目录
此内容是否有帮助?

# 計算方法ロジック説明

イベント分析の分析指標、リテンション分析と分布分析の同時表示指標を設定する際に、分析内容に応じて適切な計算方法を選択する必要がありますが、本章ではいくつかの方法のロジックについてご説明します。

# プリセット計算方法

  • 合計回数:イベントがトリガーされた回数
  • ユニークユーザー:イベントをトリガーしたユニークユーザーの数
  • 1人あたりの回数:合計回数 / イベントをトリガーしたユーザーの数、イベントをトリガーした各ユーザーが平均のイベントトリガー回数

# 数値型プロパティ

計算方法 ロジック
平均値
プロパティ値の合計/プロパティ値の数
一人当たりの値
プロパティ値の合計/トリガーユーザー数、各トリガーユーザーのプロパティ値の平均合計
中央値
プロパティ値を大きい方から小さい方に並べ替え、中央のプロパティ値を並ぶ。プロパティ値の数が偶数の場合、中央値は 2つの中央値の平均となる。

平均はデータの平均的なパフォーマンスを反映していますが、他よりも大幅に高いまたは低いプロパティ値がある場合、中央値は平均よりも全体的な状況をよりよく把握できます。

例:4人のユーザーが合計7つの課金イベントをトリガーするとします。

ユーザー 毎回の課金金額
A
6、648
B
30、30、30
C
128
D
6
  • 平均値 = 125.43
  • 一人当たりの値 = 219.5
  • 中央値 = 30
計算方法 ロジック
Nパーセンタイル
プロパティ値を大きい方から小さい方に並べ替えます。プロパティ値は Nパーセンタイル、中央値は50パーセンタイルです。

中央値以外でデータの分布をより適切に測定するためにNパーセンタイルがよく使用されます。

例えばコアアイテム・資源のNパーセンタイルの変化を観察し、新しいアイテム・資源を作るかどうかを判断します。

計算方法 ロジック
分散
平均値を統計し、次に各プロパティ値と平均の差の二乗を計算し平均を取る
標準偏差
分散の平方根

分散と標準偏差は、データの変動を測定するために使用できます。実験群と対照群の1人あたりの平均課金額が類似しており、標準偏差が対照群よりも有意に高いと仮定すると、実験群の指標データは大額課金によってより影響を受けることが示されます。

# リスト型プロパティ

計算方法 ロジック
リスト重複排除カウント
リスト全体を取り、ユニークのリストがいくつあるか統計する
集合重複排除カウント
各リスト内のエレメントを重複排除し並び替えて集合を取り、重複しない集合数を統計する
エレメント重複排除カウント
すべてのリストのすべてのエレメントを取り出し、ユニークのエレメントがいくつあるかを統計する

ゲームでは戦闘中の複数のヒーローIDがリスト属性で記録されることがよくあります。どれぐらいのヒーローが戦闘に参加したかを分析したい場合は、統計に「エレメント重複排除カウント」を使用できます;「リスト重複排除カウント」または「集合重複排除カウント」を使用して、ユニークな出場組み合わせがいくつあるかを分析できます。後者はリスト内のヒーローの順序は区別されません。

4つのリスト属性があるとする:[a,b,c]、[a,b,c,c]、[c,b,a]和[a,b,c,d]:

  • リスト重複排除カウント = 4
  • 集合重複排除カウント = 2
  • エレメント重複排除カウント = 4

# ブール型プロパティ

計算方法 ロジック
真数、偽数
値が True/False のイベントの数
空の数、空ではない数
値が null/not null であるイベントの数