因果推断在海外游戏增长中的应用

因果推断在海外游戏增长中的应用

游戏中的实验场景

• 实验决策点：安装、注册、新手引导、广告素材、出价策略、社交PUSH等。
• 复杂性：涉及多种实验场景，包括新手有效活跃、用户召回、广告投放和用户运营。

实验驱动广告投放

• 目标：提升游戏活跃，尤其是盘活流失玩家。
• 挑战：面对强势自有渠道的竞争，需要优化广告投放策略。
• 关键数据：
  • 某游戏上线后累计玩家数趋势：注册玩家数累计，流失玩家占注册玩家比例高达78%。
  • 回流广告投放：
    • 通过训练二分类模型识别自然回流率高的玩家，向其投放广告。
    • 精准包 vs 随机包干预效果对比：
      • 精准包干预对用户回流率无显著影响（7.34% vs 8.75%）。
      • 随机包干预对用户回流率有显著影响（11.17% vs 7.34%）。
    • 去偏处理后的效果提升明显，干预组整体回流率显著提高。
  • 样本去偏：
    • 使用ADH（Ads Data Hub）和Facebook Advance Analytics平台，通过分组聚类方法减少样本偏差。
    • 干预增益比优化显著，从0.74%提升至1.5%。

实验驱动用户运营

• 优化点：通过实验提升用户活跃度和留存率。
• 关键数据：
  • 分组实验：将用户随机分配到控制组、随机组和算法组。
  • 效果对比：
    • 控制组：无礼包，留存率为85.6%。
    • 随机组：礼包A，留存率为90.7%。
    • 算法组：礼包A，留存率为90.2%。
  • 实验设计：采用哈希算法进行账号分流，以避免效果重叠和污染。

总结与讨论

• 主要结论：通过因果推断和实验设计，能够有效提升游戏活跃度和用户留存率。
• 关键挑战：
  • 如何合理选择实验用户。
  • 在遵守隐私条款的前提下进行曝光去偏。
  • 如何优化出价策略。
• 未来方向：
  • 继续探索实验设计方法，提高实验灵敏度。
  • 解决不可实验场景下的问题。
  • 应对用户之间的相互影响和网络效应。