アプリデータの分析

ここでは、アプリデータの分析例として、ゲームアプリのハイスコアの状況分析を行う場合を示します。

解析例

この例では、ユーザーのハイスコア保存用に次のような KiiObject を利用しているものとします。

{ "Score" : 100, "Level" : "Easy" , "AppVersion" : 1 }

  • キー "Score" は、ユーザーのスコアを整数値として保存
  • キー "Level" は、ユーザーのレベル("Easy"、"Normal"、"Hard")を文字列として保存
  • キー "AppVersion" は、アプリのバージョン(1、2、3、...)を整数値として保存

ユーザーのゲームプレイ状況を把握するために、以下の 2つのメトリクスによって分析を行うものとします。

  • メトリクス #1:"Score" の平均値を、"Level""AppVersion" ごとに評価
  • メトリクス #2:データ総数(アップロードされたハイスコアデータの総数)を "Score""Level" および "AppVersion" ごとに評価

データ例と期待される結果

期待される実行例を以下に示します。

モバイルアプリからは、1 月 1 日からの 4 日間にわたって以下のような KiiObject の操作が行われたとします。

このとき、メトリクス #1("Score" の平均値)、および、"Level" と "AppVersion" によるディメンションごとの集計結果は、以下のようになることが期待されます。

分析元のデータでは 1 月 3 日に ObjectID = 1000 のスコアが更新されていますが、グラフではその更新も取り込まれて平均値が計算されています。

"Level" によるディメンションでは、"Easy"、"Normal"、"Hard" の値ごとに "Score" の平均値を計算してグラフ化します。同様に、"AppVersion" によるディメンションでは 1、2 の値ごとに "Score" の平均値を計算します。

また、メトリクス #2(データの件数)、および、"Score"、"Level"、"AppVersion" によるディメンションごとに集計すると、以下のような結果になることが期待されます。

メトリクス #1 と同様、値ごとに分類されますが、"Score" による分類の結果にはご注意ください。"Score" による分類でも、0~9、10~19、20~29 などの階級値ではなく、値そのものを使って分類されているため、結果はすべて 1 件となっています。さらに多くのデータを使って分類すると、値の種類が分類しきれないほど多くなるため、ほとんどが "その他" として分類されます。この現象の対処方法は、階級の設定 を参照してください。

設定手順

上記のような分析を行う基本的なステップは以下のとおりです。

  1. メトリクスを定義する
  2. 開発者ポータルで分析結果を確認する