跨游戏玩家行为情报数据集
Game Spective 跨游戏玩家行为情报数据集
覆盖 PC 游戏生态的行为可视化:从拥有与游戏时长,到跨作品参与度、受众重叠,以及玩家注意力的迁移。
Game Spective(GS)为数据采购方、研究团队、投资人以及游戏公司提供结构化的跨游戏行为情报。GS Cross-Game Player Intelligence Dataset 帮助采购方分析玩家注意力、拥有、参与度与受众重叠在 PC 游戏生态中随时间的变化。
GS 是一个用于跨游戏分析玩家行为的结构化数据集,而不仅限于单一作品。它将拥有图谱、游戏时长参与度、会话遥测和衍生行为信号整合到一个关系模型中——可查询、可关联,并以扁平表的形式交付。
背景
超越单一作品理解玩家行为
- 01绝大多数行业数据都是单游戏、单发行商、单平台。
- 02但玩家行为不是。
- 03一名玩家的组合通常横跨数十款作品、多个品类与多个平台。
- 04GS 建模跨游戏这一层:玩家如何分配时间、切换上下文,以及在生态中各作品之间迁移。
引文
完整图谱告诉你谁在玩什么。遥测层告诉你他们如何玩。
方法论
数据方法论
GS 的数据基于纵向的 PC 游戏档案,涵盖游戏拥有、游戏时长历史、会话观察以及衍生行为信号。
数据集为 B2B 分析而构建,通过合同约束的访问方式交付,在必要的使用场景中应用聚合、匿名化与抽样。
- 01纵向的 PC 游戏档案
- 02拥有与游戏时长历史
- 03可用时提供会话级观察
- 04用于跨作品分析的衍生行为信号
- 05合同约束访问及面向用例的交付
覆盖范围
GS 数据覆盖模型
GS 由四层构成。拥有与游戏时长提供宽广的生态覆盖;会话遥测和衍生行为信号则提供较窄但更深的行为层。
Schema
可直接分析的结构化数据模型
Schema 固定,仓库就绪。每张表以 user_id 为键,层与层之间可连接。
user_library_stats每位玩家一行- user_id
- games_owned
- unique_genres
- unique_platforms
- total_playtime_minutes
- active_titles_30d
- portfolio_diversity_index
user_game_summary每位玩家 × 每款游戏一行- user_id
- game_id
- genre
- platform
- first_seen_at
- playtime_minutes
- sessions_count
- last_played_at
- engagement_tier
user_session_stats每位玩家、每个观察窗口一行- user_id
- window_start
- sessions
- avg_session_minutes
- median_gap_minutes
- unique_titles_in_window
- context_switches
genre_overlap_matrix每对品类一行- genre_a
- genre_b
- co_ownership_rate
- co_play_rate
- transition_rate
- cohort_size
指标
GS 行为指标
context_switch_rate玩家在相邻会话之间切换作品的频率。multi_game_engagement玩家游戏时长在其前 N 款作品上的分布比例。session_distribution每位玩家的会话时长、节奏与间隔特征。genre_transitions会话窗口内品类之间的方向性迁移。公式
context_switch_rate = switches / (sessions - 1)
切换:指任何两次相邻会话中,主要 game_id 发生变化的情形。
模式
玩家基数中观察到的模式
多游戏行为占主导
约 99% 的玩家拥有多于一款作品。单作品玩家在数据集中是极小比例。
组合规模大、跨度广
平均每位玩家约有 480 条作品记录,横跨多个品类与平台。
切换频繁
平均上下文切换率约为 0.54,玩家大约每两次会话就更换一次作品。
参与度差异显著
会话时长和节奏分布呈长尾。少部分群体贡献了不成比例的总游戏时长。
品类重叠具有结构
共玩关系遵循一致的模式,使迁移矩阵足够稳定,可用于建模。
应用场景
GS 数据发挥价值之处
组合分析
面向发行商或平台目录的规模、重叠与参与度分析。
行为分群
基于行为特征(而非人口统计)的人群定义。
跨作品受众重叠
一款作品与图谱中相邻作品共享的受众。
早期信号检测
在收入数据呈现之前捕捉参与度与迁移率的变化。
参与度建模
为需要跨游戏特征的 LTV、流失与留存模型提供输入。
采购方应用
采购方应用
投资研究
在公开或财务指标之前,跟踪作品势头、IP 健康度、参与度的持续性以及玩家注意力的迁移。
市场情报
衡量品类间的流动、跨作品重叠、受众相邻性以及在 PC 游戏生态中的竞争定位。
发行商策略
分析组合重叠、自我蚕食风险、沉睡拥有以及受众扩展机会。
数据科学
用跨作品行为特征丰富分群、流失、LTV、留存和预测模型。
交付
数据访问与集成
定位
数据集优先,分析就绪
GS 被设计为可直接接入分析工作流、建模管道与组合研究的结构化数据集。
核心产品不是仪表盘,也不是封闭的报表 UI。采购方可以在自己的数据仓库、BI 栈或数据科学环境中直接处理数据。
面向评估、对接和合作伙伴特定场景,我们提供定制化研究简报和样本洞察包。
- ·无封闭仪表盘依赖
- ·无强制的报表 UI
- ·Schema 固定且带版本号
- ·可直接接入分析师与数据科学环境
- ·提供面向评估和合作伙伴的定制简报
访问
访问 GS 数据集
样本访问可包含完整 Schema 及四层各自的代表性切片,具体取决于采购方匹配度与数据使用协议。