تحليل سلوك اللاعبين وA/B Testing للعبة موبايل باستخدام Python

قمت بتحليل بيانات مستوى الأحداث لـ 1,392 لاعب في لعبة موبايل عبر 3 نسخ مختلفة (Control، A، B) خلال فترة 14 يومًا.

تم التعامل مع بيانات JSON المعقدة وتنظيف أكثر من 33,000 صف بيانات خام باستخدام Python (pandas, Matplotlib, Seaborn) وJupyter Notebook.

ما تم تنفيذه:

مقارنة DAU، الإيرادات اليومية، ARPPU، وRetention بين النسخ الثلاثة

Variant A حقق زيادة 17% في إيرادات الإعلانات ($231 مقابل $198) وارتفاع 65% في ARPPU ($15.32 مقابل $9.32) مقارنة بالنسخة Control

Variant B أظهر احتفاظ أعلى باللاعبين (DAU retention) على المدى الطويل

بناء heatmaps للاحتفاظ بالمجموعات وvisualizations لاتجاه الإيرادات لمقارنة سلوك المستخدمين بين النسخ

التوصيات:

اعتماد استراتيجية هجينة: استفادة من آليات الاحتفاظ في Variant B مع نموذج تحقيق الإيرادات في Variant A

ملاحظة: ينصح بتمديد فترة المراقبة لأكثر من 30 يومًا قبل التطبيق النهائي

الأدوات: Python (pandas, Matplotlib, Seaborn), Jupyter Notebook