案例来源：@深极智能
1. 目标：针对K游戏数据，预测玩家留存情况，并找出影响留存的因素
2. 数据：玩家id，动作，动作时间戳，玩家关键属性（金币、装备、等级等）
3. 数据清洗：
1）剔除操作数<16的玩家，这类对游戏题材不感兴趣，非目标用户
2）剔除冷门动作信息（在这里绝大部分冷门动作信息是玩家固有的聊天动作）
4. 特征工程：
1）动作特征：以词袋法处理，做tf-idf化
2）动作平均间隔：所有动作间间隔的平均值（由于剔除掉了极端值，所以这里采用平均值是合理的）。平均间隔低，说明连贯性好，用户操作熟练
3）动作间隔最大值：反映了操作卡点，该值大，很可能是游戏优化不好卡住了
4）某特征平均增长速度（特征指的是用户等级、金币、装备等）：玩家对游戏的熟悉程度，以及投入程度
5）某特征最大值、最小值：玩家的获得感知和失落感知程度
6）特征变化次数：玩家在游戏中的活跃程度
7）玩家基本属性：是不是vip账号等
5. 分类器：xgboost
1）对于留存玩家：准确率72%，召回率60%
2）对于流失玩家：准确率74%，召回率85%
6. 分析
1）首日流失分析
a. 玩家行为特征：首先用xgb的feature_importance找出重要动作特征，然后分析留存/流失玩家在该行为上的差异。如留存玩家点击“明日领取”的平均次数是非留存玩家的6倍（表中C是玩家数，D是点击该动作后流失玩家的数量，E是留存玩家点击该动作的平均次数/流失玩家点击该动作的平均次数）
b. 玩家关键属性：可以看到流失玩家的上手难度大于留存玩家
2）次日流失分析
a. 玩家行为分析：同上文，注意到“好友提示”等动作，游戏满足的需求是娱乐与社交
b. 玩家关键属性：同上文分析方式
3）卡点分析：计算卡顿时间与留存率之间的相关性，仅0.09，说明卡顿的影响不大，或者说明游戏没有存在明显影响玩家体验的卡顿
7. 待提升点
1）要剔除游戏强制引导的动作
2）动作间的关联没有考虑
————————————————————
思考：
1. 本案例的思路过程很清晰，大致过程是：
1）根据业务理解预设一些特征，将日志中的信息引入到模型中
2）建立树模型，通过树模型分辨特征的重要程度
3）对于重要特征，分析留存/流失用户在该特征上的差异，思考差异原因，提出优化改进
2. 进一步思考，树模型除了识别特征的重要性，还能识别特征的关联性（如“男-三十岁-游戏时间短-充值”），特征关联性可以从树的叶节点得到。分析树的分类路径是否也能帮助我们带来更多洞察？
3. 引入的特征空间是我们模型的上限，我们最后的分析也只能针对一开始引入的特征。如果才采用能自己抽取特征的模型（神经网络、自动编码机），就可以避免我们先验知识不够带来的特征抽取不够问题，但是这类特征又应该如何解读？