Loading Packages

ابتدا پکیج های موردنیاز را لود میکنیم: 
#install.packages("readxl")
library(readxl)
library(tidyverse)
library(plotly)

Importing Data

سپس دیتا را ایمپورت کرده و پریویو میکنیم: 
data <- read_excel("SampleData.xlsx")
glimpse(data)
## Rows: 15
## Columns: 8
## $ Country             <chr> "Germany", "France", "United States", "Russia", "M~
## $ `Cost ($)`          <dbl> 213.5, 200.3, 197.8, 157.8, 63.5, 61.7, 56.5, 53.5~
## $ `Paid New Users`    <dbl> 2885, 3236, 1306, 6058, 3368, 1322, 2204, 2657, 10~
## $ `Total New Users`   <dbl> 3509, 4158, 3539, 9512, 5054, 1476, 2833, 5556, 11~
## $ `Total Users`       <dbl> 3869, 4674, 4591, 11166, 6017, 1528, 3090, 6664, 1~
## $ `Sessions per User` <dbl> 2.5, 2.7, 3.2, 2.9, 2.8, 2.3, 3.3, 3.2, 2.3, 2.9, ~
## $ `Revenue ($)`       <dbl> 263.7, 206.9, 968.7, 163.5, 58.0, 66.0, 51.3, 109.~
## $ `eCPM ($)`          <dbl> 3.00, 1.80, 5.70, 0.75, 0.75, 2.50, 1.50, 0.74, 2.~
head(data)
## # A tibble: 6 x 8
##   Country       `Cost ($)` `Paid New Users` `Total New Users` `Total Users`
##   <chr>              <dbl>            <dbl>             <dbl>         <dbl>
## 1 Germany            214.              2885              3509          3869
## 2 France             200.              3236              4158          4674
## 3 United States      198.              1306              3539          4591
## 4 Russia             158.              6058              9512         11166
## 5 Mexico              63.5             3368              5054          6017
## 6 Belgium             61.7             1322              1476          1528
## # ... with 3 more variables: Sessions per User <dbl>, Revenue ($) <dbl>,
## #   eCPM ($) <dbl>

Data Transformation

در این گزارش فرض شده است که ستون Cost به معنای هزینه انجام شده توسط ناشر برای تبلیغات و افزایش تعداد نصب بازی بوده و همچنین ستون Paid New Users تعداد کاربرانی را نشان میدهد که اشتراک VIP را خریداری کرده اند.
حالت دیگری که میشد برداشت کرد این بود که paid new users تعداد کاربرانی است که از چنل های تبلیغاتی و با صرف هزینه به دست آمده اند و بقیه مستقیم بازی را دانلود کرده اند که این حالت غیر محتمل به نظر آمد. حالا شاخص های موردنظر را برای هر کشور به دیتا اضافه می کنیم(با فرض این که تمام هزینه انجام شده توسط ناشر صرف تبلیغات شده است.):

data <- data %>% 
        mutate(CPI = round(`Cost ($)`/`Paid New Users`,3),
               ARPU = round(`Revenue ($)`/`Total Users`,3),
               Potential_users = round(`Cost ($)`/`eCPM ($)`*1000,0),
               IPM = round(`Total New Users`/Potential_users*1000,0)) 
        
data[data$Country == "United Kingdom",]$IPM <- NA

Exploratory Data Analysis

یکی از شاخص های مهمی که در اینجا موجب تمایز بین عملکرد بازی در کشورهای مختلف می شود شاخص IPM است. در نمودار زیر می توان دید که انجام تبلیغات در کدام کشورها با توجه به این شاخص تاثیر بیشتری داشته است: 
g <- ggplot(data, aes(x=reorder(Country, -IPM), y = IPM, fill=Country)) +
        geom_bar(stat = 'identity') +
        theme(axis.text.x = element_text(angle = 45, vjust = 0.5, hjust=1)) +
        xlab("Country") +
        ggtitle("IPM by Country") +
        theme(legend.position = "none") +
        theme(plot.title = element_text(hjust = 0.5)) +
        geom_hline(yintercept = 60, linetype='dashed',color='red')
ggplotly(g)
با توجه به نمودار بالا میتوان متوجه شد که کشورهای ژاپن، امریکا، برزیل، عربستان و سوئد تاثیرپذیری بالایی از تبلیغات داشته اند و تبلیغات منجر به حد قابل قبولی از نصب بازی شده است. برای بهبود این مقدار در دیگر کشورها باید دستورات دیگری را در پی گرفت از جمله تغییر جزئی در محتوای تبلیغات ان ها و localization و یا این که کاربران مربوط به آن ها را دیگر تارگت نکنیم. بریتانیا در اینجا کیس خاصی است چون که به دلیل 0 بودن مقدار هزینه در این کشور دیتای قابل استفاده ای از ان در این بخش نداریم که دلیل آن یا اشتباه در واردکردن دیتا بوده است و یا این که خرجی برای تبلیغات برای کاربران این کشور انجام نشده است. برای اصلاح این مورد راه حل اول پیگیری از مسئول مربوطه است تا متوجه شویم آیا دیتا به درستی در این فایل وارد شده و پس از آن هم استفاده از KNN برای پرکردن مقادیری که برای بریتانیا صفر وارد شده است.
در این بخش دو نمودار مربوط به سهمهای مربوط به درآمد و تعداد کاربران بر اساس کشور آن ها میکنیم: 
data$user_frac <- data$`Total Users`/sum(data$`Total Users`)
data$ymax <- cumsum(data$user_frac)
data$ymin <- c(0,head(data$ymax, n=-1))

ggplot(data, aes(ymax=ymax, ymin=ymin, xmax=4, xmin=3, fill=Country)) +
        geom_rect() +
        coord_polar(theta="y") + 
        xlim(c(2, 4)) +
        ggtitle("Total number of users by country") +
        theme_void() +
        theme(plot.title = element_text(hjust = 0.5)) 

data$rev_frac <- data$`Revenue ($)`/sum(data$`Revenue ($)`)
data$ymax <- cumsum(data$rev_frac)
data$ymin <- c(0,head(data$ymax,n=-1))

ggplot(data, aes(ymax=ymax, ymin=ymin, xmax=4, xmin=3, fill=Country)) +
        geom_rect() +
        coord_polar(theta="y") + 
        xlim(c(2, 4)) +
        ggtitle("Total revenue by country") +
        theme_void() +
        theme(plot.title = element_text(hjust = 0.5))

data <- data %>% select(-c(ymax,ymin,user_frac,rev_frac))
با استفاده از این نمودارها میتوان متوجه شد که بخش قابل توجهی از درآمد از چند کشور خاص به دست می آید. در نمودار بعدی این مورد واضح تر دیده می شود. مقدار تجمعی درآمد در کنار مقدار درآمد مرتبط به هر کشور در نمودار بعد آورده شده است. 
data <- data %>% arrange(-`Revenue ($)`)
data$Country <- factor(data$Country, levels = data$Country)
data$cum <- cumsum(data$`Revenue ($)`)

g <- ggplot(data, aes(x=data$Country)) +
        geom_bar(aes(y=data$`Revenue ($)`), fill='blue', stat="identity") +
        geom_point(aes(y=data$cum), color = rgb(0, 1, 0), pch=16, size=1) +
        geom_path(aes(y=data$cum, group=1), colour="slateblue1", lty=3, size=0.9) +
        theme(axis.text.x = element_text(angle=45, vjust=0.6)) +
        labs(title = "Pareto chart for revenue by country", x = 'Country', y ='Revenue') +
        theme(plot.title = element_text(hjust = 0.5))

ggplotly(g)
با مشاهده این نمودار متوجه می شویم که تنها با تمرکز بر روی بازار کشورهای امریکا، آلمان، فرانسه، روسیه، بریتانیا، کانادا و برزیل 80 درصد از درآمد را خواهیم داشت و بخش قابل توجهی از آن هم صرفا متعلق به امریکا است. 
g <- ggplot(data, aes(x=reorder(Country, CPI), y = CPI, fill=Country)) +
        geom_bar(stat = 'identity') +
        theme(axis.text.x = element_text(angle = 45, vjust = 0.5, hjust=1)) +
        xlab("Country") +
        ggtitle("CPI by Country") +
        theme(legend.position = "none") +
        theme(plot.title = element_text(hjust = 0.5)) +
        geom_hline(yintercept = 0.3, linetype='dashed',color='green') +
        geom_hline(yintercept = 0.4, linetype='dashed',color='red')
ggplotly(g)
## Warning: Removed 1 rows containing missing values (position_stack).
همانطور که در نمودار هم دیده می شود همه کشورها از نظر شاخص عملکردی CPI در وضعیت مساعدی قرار دارند.

Conclusion

با توجه به مطالعات انجام شده بر روی دیتاست داده شده نتایج زیر به دست آمده است:
  • کشور ژاپن با وجود IPM بالا سهم کمی در درآمد ما دارد و به همین منظور باید تمرکز بیشتری بر این بازار دارای پتانسیل انجام دهیم و تبلیغات بیشتری را با هدف مخاطب ژاپنی ارائه دهیم. کشورهای عربستان و سوئد نیز وضعیتی شبیه به ژاپن ولی با شدت کمتر دارند.
  • تفاوتهای موجود بین کشورها در شاخص های CPI و CPA ناچیز بوده و همگی در سطح مطلوب قرار دارند و اطلاعات افزوده ای برای ایجاد تمایز بین کشورها نمی دهند اما این موضوع را نشان می دهند که تبلیغات ما در همه کشورهای مقصد موثر بوده است و هزینه انجام شده برای نصب یا خرید اشتراک بازی در مقایسه با میانگین بازار مناسب است.
  • کشورهای امریکا، آلمان، فرانسه، روسیه و بریتانیا بیشترین سهم را در درآمد بازی به خود اختصاص داده اند و باید برای حفظ آن ها در همین شرایط تلاش بیشتری کنیم و احتمال آن هم وجود دارد که بازیهای ما در این کشورها نزدیک به نقطه اشباع خود شده باشند که این موضوع هم وارد کردن ایده های جدید به بازار را طلب می کند.
  • اطلاعات موجود راجع به بریتانیا مشکوک است و برای اظهار نظر دقیق تر در مورد وضعیت بازی در این کشور نیازمند تایید صحت دیتای موجود هستیم.
  • با داشتن دیتای زمانی مربوط به بازی می توان راجع به life cycle محصول هم نظراتی را داد که در اینجا امکان پذیر نیست.