运营人员如何有效的分析玩家诉求：词云分析.pdfVIP

运营人员如何有效的分析玩家诉求：词云分析 在实际游戏运 营工作中，游戏从业人员除了关注游戏体验，游戏各系统设计，运营活动，游戏数据表现等等以外，玩家反馈及玩家诉求也是 各位同行重点关注的内容。时下这种客服机制难以支撑运营策划人员了解玩家诉求的需求；由于玩家抵触性，运营成本受限， 地域受限，时间受限等等原因，运营策划人员也难以通过自身主动了解来满足这一需求。Fish 旨在介绍一种简便的方法（词云 分析）有效的解决这一困境，不单单让玩家体验游戏，也能更好的让玩家诉求成为游戏版本策划，运营活动策划的考虑因素。 1、问题背景 从玩家评论中，获得玩家诉求中的关键词，进而了解玩家情感，玩家需求。借助 Python 强大的爬虫模块（urllib2Tornado ）， 抓取9 游上海岛奇兵的玩家评论数据（1000 条）。 简单代码如下： #!/usr/bin/python #coding:utf-8 import tornado.httpclient import re import pandas as pd import sys reload(sys) sys.setdefaultencoding(‘utf8′) comment_utf8 = [] url=’/tpl/pc/common/commentajax.html?count=1000total=10003gameid=539038platform_id=2offs et=20isAjax=1′ http_header = {‘User-Agent’:’Chrome’} http_request = tornado.httpclient.HTTPRequest(url=url,method=’GET’,heade rs=http_header) http_client = tornado.httpclient.HTTPClient() http_response = http_client.fetch(http_request) body = http_response.body commentId=pile(‘li commentId \”(.*)\”’).findall(body) comment_time=pile(‘span class \”time\”(.*)\/span’).findall(body) comment=pile(‘p class \”text\”(.*)\/p’).findall(body) for item in comment: item.decode(‘utf8′) comment_utf8.append(item) result = pd.DataFrame([commentId,comment_time,comment]).T print result result.to_csv(r’C:\ Users\Administrato r\ Desktop\fish\short.csv’) 2、数据简单描述 利用 R 强大的描述统计能力，获得近期玩家评论趋势。 由上图可见，海岛奇兵的评论数每天保持在20 以上，说明这款游戏在上线将近一年之后仍保持这玩家高关注度。 借助强大的数据分析语言 R，及其丰富的统计分析工具包，进行文本分词及词云分析，此处会使用到 Rwordseg 包及wordcloud 包。安装这两个包还是挺麻烦的，如果有兴趣的同学遇到什么麻烦可以加入 Gamedatas 游戏分析群）咨询Fish 。 部分R 代码如下： f_cut - function(x) { library(Rwordseg) unlist(strsplit(segmentCN(x, nature = T), ” “)) } word_cut - function(x, n = 1) { x - gsub(“[a-z]|\\.”, “”, x) x[nchar(x) n] } comment.words - lapply(comment, f_cut) words - lapply(comment.words, word_cut, 1) # 去掉words 词汇量为0 的文本 cw.len - unlist(lapply(words, length)) short2 - short[cw.len 0, ] words2 - words[cw.len 0] cw.len