ソーシャルゲームの特徴として,
分析結果から課題を抽出してゲームを改善
- ――データマイニンググループの基本的な業務の流れを教えてください。
井澤:グループスでは,
コンテンツごとにデータマイニングの担当者がいます。各担当が売上という結果を 「ユーザ数×継続率×課金率×課金単価」 という基本KPIのかけ合わせの形で分解し, 施策目的として設定したKPI (※1) の達成状況を分析します (図1)。たとえば, ゲーム内の各イベントにはそれぞれ目的が存在するので, 目的どおりにユーザが動いてくれているか, その結果が基本KPIにどのように現れているのかを考えていくわけです。問題があれば分析結果から課題を拾い上げ, そのゲームの改善につながる知見を導き出します。これが我々の基本的な仕事ですね。 - ――データ分析はどのようなシステムで行っているのでしょうか。
滝:解析環境としてはMicrosoft SQL ServerとHadoopを利用しています。Hadoopでは対話的に操作できるPigを利用して解析し,
その結果を, そのゲームの担当者であれば誰でも見られる管理画面に取り込んでいます。また, 問題を分析する場面では, IBMの統計解析ソフトウェアであるSPSS Statisticsを利用しています。 - ――分析を行う際,
特に注目している指標はありますか。 井澤:コンテンツの成長段階によって,
ユーザ数の伸びが緩やかになり,重視すべきデータは異なると考えています。いわゆるプロダクトライフサイクル的な考え方ですね。たとえば, リリース直後でコンテンツが成長段階にあれば, 新規ユーザが離脱しないようなマネジメントでユーザの母数がどれだけ増えているかをメインに見ていきます。 コンテンツが成熟期に入ると, そこからは既存ユーザの満足度を高める方向のマネジメントでユーザの母数をどれだけ維持できているかを見ていきます。
- ※1)
- Key Performance Indeicator,
目標を達成するための指標のことです。
「データ様に聞け」 がグループスの合い言葉
- ――たとえば売上が伸びないといった場合,
どのような考え方で課題を見つけ出すのでしょうか。 井澤:コンテンツの成長期であれば,
前述したように母数となるユーザの継続率が重視すべきポイントだと考えています。そのうえで, それぞれのユーザを調べ, 継続するユーザと離脱してしまうユーザの傾向を見ていくという手法をとっています。そのやり方はいくつもありますが, 一般的な多変量解析ならディシジョンツリー分析 (決定木分析) を使って, ゲームを継続するユーザと離脱するユーザの違いがどこにあるのか, ゲーム内のパラメータの違いなどを抽出し, それに対してどういう改善策を実施するのかを考えていきます (図2)。具体的には, まずは離脱してしまったプレイヤーと継続しているプレイヤーについて, 同じ状況でのデータを取得します。そして, それぞれのユーザのプレイ履歴や動向, ゲーム内のバトル回数やカードを強化した回数, あるいはカードを取得した回数などについて比較し, 離脱したプレイヤーの心理を想定したうえで, 継続してプレイしてもらうためには何が必要かを推測していくわけです。 - ――グループスのビジネスにとって,
データ解析の重要性はどういう点にあるのでしょうか。 井澤:グループスの標語に
「データ様に聞け」 というものがあります。これは自分たちがわからないことは, データの中にあるということなんです。つまりデータ解析というのは, データが語っている内容をうまく解釈して答えを見つけ出すこと, そして解釈した答えを企画や開発のメンバーが把握して, 自分たちの仕事にフィードバックすることだと考えています。
図2 ディシジョンツリーの例