依据。对于目前主流的对附加内容收费依赖性较强的在线游戏，保留一个老用户的花费成本约为获得一个新用户所需花费的1/5，又考虑到流失高消费用户的可能性和新用户发展成高级用户的成本，利润差异还将进一步加大。因此，对用户流失原因进行分析，了解到用户的游戏体验并针对性地提出改良方案，能提高游戏用户的留存量，增强游戏可玩性，提升商业价值。

现有的用户流失原因分析方法主要包括用户调研及基于统计的数值分析；用户调研通过对部分流失用户进行抽样，随机选取部分用户进行调研，调研形式较为多样，常见的形式有问卷调查和电话询问等，通过这种方式可以直观地获取用户流失原因。基于统计的数值分析具体是指运营部门对用户的游戏日志数据进行统计分析，从数据库中提取流失率、留存率、在线时长、任务完成数量等信息，并对流失原因进行猜想和分析。常用的方法有回归分析法、漏斗分析法、反馈调研法等。

但是，对于用户调研的方法，其效率低，人力成本高，且调研结果不具备普遍性和通用性。而基于统计的数值分析方法的预测结果主观性强，对运营部门相关预测工作人员的相关经验要求高，且无法判别多个特征的相对重要性，同样存在效率低、人力成本高的问题。

发明内容

本发明实施例提供一种游戏数据的处理方法和相应的一种游戏数据的处理装置。

为了解决上述问题，本发明实施例公开了一种游戏数据的处理方法，包括：

获取游戏日志数据；

依据所述游戏日志数据对游戏用户进行划分，获得至少一个用户群体信息；

从所述游戏日志数据中提取出所述用户群体信息对应的特征维度数据；

将所述用户群体信息及对应的特征维度数据输入至决策树模型，获得训练后的决策树模型及对应的模型文件；

提取出所述模型文件中的决策路径数据。

优选地，还包括：

针对所述训练后的决策树模型进行可视化，获得模型可视化结果。

优选地，所述依据所述游戏日志数据对游戏用户进行划分，获得至少一个用户群体信息的步骤包括：

提取出所述游戏日志数据的预设时间段内的累计在线时长；

根据所述累计在线时长对游戏用户进行划分，获得所述用户群体信息。

优选地，所述从所述游戏日志数据中提取出所述用户群体信息对应的特征维度数据的步骤包括：

从所述游戏日志数据提取出所述用户群体信息对应的初始维度数据；

提取出所述初始维度数据中的特征维度数据。

优选地，所述将所述用户群体信息及对应的特征维度数据输入至决策树模型，获得训练后的决策树模型及对应的模型文件的步骤包括：