一种游戏角色行为数据处理方法及系统与流程

本发明涉及游戏数据处理技术领域，尤其涉及一种游戏角色行为数据处理方法及系统。

背景技术：

成功的游戏产品，对产品本身的技术及用户体验的要求都是非常高的。而产品的创新与改进都极大地依赖着数据，许多定性的评价方法，如VIP测试、问卷、面对面访谈或者录制视频等方法均被采用来保证游戏产品的趣味性及竞技的平衡性。除了从游戏论坛直接获得玩家反馈之外，另一类反馈就是游戏数据日志，它给我们提供了一个研究玩家行为，改善游戏设计的极好的途径。

目前来说，基于统计的方法被广泛地应用在游戏数据分析中。然而，它们或多或少要求对数据有一些先验知识，但游戏数据中的模式，并非都能提前预知。此外，对于产品本身，宏观的指标说明仅仅能体现游戏大致的情况，基于这些数据有时依旧无法确定哪部分需要进行改善。可视化是一种有效的分析与展示数据的方法，它的主要目的是通过图形化手段进行清晰、有效的信息传递。

如何将可视化技术应用于游戏角色行为数据处理中并且避免对先验知识的依赖，为游戏开发的创新和改进提供技术支持，是各种游戏技术中急需要研究解决的。

以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

技术实现要素：

本发明的目的在于提出一种游戏角色行为数据处理方法，以解决上述现有技术存在的不能有效定位改善部位以及依赖先验知识的技术问题。

为此，本发明提出一种游戏角色行为数据处理方法，首先将游戏数据日志中的数据信息转化为底层数据；然后根据所述底层数据生成玩家足迹视图、同名节点分析视图及流失玩家具体轨迹视图；所述玩家足迹视图用于展示所有玩家足迹的整体走向，及各步之间的转化率指标；所述同名节点分析视图用于展示所述同名节点的到达数、退出数及退出率；所述流失玩家具体轨迹视图，用于展示从任一所述同名节点离开游戏的玩家在此同名节点之前所经历的具体轨迹。

根据实施例，本发明的处理方法还可包括以下技术特征：

所述玩家足迹视图支持用户交互，以方便查看玩家足迹变化情况；所述流失玩家具体轨迹视图支持用户交互，用于查看各节点玩家的具体行为轨迹和/或各具体行为轨迹的占比。

所述玩家足迹视图还设有用于控制以选择性显示玩家足迹变化数量的可调节的第一阈值。

所述同名节点分析视图中对所述到达数、退出数及退出率分别进 行排序。

所述同名节点分析视图中还对玩家进行去重操作。

所述流失玩家具体轨迹视图中各节点玩家的具体行为轨迹按时间倒序显示。

本发明还提出一种游戏角色行为数据处理系统，包括数据信息转化模块，用于将游戏数据日志中的数据信息转化为底层数据；视图生成模块，用于根据所述底层数据分别生成玩家足迹视图、同名节点分析视图及流失玩家具体轨迹视图，其中，所述视图生成模块包括：玩家足迹视图生成子模块、同名节点分析视图生成子模块、以及流失玩家具体轨迹视图生成子模块；所述玩家足迹视图生成子模块用于生成玩家足迹视图，展示所有玩家足迹的整体走向，及各步之间的转化率指标；所述同名节点分析视图生成子模块用于生成同名节点分析视图，展示所述同名节点的到达数、退出数及退出率；所述流失玩家具体轨迹视图生成子模块，用于生成流失玩家具体轨迹视图，展示从任一所述同名节点离开游戏的玩家在此同名节点之前所经历的具体轨迹。

根据实施例，本发明的处理系统还可包括以下技术特征：

所述玩家足迹视图生成子模块还包括交互单元，用于支持用户交互，以方便查看玩家足迹变化情况；所述流失玩家具体轨迹视图生成子模块还包括交互单元，用于支持用户交互，并查看各节点玩家的具体行为轨迹和/或各具体行为轨迹的占比。

所述玩家足迹视图生成子模块还包括第一阈值调节单元，用于控 制以选择性显示玩家足迹变化数量。

所述同名节点分析视图生成子模块还包括排序单元，用于对所述到达数、退出数及退出率分别进行排序。

所述同名节点分析视图生成子模块中还进一步包括去重单元，用于对玩家进行去重操作。

所述流失玩家具体轨迹视图中各节点玩家的具体行为轨迹按时间倒序显示。

所述流失玩家具体轨迹视图生成子模块中还设有第二阈值调节单元，用于调节以选择性显示不同占比的具体行为轨迹。

本发明与现有技术对比的有益效果包括：将可视化技术应用于游戏角色行为数据处理中，以便能够有效确定使游戏体验产生障碍的行为节点，并且可以避免对先验知识的依赖，提供了一种改善游戏设计的极好的途径。

附图说明

图1是本发明实施例一的处理方法的流程示意图；

图2是本发明实施例二的处理系统的结构框图；

图3是一个具体实施方式中的玩家足迹视图截图；

图4是一个具体实施方式中的同名节点分析视图及流失玩家具体轨迹视图的截图(其中，上部为同名节点分析视图，下部为流失玩家具体轨迹视图)；

图5a、5b、5c分别是一个具体实施方式中三个玩家的行为序列示意图；

图6a、6b、6c是一个具体实施方式中分别按照到达数、退出数和退出率排序的可视化视图的截图；

图7a、7b、7c是对应图6a、6b、6c的具体实施方式中对玩家编号去重后分别按照到达数、退出数和退出率排序的可视化视图的截图；

图8a是一个具体实施例的玩家足迹视图截图，图8b是悬浮图8a中一个节点时的视图截图；

图9a是调节至只显示两种轨迹行为时的流失玩家具体轨迹视图的截图，图9b是调节至所有足迹行为都显示时的流失玩家具体轨迹视图的截图。

具体实施方式

本发明提出了一种基于可视化分析技术的游戏角色行为数据处理方法及系统，可帮助用户理解玩家行为、监控玩家在游戏中的行为规律，特别是游戏新手阶段时玩家可能的流失留存点，为产品进一步迭代提供参考。同时，从玩家级数据层面追踪特定流失的玩家具体的行为轨迹，发现可能对玩家进行深入游戏体验产生障碍的行为结点，以帮助游戏设计师改进游戏体验的流畅性。

在游戏中，利用漏斗模型进行分析已经有某些方法和案例，试着去了解玩家来玩游戏的真正目的，为他们提供合理的访问路径，以及新手引导流程等，而不是一味地去提高转化率。漏斗模型常用于分析网站流程每个步骤的流失率，并用漏斗模型进行展示。分析过程大致可以从以下三步进行展开：1)确定需要分析的访问路径或操作流程， 2)收集数据并分别统计出该路径中每一步的人数，3)用漏斗模型展示结果。

在网站分析中，用户每一次的点击流就是用户的一次访问路径。在大多数情况下用户的访问路径是随意无序的，用户在访问一个网站时可能会经常使用后退、返回主页或直接点击某个链接等，不同用户访问路径的重合度可能只有1％，分析这些无序的路径是没有意义的。因此，漏斗模型用在网站分析中，主要是针对一些关键路径，即用户是为了某个目标而进入了一个相对标准的有序的路径，用户的目标就是为了到达“出口”，而不是随意游荡。如电子商务网站的注册流程、购物流程，应用型网站的服务、使用流程等。于是，可以根据这些关键路径来计算每一步的转化率。

在漏斗模型中，转化率就是从一个页面进入下一个页面的人数比率，比如访问首页的用户有30，而从首页点击进入下一页的用户有12，那么从首页到下一页面的转化率就是12/30＝40％。当然，可以根据用户的访问路径计算每个页面到下个页面的转化率，但这类工作大部分对于没有目标性的网站来说是没有意义的，而是需要抓住重点，即提取出关键路径的转化率才有意义。通过对这些数据和指标的统计，可以初步判断该流程转化率的情况，及每一步的流失率情况。接下来，为了让分析的结果更加具体形象，需使用漏斗模型进行直观展示。

基于漏斗模型分析的缺点：

漏斗模型不仅显示了用户在进入流程到实现目标的最终转化率， 同时还可以展示关键路径中每一步的转化率。但单一的漏斗模型对于分析意义不大，因不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏，所以必须通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析。

趋势：从时间轴的变化情况进行分析，适用于对某一流程或其中某个步骤进行改进或优化的效果监控。

比较：通过比较类似产品或服务间购买或使用流程的转化率，发现某些产品或应用中存在的问题。

细分：细分来源或不同的客户类型在转化率上的表现，发现一些高质量的来源或客户，通常用于分析网站的广告或推广效果等。

因此，漏斗模型比较适用于网站中某些关键路径的转化率的分析，因此，对于游戏行为分析来说，需要提前定义这些关键路径，而对于不同的游戏来说，关键路径是不一样的，这样给人工带来的处理量是比较巨大的。在分析一款游戏时，尤其是游戏开发、测试的初期，特别关注的是游戏的流失和留存现象。在指标设计上，有次日留存、三日留存、七日留存率等等，在流失上也有类似的指标用于游戏的推广衡量及游戏横向之间的对比，这些指标的确发挥着它们不可替代的作用。玩家的游戏行为千差万别，玩家流失的原因也因人而异，但玩家到底是怎么流失的？是在哪里流失的？本发明基于可视化分析技术，提出一种通用(“通用”是指在游戏数据分析方面的分析思路通用，传统的漏斗模型需要详细定义某一条访问路径，并利用漏斗模型进行分析，而本发明完整覆盖了各种不同的访问路径，因此相比传统 的漏斗模型，本发明更加全面完整。)的游戏角色行为数据处理方法及系统，可完整覆盖漏斗模型的各个方面，同时，对于各路径的分析、各节点的分析更为全面深入，从整体概况到玩家的具体轨迹细节都有详细的分析，能够满足游戏这一特别技术领域的游戏角色行为分析需求。

本发明解决了如下几个方面的问题：

1)游戏阶段哪些是可能造成玩家流失的关键节点：对于一款游戏来说，定位它的生命阶段，尤其是新手阶段的流失点，对于留住玩家具有非常重要的意义。

2)玩家在流失前所经历的路径分析：玩家在离开一款游戏前，并不一定是最后一个操作导致该玩家的流失，也可能是该玩家之前的操作或不好的游戏体验造成的，因此，有必要在玩家级数据的层面对具体的行为轨迹进行分析。

3)在通用性方面，有必要对类似的游戏产品进行横向比较，理解在相似的玩家规模上，各步骤的转化率的变化情况：玩家对尝试一款新游戏的深入程度如何，在哪些步骤转化时有较大的流失。

以上技术问题既包括业务层面，也有漏斗模型等无法解决的技术障碍(漏斗模型等需要事先定义需要分析的访问路径，而在具体游戏中，玩家的行为千差万别，除了一些特别的主要路径外，其他的路径很难通过事先定义去进行分析)。本发明提供了一种通用的通过游戏日志数据快速分析角色行为变迁、流失留存定位、轨迹分析等的方法及系统，完整覆盖了各种不同的访问路径，克服了传统漏斗模型等无 法解决的技术问题。

实施例一：

如图1所示，是本实施例基于可视化分析技术的游戏角色行为数据处理方法的流程图，该方法为：首先将游戏数据日志中的数据信息转化为底层数据；然后，根据所述底层数据生成玩家足迹视图、同名节点分析视图及流失玩家具体轨迹视图。

其中，所述玩家足迹视图用于展示所有玩家足迹的整体走向，及各步之间的转化率指标；所述同名节点分析视图用于展示所述同名节点(指相同游戏行为的节点)的到达数、退出数及退出率；所述流失玩家具体轨迹视图，用于展示从任一所述同名节点离开游戏的玩家在此同名节点之前所经历的具体轨迹。

为方便查看玩家足迹变化情况，所述玩家足迹视图设为具有支持用户交互的功能。所述玩家足迹视图还设有用于控制以选择性显示玩家足迹变化数量的可调节的第一阈值，通过该第一阈值的调节可以简化视图及分层次显示，并排除个别发生的不具有实际意义的足迹变化情况等。

为方便查看各同名节点玩家的具体行为轨迹和/或各具体行为轨迹的占比，所述流失玩家具体轨迹视图设为支持用户交互，即具有用户交互功能。所述流失玩家具体轨迹视图中各节点玩家的具体行为轨迹按时间倒序显示，即按照最后退出行为-倒数第一1步行为-倒数第二1步行为……，依此类推。所述流失玩家具体轨迹视图中还可配置用于选择性显示不同占比的具体行为轨迹的可调节的第二阈值。

所述同名节点分析视图中对所述到达数、退出数及退出率分别进行排序。所述同名节点分析视图中还对玩家进行去重操作，因某玩家反复刷某个游戏副本(刷副本是游戏领域的通用术语：即进入游戏副本，完成打怪等任务后退出)时会导致大量的节点重复，会对排序造成一定的影响。

实施例二：

本发明还对应前述实施例一提供一种游戏角色行为数据处理系统，如图2所示，包括数据信息转化模块，用于将游戏数据日志中的数据信息转化为底层数据，以及视图生成模块，用于根据所述底层数据分别生成玩家足迹视图、同名节点分析视图及流失玩家具体轨迹视图。其中，所述视图生成模块包括：玩家足迹视图生成子模块、同名节点分析视图生成子模块、以及流失玩家具体轨迹视图生成子模块。

其中，所述玩家足迹视图生成子模块用于生成玩家足迹视图，展示所有玩家足迹的整体走向，及各步之间的转化率指标。所述同名节点分析视图生成子模块用于生成同名节点分析视图，展示所述同名节点(指相同游戏行为的节点)的到达数、退出数及退出率。所述流失玩家具体轨迹视图生成子模块，用于生成流失玩家具体轨迹视图，展示从任一所述同名节点离开游戏的玩家在此同名节点之前所经历的具体轨迹。

所述玩家足迹视图生成子模块还包括交互单元，用于支持用户交互，以方便查看玩家足迹变化情况。所述玩家足迹视图生成子模块还可进一步包括第一阈值调节单元，用于控制以选择性显示玩家足迹变 化数量。通过该第一阈值调节单元可以简化视图及分层次显示，并排除个别发生的不具有实际意义的足迹变化情况等。

所述流失玩家具体轨迹视图生成子模块还包括交互单元，用于支持用户交互，并查看各节点玩家的具体行为轨迹和/或各具体行为轨迹的占比。所述流失玩家具体轨迹视图中各节点玩家的具体行为轨迹优选按时间倒序显示，即按照最后退出行为-倒数第一1步行为-倒数第二1步行为……，依此类推。所述流失玩家具体轨迹视图生成子模块中还设有第二阈值调节单元，用于调节以选择性显示不同占比的具体行为轨迹。

所述同名节点分析视图生成子模块还包括排序单元，用于对所述到达数、退出数及退出率分别进行排序。所述同名节点分析视图生成子模块中还进一步包括去重单元，用于对玩家进行去重操作。

实施例三：

本实施例借助一个具体的游戏并对照若干附图做进一步详细的描述如下：

首先，本实施例中有三个主要视图，玩家足迹视图、同名节点分析视图及流失玩家具体轨迹视图，分别如图3和图4所示。当数据加载后，玩家足迹视图首先会展示出数据中所有玩家行为足迹的整体走向，及各步之间的转化率等指标，并且支持丰富的用户交互，使得用户可以随意查看前后两步之间玩家行为转变(行为转变也即前文所述足迹变化)情况。同名节点分析视图将展示玩家经历的各游戏节点的到达数、退出数及退出率等，帮助定位退出率较高的同名节点，以快 速定位潜在问题所在。流失玩家具体轨迹视图，针对从某一节点离开游戏的玩家在该节点之前所经历的游戏轨迹行为进行分析，帮助确定流程设计上可能存在的问题。

游戏玩家的行为与漏斗模型的不同之处在于：漏斗模型刻画的路径是较为单一的，而这种单一的路径也是商家最为关注的利益转化路径。而游戏玩家行为路径，在初始进入一款游戏时会比较相似，而当完成了新手任务后就会分化得非常厉害，具体玩家的行为就会千差万别。本实施例分析的数据是基于记录玩家触发某些行为时的游戏日志数据，如表名叫做“src_login_day”的表，它记录的便是玩家登录游戏时的行为，我们提取玩家登录的行为，将玩家行为命名为“login”。又如一张表名叫做“src_pvp_day”的表，它记录的是玩家进行PVP(玩家与玩家对战，Player VS Player)玩法时的相关数据，我们继而提取玩家PVP的行为数据，命名为“PVP”。如此一来，对所有需要分析的玩家行为日志进行类似操作和行为提取，这样把每日的全部玩家或新增玩家所有涉及到玩家行为的日志行为表进行以上操作后，进行UNIONALL合并操作，再按行为触发时刻先后排序，得到每个玩家的行为序列。

接下来，将所有玩家的行为序列进行整合，计算日志中当日玩家所有的行为是如何变迁的，包括每一步操作各个行为的操作数量、行为与行为之间的变化数量等等。举例：假设有三个玩家，玩家1的行为序列分别如图5a、5b、5c所示，玩家一为：登陆-登出-登陆-登出，玩家2为：登陆-玩法-登出-登陆-玩法-登出-登陆-登出，玩家3为： 登陆-玩法-登出。构造完这三个行为序列列表后，对每一步进行汇总计算，即第一步发生登陆行为的玩家数为3，第二步发生玩法行为的玩家数为2，发生登出行为的玩家数为1，以此类推，直到汇总完最长的序列对应的那一步。有些行为可能会重复进行，比如玩法-玩法-玩法等等，可通过事先定义一个忽略序列，将此序列中所包含的某个连续出现的行为进行合并操作，变成一个行为。同时，还可记录从一个行为转化到另外一个行为所花费的平均时长，用于分析和展示可能的时间分配不合理的地方。完成基本的数据整合汇总后，使用可视化技术将数据结构呈现在玩家足迹视图中，后文中将举例阐述玩家足迹视图的一个绘制流程。本实施例中的所述数据结构举例如下：

dateid：日期

timestep：步数编号

action_id_before：前序足迹类型

action_id_after：后序足迹类型

action_change_num：变化量(有多少玩家从前序足迹转移到后序足迹)

action_number_before：前序足迹的玩家数量

action_number_after：后序足迹的玩家数量

action_average_time：从前序足迹到后序足迹的平均耗时(秒)。

所述玩家足迹视图中，每一步均为玩家触发过的行为集合，由于不同的玩家的具体足迹是有差别的，因此步与步之间的行为集合会有重复的同名节点。在玩家足迹图中，玩家只是通过不同的步骤到达该 节点，因此有必要对这些同名节点进行汇总分析，这样，既能细粒度地观察玩家具体的足迹，也能从整体的角度出发，迅速定位流失的节点。

同名节点分析视图提供了全部步数下各行为节点(代表每种不同的游戏行为)到达数/退出数/退出率(退出率＝退出数/到达数)分析，并支持三种排序方式：按到达数排序、按退出数排序及按退出率排序，本实施例中的三种排序结果分别如图6a、6b和6c所示。在实际业务中，有些行为节点可能会被重复地进行，如玩家可能反复地刷某一个游戏副本等，因此，可对玩家编号进行去重，并进行相应的排序，以获得更有意义的排序结果，图7a、7b和7c分别对应图6a、6b和6c给出了玩家编号去重前后按各排序方式进行排序的同名节点分析视图。

玩家离开游戏可能有多种原因，并不都一定是最后一个行为或操作导致玩家有不好的游戏体验，从而使得玩家没有继续深入游戏，也有可能是玩家之前的若干个步骤的综合游戏体验不佳而造成流失。因此，确定从某一节点退出或流失的玩家在离开前的若干足迹的分布情况是必要的。

得到玩家行为变迁(足迹变化)汇总数据后，首先要计算所有玩家最长的步数，基于此进行逐层绘制。每个节点代表一种玩家行为，节点之间的连接曲线及其粗细代表有多少玩家从曲线的一个端点(即某个行为)转换到另一个端点(即另一个行为)。悬浮某个节点时，显示出从该节点退出的角色数(此处定义的退出，指的是完成此节点 后登出的玩家数与直接退出且当日未再登录的玩家数之和)，并且显示同时从该节点退出的退出率及到达率。退出率指的是从此节点出发(直接登出+当日未再登录的角色数总和)与此节点角色数的比值，到达率指的是本节点的总角色数与首节点(即刚开始全部玩家数)的比值。点击节点时显示该节点前后连接的曲线代表的转换意义。此外，为了简化整体视图，需要控制变迁行为数量的第一阈值，通过该第一阈值来控制显示那些主流行为变迁，而不显示零散的个别的变迁行为。此外，阈值交互调节的功能，可方便用户控制显示的层次。具体可为：在交互界面上提供一个滑动条，作为控制行为变迁数量的阈值调节操作钮，当调节到最小值(即1)时，所有的行为变迁都会进行显示；否则，只显示那些变迁数量高于此阈值的行为变迁。

另外，为了直观地呈现从各同名节点退出的玩家(退出的玩家即流失玩家)占比情况，在各节点中心把退出的玩家占比情况用小圆表示，这样用户可以迅速标识出退出占比较大的行为节点。在足迹视图的下方，绘制出组到达率曲线(即将每一步看成一个组，计算每一步留存的玩家数量与最开始的所有玩家数量的占比，把每一步留存的玩家数量与最开始的所有玩家数量的占比用曲线进行绘制)，前后两步进行到达率差异对比，这样可以显示出在哪一步玩家离开较多，也方便用户定位可能出问题的节点。

此外，为了分析从各节点离开的玩家在此节点之前的游戏行为轨迹，我们也通过存储玩家级别的数据，将玩家在各节点离开前的轨迹数据用曲线绘制出来，如图8a给出了玩家足迹视图的可视化效果。 举例而言，悬浮“文王周易”时，获得如图8b所示截图，可以看到从该节点退出的角色数是4，退出率为0.67％，到达率是61.94％；点击该节点时，轨迹L1(见图8a)代表从该节点退出且当日未有后续行为的玩家的具体轨迹，线条的粗细代表从这条路径退出的玩家占比。如图8a所示，从“文王周易”当日退出未有后续行为的玩家的具体轨迹是登录-从零开始1-从零开始2-文王周易1-文王周易2，该轨迹的意义是给用户提供了分析退出且未有后续行为的玩家是如何进行退出的，是具体完成了哪些游戏行为后退出的，对这些玩家具体的轨迹进行显示可用于辅助分析。

在流失玩家具体轨迹视图中，查看从各节点退出的玩家具体的行为轨迹，可以追踪玩家在离开游戏前主要经历的行为，便于用户分析可能造成其离开的原因。如要查看从“退避三舍1”退出的玩家的具体轨迹及各轨迹占比情况，可点击同名节点分析视图中的“退避三舍1”，随后生成从该行为节点退出的玩家的具体行为轨迹。鼠标悬浮在各节点上，显示该节点的名称，玩家具体的行为轨迹是倒序显示的，即最后退出行为-倒数第1步行为-倒数第2步行为等等。此外，同样为了显示的清晰度，配置了控制轨迹显示的阈值滑动条，用于对可调节的第二阈值进行调节以过滤占比较低的行为轨迹。如图9a、9b所示，从该行为节点退出的玩家一共有两种足迹行为，最粗的足迹行为(如图9a中L2所示)有2个玩家退出，当把第二阈值调到最小时，所有的足迹行为(如图9b中L3所示)都显示了出来。

在使用本发明提供的技术方案之前，游戏分析人员对流失留存分 析仅仅停留在各种指标的搭建上，或者使用漏斗模型查找关键路径，无法对玩家整体的足迹走向进行分析，也不能快速定位潜在的流失行为节点，本发明为其提供了处理分析的直观途径，可以知道玩家在各个行为节点的分布情况，便于定位可能的缺陷所在的部位，利于后续的游戏改善。

本领域技术人员将认识到，对以上描述做出众多变通是可能的，所以实施例仅是用来描述一个或多个特定实施方式。本领域技术人员明白，可以对其作出各种改变和替换，而不会脱离本发明的精神。另外，可以做出许多修改以将特定情况适配到本发明的构思，而不会脱离在此描述的本发明中心概念。所以，本发明不受限于在此披露的特定实施例，可能还包括属于本发明范围的所有实施例及其等同物。