Оценка влияния характеристик мобильных игр на их коммерческий успех

Сбор данных производился со страниц приложений в Google Play и Sensor Tower Sensor Tower. Retrieved from https://sensortower.com с помощью поискового робота.

Код для поискового робота находится в приложении 1.

Алгоритм для робота был разработан для сбора значений указанных выше переменных с помощью описания проекта «Play Store Scraper» Play-scraper 0.5.3. (2019). Pypi website. Retrieved from https://pypi.org/project/play-scraper/.

Случайным образом были отобраны id приложений из Google Play, далее id были обработаны алгоритмом так, чтобы значения не повторялись, то есть из выборки были удалены все не уникальные приложения (дедубликация id).

Обработанные таким образом id были помещены в отдельный файл. Далее, данные по каждому приложению собирались со страницы Google Play, а потом из выдачи Sensor Tower.

Полученный набор данных был сохранён в формате csv.

Процесс получения данных с помощью поискового робота представлен на схеме ниже.

Диаграмма 1 Процесс получения данных с помощью поискового робота Источник: составлено автором

Дальнейшая обработка данных проводилась в SPSS. Все данные были перенесены в SPSS, им были присвоены ярлыки и метки значений (где необходимо), назначен тип данных.

Наблюдения, которые не соответствуют требованиям исследования, были удалены из выборки. Таким образом, были исключены 3 приложения, не являющиеся играми, а также все игры, которые не могут получать доход: бесплатные приложения без встроенных покупок и рекламы, - так как эти игры не нацелены на коммерческий успех.

Таблица 6До исключения

Источник: получено автором с помощью SPSS Statistics

Таблица 7После исключения

Источник: получено автором с помощью SPSS Statistics

Для переменной «жанр игры» было создано 17 фиктивных дихотомических переменных, где 1 - соответствие определенному жанру, а 0 - несоответствие или принадлежность к другому жанру. Таким образом, номинальная переменная жанр, перекодированная в набор фиктивных переменных, может участвовать в дальнейшем количественном анализе, в том числе в построении регрессии. Были удалены наблюдения с выбросами по основным количественным переменным, чтобы не было сильных искажений при анализе данных и построении моделей.

Диаграмма 2 Пример выброса Источник: получено автором с помощью SPSS Statistics

В результате обработки данных осталось 3170 наблюдений, в следующей части работы можно увидеть, как они распределились по жанрам, типам монетизации, возрастным рейтингам и другим характеристикам, важным для исследования.

3.2 Описательные статистики

Источник: построено автором

В выборку попало 11% платных и 89% бесплатных игр

Диаграмма 4Распределение платных и бесплатных приложений

Для проверки поставленных гипотез использованы методы сравнения средних для двух независимых выборок и корреляции Спирмена.

Таблица с корреляциями представлена ниже, по ней будут делаться выводы относительно всех порядковых и непрерывных переменных, фигурирующих в гипотезах.

Таблица 8Корреляции Спирмена

Источник: получено автором с помощью SPSS Statistics

Гипотеза 1: размер приложения отрицательно коррелирует с его выручкой.

Гипотеза не принимается. Значимый коэффициент корреляции 0,442 говорит о существовании умеренной положительной связи между выручкой игрового приложения и его размером. Таким образом, чем больше размер приложения, тем больше его выручка.

Гипотеза 2: время с момента последнего обновления отрицательно связано с месячной выручкой приложения.

Гипотеза принимается, так как на уровне значимости меньше 0,01 существует умеренная линейная зависимость между выручкой приложения и количеством дней с момента последнего его обновления. Коэффициент корреляции -0,391 отрицательный, значит чем больше дней прошло с момента обновления игры, тем меньше её месячная выручка.

Гипотеза 3: Платные игровые приложения приносят значимо большую выручку, чем бесплатные.

В таблицах ниже представлены результаты t-теста для независимых выборок.

Таблица 9

Источник: получено автором с помощью SPSS Statistics

Нулевая гипотеза о равенстве дисперсий отклоняется, так как sig < 0,05, нужно использовать вторую строку таблицы «Критерий для независимых выборок».

Таблица 10

Источник: получено автором с помощью SPSS Statistics

Двусторонняя значимость меньше 0,05, поэтому гипотеза о равенстве средних отклоняется, результаты значимы.

Гипотеза 3 не принимается, по групповым статистикам можно сделать обратный вывод о том, что бесплатные приложения приносят большую выручку, нежели платные.

Гипотеза 4: цена игрового приложения положительно связана с его выручкой.

Гипотеза не принимается, так как по результатам анализа, коэффициент корреляции (0,002) близок к нулю, что может говорить об отсутствии линейной связи между переменными. Более того, коэффициент не значимый так как уровень значимости равен 0,922.

Гипотеза 5: приложения с видео на странице имеют значимо большую выручку, чем приложения без видео

Таблица 11

Источник: получено автором с помощью SPSS Statistics

Нулевая гипотеза о равенстве дисперсий отклоняется, так как sig < 0,05, нужно использовать вторую строку таблицы «Критерий для независимых выборок».

Таблица 12

Источник: получено автором с помощью SPSS Statistics

Двусторонняя значимость меньше 0,05, поэтому гипотеза о равенстве средних отклоняется, результаты значимы.

Гипотеза 5 принимается, по групповым статистикам можно сделать вывод о том, что приложения с видео в магазине Google Play приносят большую выручку, нежели игры без видео.

Гипотеза 6: Приложения с флагом «выбор издателя» имеют значимо большую выручку, чем приложения без флага.

Таблица 13

Источник: получено автором с помощью SPSS Statistics

Нулевая гипотеза о равенстве дисперсий отклоняется, так как sig < 0,05, нужно использовать вторую строку таблицы «Критерий для независимых выборок».

Таблица 14

Источник: получено автором с помощью SPSS Statistics

Двусторонняя значимость меньше 0,05, поэтому гипотеза о равенстве средних отклоняется, результаты значимы.

Гипотеза 6 принимается, по групповым статистикам можно сделать вывод о том, что приложения с флагом «выбор издателя» приносят большую выручку, нежели игры без него.

Гипотеза 7 будет проверена в следующей части работы.

Гипотеза 8: возрастной рейтинг отрицательно связан с выручкой приложения

Гипотеза не принимается, коэффициент корреляции говорит об обратном. На уровне значимости ниже 0,01 существует слабая положительная связь между возрастным рейтингом и выручкой, коэффициент корреляции равен 0,29. Чем выше возрастные ограничения в игре, тем большую выручку она приносит.

Гипотеза 9: минимальная версия ОС отрицательно связана с выручкой приложения

Гипотеза не принимается, значимый коэффициент корреляции говорит об обратном. Существует слабая положительная корреляция между требованиями к операционной системе и величиной выручки. Более коммерчески успешные игры требуют от пользователей более высокую версию Android.

Гипотеза 10: Приложения с описанием обновлений приносят значимо большую выручку, чем приложения без описаний.

Таблица 15

Источник: получено автором с помощью SPSS Statistics

Нулевая гипотеза о равенстве дисперсий отклоняется, так как sig < 0,05, нужно использовать вторую строку таблицы «Критерий для независимых выборок».

Таблица 16

Источник: получено автором с помощью SPSS Statistics

Двусторонняя значимость меньше 0,05, поэтому гипотеза о равенстве средних отклоняется, результаты значимы.

Гипотеза 10 принимается, по групповым статистикам можно сделать вывод о том, что приложения с описанием к обновлениям приносят большую выручку, нежели игры без него.

Гипотеза 11: Приложения со встроенными покупками приносят значимо большую выручку, чем приложения без них.

Таблица 17

Источник: получено автором с помощью SPSS Statistics

Нулевая гипотеза о равенстве дисперсий отклоняется, так как sig < 0,05, нужно использовать вторую строку таблицы «Критерий для независимых выборок».

Таблица 18

Источник: получено автором с помощью SPSS Statistics

Двусторонняя значимость меньше 0,05, поэтому гипотеза о равенстве средних отклоняется, результаты значимы.

Гипотеза 11 принимается, по групповым статистикам можно сделать вывод о том, что приложения с внутриигровыми покупками приносят большую выручку, нежели игры без них.

Гипотеза 12: Приложения с рекламой приносят значимо большую выручку, чем приложения без неё.

Таблица 19

Источник: получено автором с помощью SPSS Statistics

Нулевая гипотеза о равенстве дисперсий отклоняется, так как sig < 0,05, нужно использовать вторую строку таблицы «Критерий для независимых выборок».

Таблица 20

Источник: получено автором с помощью SPSS Statistics

Двусторонняя значимость меньше 0,05, поэтому гипотеза о равенстве средних отклоняется, результаты значимы.

Гипотеза 12 не принимается, по групповым статистикам можно сделать обратный вывод о том, что игровые приложения с рекламой приносят меньшую выручку, нежели без нее.

Гипотеза 13: уровень локализации приложения положительно связан с выручкой приложения.

Гипотеза подтверждается. Существует значимая, но слабая (0,268) положительная корреляция между выручкой игры и уровнем её локализации.

3.4 Однофакторный дисперсионный анализ

Источник: получено автором с помощью SPSS Statistics

Проведенный анализ ограничивался проверкой линейной связи между переменными, однако стоит предположить, что существует нелинейная связь. Например, увеличение размера игры может положительно влиять на выручку до тех пор, пока этот размер не достигнет определенного значения, тогда зависимость будет логарифмической или квадратичной. Проверить это можно с помощью построения нелинейной регрессии.

3.6 Логарифмическая и полулогарифмическая регрессии

Источник: получено автором с помощью SPSS Statistics

Тест VIF последовательно строит несколько регрессий, где каждая переменная, включенная в модель, по очереди становится зависимой. Значения VIF, близкие к единице (ниже 8), говорят об отсутствии проблемы мультиколлинеарности в модели, мы можем сказать, что сильной зависимости между предикторами регрессии нет.

Таблица 26Коэффициенты логарифмической регрессии

Источник: получено автором с помощью SPSS Statistics

Формула коммерческого успеха формируется через уравнение логарифмической регрессии следующим образом:

Ln месячной выручки в долларах = 0,732 + 2,402 * Выбор издателя + 0,507 * ln размера в MB + 0,644 * ln цены в рублях + 0,728 * ln возратного рейтинга + 0,692 * наличие внутриигровых покупок - 0,153 * ln дней с момента обновления - 1,111 * принадлежность к жанру ролевых игр

Таким образом, бесплатная мобильная головоломка с внутриигровыми покупками размером 50 MB, имеющая возрастной рейтинг 3+, обновлённая месяц назад, будет иметь предсказанную месячную выручку $159:

0,732 + 0 + 0,507 * ln50 + 0 + 0,728 * 3 + 0,692 - 0,153 * ln30 - 0 = 5,071

Выручка = е5,071 = 159.33

По данному уравнению видно, что приложения флагом «выбор издателя» имеют выручку на 240% больше, чем игры без флага. Повышение размера приложения на 1% увеличивает выручку на 51%. Повышение цены игры на 1% увеличивает выручку на 64%. При росте возрастного рейтинга на 1%, выручка увеличивается на 73%. Приложения с внутриигровыми покупками зарабатывают на 69% больше, чем приложения без них. При увеличении давности обновления на 1%, выручка приложения падает на 15%.

Для построения полулогарифмической модели от регрессора был взят натуральный логарифм. Вовлечение переменных в расчёт пошаговым методом произошло за тринадцать шагов, коэффициент при каждой переменной не нулевой на 5% уровне значимости.

Качество подгонки этой модели выше, чем для линейной и логарифмической. R2 показывает, что 41% общей дисперсии зависимой переменной объяснено моделью. Скорректированный на число наблюдений R2 равен 0,404 - но при таком значении регрессия может считаться адекватной.

P-значение для F-статистики стремится к нулю, это значит, что на любом уровне значимости гипотеза о незначимости регрессии отвергается, следовательно, хотя бы один коэффициент в регрессии не равен нулю.

Каждый отдельный коэффициент регрессии не равен нулю на уровне значимости не ниже 2%.

Таблица 27Сводная таблица по полулогарифмической модели

Источник: получено автором с помощью SPSS Statistics

На диаграмме ниже видно, что распределение остатков регрессии близко к нормальному. Тест Дарбина-Ватсона на автокорреляцию остатков показывает значение, близкое к 2 (2,061), значит, проблемы гетероскедантичности нет.

Значения VIF, близкие к единице (ниже 8), говорят об отсутствии проблемы мультиколлинеарности в модели, мы можем сказать, что сильной зависимости между предикторами регрессии нет.

Диаграмма 15Распределение остатков полулогарифмической регрессии

Источник: получено автором с помощью SPSS Statistics

Таблица 28 Коэффициенты полулогарифмической регрессии

Источник: получено автором с помощью SPSS Statistics

Формула коммерческого успеха формируется через уравнение полулогарифмической регрессии следующим образом:

Ln месячной выручки в долларах = 3,082 + 0,028 * Размер приложения + 2,148 * Выбор издателя - 1,881 * содержание рекламы + 0,710 * наличие внутриигровых покупок + 0,105 * Возрастной рейтинг - 0,001 * количество дней с момента обновления + 0,016 * Оценка локализации + 1,419 * Бесплатное + 0,398 * Описание обновлений + 0,003 * Цена в рублях - 0,604 * Ролевые - 0,502 * Музыкальные + 0,234 * Наличие видео в описании

Таким образом, бесплатная мобильная головоломка с внутриигровыми покупками и рекламой размером 50 MB, имеющая возрастной рейтинг 3+, обновлённая месяц назад, с хорошей локализацией (80 баллов), с видео в описании, но без подробного описания обновлений будет иметь предсказанную месячную выручку $685:

3,082 + 0,028 * 50 + 0 - 1,881 + 0,710 + 0,105 * 3 - 0,001 * 30 + 0,016 * 80 + 1,419 + 0 + 0 - 0 - 0 + 0,234 =6,529

Выручка = е5,071 = 684,713

Результаты, полученные с помощью регрессионного анализа, соответствуют результатам корреляций и t-тестов, что подтверждает правильность полученных взаимосвязей характеристик приложений и выручки. Однако с помощью уравнений регрессии можно можно точнее определить, насколько изменение той или иной характеристики приложения повлияет на его выручку.

3.7 Различия в выводах по жанрам игр

Источник: получено автором с помощью SPSS Statistics

Спортивные и настольные игры имеют противоположную связь цены и выручки, так как наклон их прямых положительный. В отличие от остальных игр, при повышении цены на настольные и спортивные игры повышается их выручка. Однако для настольных игр эта связь не сильно выражена, наклон прямой незначительный.

Прямая для музыкальных игр более пологая, чем общая регрессионная прямая. Это говорит о том, что для игр данного жанра повышение цены соответствует менее сильному падению выручки.

Диаграмма 17Взаимосвязь размера приложения и выручки

Источник: получено автором с помощью SPSS Statistics

Размер приложения положительно связан с выручкой игр всех жанров, однако сила этой связи различается между жанрами.

На диаграмме прямая для игр-симуляций более пологая, чем общая регрессионная прямая. Это говорит о том, что для игр-симуляций увеличение веса приложения соответствует менее сильному увеличению выручки, чем для остальных игр.

Диаграмма 18Взаимосвязь размера приложения и выручки

Источник: получено автором с помощью SPSS Statistics

На диаграмме видно, что наклон регрессионных прямых сильно различается между жанрами. Разные точки пересечения оси ординат говорят о различиях в свободном члене регрессий.

Наклон всех прямых положительный, значит повышение возрастного рейтинга связано с увеличением выручки во всех играх, независимо от жанра. Однако, сильно различающиеся наклоны прямых и пересечения с осью ординат, говорят о том, что данную взаимосвязь лучше изучать отдельно для каждого жанра игр, так как общая регрессионная прямая может давать плохое приближение.

Диаграмма 19Взаимосвязь требований к ПО и выручки

Источник: получено автором с помощью SPSS Statistics

Игры жанров казино и головоломки имеют обратную зависимость между требованиями к версии android и выручкой. В отличие от остальных жанров, головоломки и казино, требующие более высокую версию android, имеют более низкую выручку.

Словесные и музыкальные игры имеют более пологий наклон прямой, увеличение требований к ПО соответствует менее сильному повышению выручки, чем у игр других жанров.

Прямая для стратегий имеет крутой наклон и находится выше общей регрессионной прямой, что означает, что оба коэффициента регрессионного уравнения выше, чем для общей регрессии.

Диаграмма 20Взаимосвязь локализации приложения и выручки

Источник: получено автором с помощью SPSS Statistics

Локализация игр на разные языки имеет положительную связь с размером выручки для всех жанров игр. Однако сила этой связи различается по жанрам.

Образовательные, музыкальные, ролевые, настольные и спортивные игры отличаются более слабой положительной взаимосвязью между выручкой и локализацией.

Диаграмма 21Выручка платных и бесплатных игр

Источник: получено автором с помощью SPSS Statistics

Как видно из диаграммы, бесплатные приложения приносят более высокую выручку, чем платные для всех жанров игр. Однако, для настольных, спортивных и музыкальных игр эта взаимосвязь почти отсутствует, в то время как принадлежность казино и стратегий к бесплатным играм сильнее повышает их выручку, чем для игр других жанров.

Диаграмма 22Наличие внутриигровых покупок и выручка

Источник: получено автором с помощью SPSS Statistics

Внутриигровые покупки всегда связаны с более высокой выручкой игр, однако для казино и стратегий эта взаимосвязь более выражена. Предсказанная выручка казино и стратегий с внутренними покупками выше, чем для игр других жанров. Настольные и музыкальные игры, наоборот, имеют менее сильную связь выручки и внутриигровых покупок.

Диаграмма 23Наличие рекламы и выручка

Источник: получено автором с помощью SPSS Statistics

Содержание рекламы в играх связано с более низкой выручкой, об этом свидетельствует отрицательный наклон регрессионной прямой. Однако для некоторых жанров эта связь практически отсутствует.

Карточные игры отличаются обратной взаимосвязью. Карточные игры с рекламой имеют большую предсказанную выручку, чем игры этого жанра без рекламы.

Таким образом, подтвердилось предположение о том, что факторы, влияющие на выручку мобильных игр, имеют разное влияние на игры разного жанра. В данной части работы были описаны особенно яркие отличия. На основе этих отличий, нужно скорректировать выводы, сделанные в предыдущих частях, введя необходимые исключения.

3.8 Дерево классификации

Источник: получено автором с помощью SPSS statistics

После получения новой переменной были построены деревья классификации методами CHAID, CRT и QUEST. Дерево, построенное методом CRT имело самое высокое качество предсказаний - 83%, в этой части работы будет описано это дерево.

Таблица 29 Качество классификации

Источник: получено автором с помощью SPSS statistics

Как видно из таблицы, дерево верно предсказывает игры с невысокой выручкой в 93% случаев, а игры с высокой выручкой в 53%. Учитывая, что игр с высокой выручкой всего 25%, качество предсказаний 53% является хорошим, так как это в два раза выше, чем если бы принадлежность к группе с высокой выручкой предсказывалась случайным образом.

В диаграмме ниже можно увидеть само дерево классификации. Каждый терминальный узел дерева нужно рассматривать по отдельности.

Так, например узел 7 показывает, что с 99% вероятностью игра не будет иметь высокую выручку, если она имеет размер меньше 50,5MB, обновлялась меньше 30 дней назад и не имеет внутриигровых покупок.

Узел 42 показывает, что игра будет иметь высокую выручку с вероятностью 77%, если она имеет размер больше 89,5MB, обладает флагом «Выбор издателя» и не содержит рекламы.

Таким образом, зная комбинации характеристик игры можно с вероятностью 82% предсказывать её коммерческую успешность. Это может помочь команде, начинающей игровой проект определиться с целевым сочетанием характеристик игры.

Диаграмма 25Дерево классификации

3.9 Выводы и рекомендации создателям игр