要比較兩組的退出率

Question

我們在R中有2個數據集good和bad它包含users和games。遊戲包含10種不同的遊戲類型1,2,...,10。數據集good包含玩過很長時間的用戶，並且bad包含已經玩了很短時間然後停止玩的用戶。

head(good) 
user game 
1  4 
2  3 
3  4 
1  1 
15  4 
1  2 

和

head(bad) 
user game 
10  4 
22  3 
37  4 
37  1 
38  4 
46  2 

我已經找到了最新的遊戲的用戶，他之前扮演/她停止播放。 因此，對於一個固定的遊戲組，我們有它被「最後遊戲」/它玩過的總時間。 這給我們一個退出率。如果退出率很高，則意味着它很可能是最新的遊戲，如果退出率較低，則意味着遊戲不是最後一場遊戲。

就R我們可以看到出口速率爲組good

exitrate_good 
game exitrate 
1  0.133333 
2  0.127772 
3  0.090332 
... 
9  0.317307 
10 0.190854 

而對於其他組bad

exitrate_bad 
game exitrate 
1  0.186522 
2  0.045888 
3  0.192556 
... 
9  0.365899 
10 0.119331 

這裏類似，我們可以例如看到遊戲9具有一個高在good和bad的退出率。

我的問題是：如何找到不流行的遊戲並導致玩家停止遊戲？

上次爲用戶播放的遊戲可能會導致用戶停止播放。我應該如何比較兩組的退出率？

-------（擴展）

讓我們看一下組good。 在R I型last_game_good，我們得到如下的輸出

latest_game_played not_latest_game_played 
734     3917 
645     3507 
... 
765     2100 
112     535 

所以第一行簡單地說734+3917已經玩過這個遊戲，它是734箱子玩最新的遊戲。

在這裏，我們還可以看到遊戲ID爲9（第二個最後一行）與not_latest_game_played相比有很高的latest_game_played。爲此，我使用pairwise.prop.test，我得到所有的成對相關性，其中一些具有較低的p值，一些具有高於0.05的p值。我如何使用這些信息，如果我爲其他組運行相同的事情，如何比較它，如bad組？

Answer 1

所以，你可以做的一件事是比較你的羣體之間的遊戲差異。例如。在優秀組中，X遊戲與Y遊戲相比有更高的退出率嗎？那個壞小組呢？它是一樣的模式嗎？也許完全不同的模式？

你可以做的另一件事是比較不同組別的比賽。例如。好羣體中的X遊戲在壞羣體中的出場率是否高於X遊戲？

第三件事是預先指定並修復對您不利的退出率，並將所有組中的所有遊戲與此對比。例如。我知道40％的退出率對我不利。任何團體中有任何遊戲的退出率高於40％？

我會專注於第一例。

我創建這樣

dt = read.table(text= 
"latest_game_played not_latest_game_played 
734     3917 
645     3507 
765     2100 
112     535", header=T) 

# create game id 
dt$game_id = c(1,2,9,10) 

# create total numbers 
dt$totals = dt$latest_game_played + dt$not_latest_game_played 

dt 

# latest_game_played not_latest_game_played game_id totals 
# 1    734     3917  1 4651 
# 2    645     3507  2 4152 
# 3    765     2100  9 2865 
# 4    112     535  10 647 

數據集。然後我計算的百分比，並檢查是否有至少一個統計上顯著差異

# check percentages 
prop.test(dt$latest_game_played, dt$totals) 

# 4-sample test for equality of proportions without continuity correction 
# 
# data: dt$latest_game_played out of dt$totals 
# X-squared = 176.51, df = 3, p-value < 2.2e-16 
# alternative hypothesis: two.sided 
# sample estimates: 
# prop 1 prop 2 prop 3 prop 4 
# 0.1578155 0.1553468 0.2670157 0.1731066 

請注意，您還可以保存這些百分比在新列可以創建自己。你在那裏看到的p值小於0.05，所以至少有一場比另一場比賽更高的出場率。或者換句話說，檢查成對差異/比較是合理的。不知道（還）哪種差異具有統計顯着性，或者是否存在更多差異。下一步是去發現。

# check pairwise comparisons 
pairwise.prop.test(dt$latest_game_played, dt$totals) 

# Pairwise comparisons using Pairwise comparison of proportions 
# 
# data: dt$latest_game_played out of dt$totals 
# 
#  1  2  3  
# 2 0.82 -  -  
# 3 < 2e-16 < 2e-16 -  
# 4 0.82 0.82 3.2e-06 
# 
# P value adjustment method: holm 

這是成對的p值表。你可以看到第9場比賽（第3場比賽）在統計上顯着高於其他所有比例。其他遊戲的退出率沒有區別。

您可以爲另一組做一個類似的過程，看看你是否發現同樣的事情/模式