利用R语言对用户进行深度挖掘

Part 1：路径分析

总体来说，路径分析有以下一些典型的应用场景：

可以根据不同的应用场景选择不同的算法实现，比如利用sunburst事件路径图对玩家典型的、频繁的模式识别，利用基于时序的关联规则发现前后路径的关系。

最朴素遍历法是直接对主要路径的流向分析，因此最直观和最容易让人理解。

1）当用户行为路径比较复杂的时候，我们可以借助当前最流行的数据可视化D3.js库中的Sunburst Partition来刻画用户群体的事件路径点击状况。从该图的圆心出发，层层向外推进，代表了用户从开始使用产品到离开的整个行为统计；sunburst事件路径图可以快速定位用户的主流使用路径。灵活使用sunburst路径统计图，是我们在路径分析中的一大法宝。

在R中，我们可以利用sunburstR包中的sunburst函数实现sunburst事件路径图，通过install.packages(“sunburstR”)命令完成安装。

我们以sunburstR包中自带的visit-sequences.csv数据集为例进行演示，用sunburst函数绘制sunburst事件路径图。

# sunburst事件路径图
# 加载sunburstR包
library（sunburstR）
# 导入sequences数据
sequences <- read.csv(
  system.file("examples/visit-sequences.csv",package="sunburstR")
  ,header = FALSE
  ,stringsAsFactors = FALSE
)
# 查看前六行
head(sequences)

##                                                V1    V2
## 1 account-account-account-account-account-account 22781
## 2     account-account-account-account-account-end  3311
## 3    account-account-account-account-account-home   906
## 4   account-account-account-account-account-other  1156
## 5 account-account-account-account-account-product  5969
## 6  account-account-account-account-account-search   692

# 绘制sunburst事件路径图
sunburst(sequences)

可见，当我们选中某条路径时，其他路径颜色变暗，圆圈中的数字表示选中路径的人数（或次数）在总人数（或次数）的占比。右上角是图例，不同颜色代表不同的点击事件。左上角是我们选中的事件路径流向。

2）我们可以利用基于时序的关联规则来研究玩家的点击情况。目的是想找出玩家点击玩牌前一部分的点击情况。在R中，可以使用arulesSequences包中的核心函数cspade实现。此分析的关键是如何将普通数据集转换成模型能识别的事务型数据集。

棋牌游戏玩家从进入游戏到玩牌的点击路径是：欢迎界面操作，大厅界面点击操作，进入房间玩牌。

现在统计某个周期内该款棋牌游戏的玩家点击事件数据，先查看前六行情况：

##   V1 V2    V3
## 1  1  1 11008
## 2  1  2 11001
## 3  1  3 11034
## 4  1  4 11002
## 5  2  1 11017
## 6  2  2 11004

第一列是玩家id，第二列是玩家点击按钮的顺序，第三列是点击事件ID（其中11034表示点击开始玩牌按钮，其他ID表示点击“个人信息”、“房间列表”、“好友列表”、“halltool”四大板块的按钮）。接下来，我们可以利用as函数将数据类型转换成事务型数据，结果如下所示：

## transactions in sparse format with
##  24338 transactions (rows) and
##  250 items (columns)

##     items         transactionID sequenceID eventID
## [1] {click=11008} 1             1          1      
## [2] {click=11001} 2             1          2      
## [3] {click=11034} 3             1          3      
## [4] {click=11002} 4             1          4      
## [5] {click=11017} 5             2          1      
## [6] {click=11004} 6             2          2

利用arulesSequences包中的cspade函数实现cSPADE算法。由于要找出所有到达开始打牌的路径，所以将支持度阈值support设置为0，且欲返回点击开始打牌和前一次的点击事件，即返回序列的数据项数最大为2，所以maxlen被设置为2。

然后使用sort函数将myrules按照支持度的数值进行降序排序，并设置规则表达式，筛选出序列中最后一个数据项为{click=11034}的序列。

# 利用arulesSquences包中的cspade函数实现cSPADE算法
myrules <-  cspade(data_click_tran,parameter=list(support=0,maxlen=2),
             control=list(verbose=TRUE))

## 
## parameter specification:
## support :  0
## maxsize : 10
## maxlen  :  2
## 
## algorithmic control:
## bfstype  : FALSE
## verbose  :  TRUE
## summary  : FALSE
## tidLists : FALSE
## 
## preprocessing ... 1 partition(s), 0.56 MB [0.08s]
## mining transactions ... 0.16 MB [0.13s]
## reading sequences ... [0.57s]
## 
## total elapsed time: 0.78s

myrules <- sort(myrules,by="support") # 按照support进行排序
targetclick <- paste0(".*click=11034","[^//}]*//}>") # 设置规则表达式
finalrules <-myrules[grep(targetclick ,as(myrules,"data.frame")$sequence)]
inspect(finalrules[1:3]); # 查看序列的前三条

##    items             support 
##  1 <{click=11034}> 1.0000000 
##  2 <{click=11008},  
##     {click=11034}> 0.6791511 
##  3 <{click=11017},  
##     {click=11034}> 0.2769455 
##

序列2中的<{click=11008},{click=11034}>表示点击行为顺序是从11008(从新手场进入玩牌房间)到11034(开始玩牌),支持度为0.679。

最后，筛选关键点击按钮，衡量其对11034的贡献度。首先计算各点击事件支持度的百分比，并使用cumsum（）函数计算支持度support的累计百分比，并把累计百分比达到75%以上的点击事件作为引导用户点击玩牌11034的重要事件触发点。并利用recharts包的echartr函数绘制垂直的金字塔图。

# 绘制支持度占比的垂直金子塔图
library(reshape)
md <- melt(result,id="click") # 对result数据进行重组
md$value[md$variable == "conf"] <- -md$value[md$variable == "conf"]/3 
md <- md[order(md$variable,decreasing=T),] # 按照variable变量进行降序排序
# 绘制垂直金字塔图
library(recharts)
echartr(md,click,value,variable,type="vbar",subtype="stack") %>%
        setTitle("引导用户进入开始打牌11034的重点事件id分析") %>%
        setXAxis(axisLine=list(onZero=TRUE)) %>%
        setYAxis(axisLabel=list(
                 formatter=JS('function (value) {return Math.abs(value);}')))

主要结论：11008是为按钮11034的点击贡献最大的引流按钮，support占比为19.5%，接近全部引流按钮的五分之一。

Part 2：付费用户深度挖掘

针对游戏付费用户常用的深度挖掘手段如下图所示：

LTV预测法是根据玩家的前期付费能力预测未来一段时间的用户生命周期价值，这在市场做广告投放时候有很大的参考意义。玩家物品购买的关联分析和社群发现，可以发现不同物品间的关系，从而可以进行物品捆绑销售策略的建议。基于玩家物品的智能推荐是利用物品的协同过滤方法对每一个玩家的购物可能进行推荐，从而实现个性化推荐，这个在现在的电商、互联网是非常流行的做法。

从数据库中导出一份关于玩家物品购买数据，包括用户id、商品名称和购买数量三个变量。前六行如下：

##   player_id product_name qty
## 1 107204535   感恩大礼包   1
## 2 107204535     新手礼包   1
## 3 213666611      8条钥匙   1
## 4 226500629  0.1元大礼包   1
## 5 226500629      8条钥匙   1
## 6 226500629   限量版角色   1

1）现在，希望利用arules包中的apriori算法对上面的数据进行关联规则发现。此时，需要把数据转化成事务型数据。代码如下：

# 利用cast函数对数据进行重组
library(reshape)
data_matrix <- cast(data,player_id~product_name)

## Using qty as value column.  Use the value argument to cast to override this choice

# 查看前三行五列数据
data_matrix[1:3,1:5]

##   player_id 0.1元大礼包 10块滑板 15000金币 15元大礼包
## 1 107204535          NA       NA        NA         NA
## 2 213666611          NA       NA        NA         NA
## 3 226500629           1       NA        NA         NA

# 进行替换，将NA转化为0，其他数字为1
data_matrix_new <- apply(data_matrix[,-1],2,function(x) {ifelse(is.na(x),0,1)})
# 对矩阵行名称、列名称进行赋值
data_matrix_new <- matrix(data_matrix_new,nrow=dim(data_matrix_new)[1],
                          ncol=dim(data_matrix_new)[2],
                          dimnames = list(data_matrix[,1],colnames(data_matrix)[-1]))
# 查看前三行五列数据
data_matrix_new[1:3,1:5]

##           0.1元大礼包 10块滑板 15000金币 15元大礼包 1条钥匙
## 107204535     0        0         0          0       0
## 213666611     0        0         0          0       0
## 226500629     1        0         0          0       0

# 利用as函数将矩阵转换成事务型
library(arules)
data_class <- as(data_matrix_new,"transactions")
inspect(data_class[1:6]) # 查看前六条交易记录

##     items                            transactionID
## [1] {感恩大礼包,新手礼包}            107204535    
## [2] {8条钥匙}                        213666611    
## [3] {0.1元大礼包,8条钥匙,限量版角色} 226500629    
## [4] {38000金币,限量版角色,新手礼包}  230329140    
## [5] {50条钥匙}                       264162836    
## [6] {15000金币,70000金币,快速复活}   278620434

现在，可以利用aurles进行关联规则分析和利用aurlesViz包进行规则可视化。

# 建立关联规则rules
library(arules)
rules <- apriori(data_class,parameter=list(support=0.005,confidence=0.1,minlen=2,target="rules"))

## Apriori
## 
## Parameter specification:
##  confidence minval smax arem  aval originalSupport maxtime support minlen
##         0.1    0.1    1 none FALSE            TRUE       5   0.005      2
##  maxlen target   ext
##      10  rules FALSE
## 
## Algorithmic control:
##  filter tree heap memopt load sort verbose
##     0.1 TRUE TRUE  FALSE TRUE    2    TRUE
## 
## Absolute minimum support count: 31 
## 
## set item appearances ...[0 item(s)] done [0.00s].
## set transactions ...[26 item(s), 6252 transaction(s)] done [0.00s].
## sorting and recoding items ... [21 item(s)] done [0.00s].
## creating transaction tree ... done [0.00s].
## checking subsets of size 1 2 3 done [0.00s].
## writing ... [48 rule(s)] done [0.00s].
## creating S4 object  ... done [0.00s].

# 对关联规则进行可视化
rules_lift <- subset(rules,subset=lift>2)
library(arulesViz)
plot(rules_lift,method="grouped") #绘制分组矩阵

由图可知，{超值大礼包} & {新手礼包}说明这两条规则的提升度最大；{解锁滑板} & {限量版角色}圆圈最大，说明这两条规则的支持度最大。

2）最后，让我们用recommenderlab对玩家购买道具进行智能推荐。在构建模型之前，我们需要将数据转换为评分矩阵。

library(recommenderlab)
# 将矩阵转化为binaryRatingMatrix对象
data_class <- as(data_matrix_new,"binaryRatingMatrix")
as(data_class,"matrix")[1:3,1:5] #显示部分物品购买情况

##           0.1元大礼包 10块滑板 15000金币 15元大礼包 1条钥匙
## 107204535   FALSE    FALSE     FALSE      FALSE   FALSE
## 213666611   FALSE    FALSE     FALSE      FALSE   FALSE
## 226500629    TRUE    FALSE     FALSE      FALSE   FALSE

选择IBCF建立推荐模型，对玩家进行top3推荐。

#选择IBCF作为最优模型
model.best <- Recommender(data_class,method="IBCF")
# 使用precict函数，对玩家进行Top3推荐
data.predict <- predict(model.best,newdata=data_class,n=5)
recom3 <- bestN(data.predict,3)
as(recom3,"list")[1:5] #查看前五个玩家的top3推荐

## $`107204535`
## [1] "超值大礼包" "3000金币"   "超级大礼包"
## 
## $`213666611`
## [1] "15000金币" "20条钥匙" 
## 
## $`226500629`
## [1] "解锁滑板" "双倍金币" "特殊滑板"
## 
## $`230329140`
## [1] "超值大礼包" "解锁滑板"   "双倍金币"  
## 
## $`264162836`
## [1] "70000金币" "20条钥匙"  "15000金币"