CN105138851A - 一种游戏健康度分析方法及装置 - Google Patents

Abstract

本发明实施例提供一种游戏健康度分析方法及装置，其中的方法可包括：对目标游戏健康度建立递阶层次结构；在所述递阶层次结构中，针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵；获取所述递阶层次结构中底层的各个因素对应的量化值；根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度。本发明可采用递阶层次结构对目标游戏的健康度进行系统分析，分析结果准确、客观。

Description

一种游戏健康度分析方法及装置

技术领域

本发明涉及数据分析技术领域，具体涉及一种游戏健康度分析方法及装置。

背景技术

游戏发行线和游戏研发线在游戏上线后，要客观评价游戏是否表现健康，通常采用游戏健康度进行评价表示。当获取游戏健康度后即可以根据评价结果采用不同的运营和研发策略。目前手游发行侧或工作室对接入或研发的游戏的健康度评价方法如下：健康度满分100分；

健康度得分＝收入类得分＊收入类权重+用户类得分＊用户类权重。

收入类得分＝收入得分＊收入权重+付费渗透率得分＊付费渗透率权重+付费用户人均付费(ARPU-AverageRevenuePerUser，ARPPU)得分＊ARPPU权重；

用户类得分＝日活跃得分＊日活跃权重+次日登陆得分＊次日登陆权重+登录比得分＊登录比权重；

其中，各项指标得分＝各项指标当前测量值比该指标的历史均值，得分权重人工制定并分配。

这种游戏健康度分析方法比较单一，指标选择并不完善，不能系统评价游戏健康的各个方面。

发明内容

本发明实施例提供一种游戏健康度分析方法及装置，可采用递阶层次结构对目标游戏的健康度进行系统分析，分析结果准确、客观。

本发明第一方面提供一种游戏健康度分析方法，可包括：

对目标游戏健康度建立递阶层次结构，所述递阶层次结构按照与所述目标游戏健康度关联的各个因素之间的隶属度关系和关联程度建立，所述递阶层次结构包括底层和非底层；

在所述递阶层次结构中，针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵，所述比较判断矩阵用于表示所述目标因素所支配的多个因素对于所述目标因素的相对重要度；

获取所述递阶层次结构中底层的各个因素对应的量化值；

根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度。

本发明第二方面提供一种游戏健康度分析装置，可包括：

建立模块，用于对目标游戏健康度建立递阶层次结构，所述递阶层次结构按照与所述目标游戏健康度关联的各个因素之间的隶属度关系和关联程度建立，所述递阶层次结构包括底层和非底层；

第一获取模块，用于在所述递阶层次结构中，针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵，所述比较判断矩阵用于表示所述目标因素所支配的多个因素对于所述目标因素的相对重要度；

第二获取模块，用于获取所述递阶层次结构中底层的各个因素对应的量化值；

计算模块，用于根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度。

实施本发明实施例，具有如下有益效果：

本发明实施例，对目标游戏健康度建立递阶层次结构，在递阶层次结构中，针对非底层的每个目标因素，获取该目标因素对应的比较判断矩阵，获取递阶层次结构中底层的各个因素对应的量化值，根据该量化值和各个目标因素对应的比较判断矩阵，计算目标游戏的健康度。这种游戏健康度分析方法利用递阶层次结构对游戏健康度进行系统分析，分析结果准确、客观。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种游戏健康度分析方法的流程图；

图2为本发明实施例提供的另一种游戏健康度分析方法的流程图；

图3为本发明实施例提供的一种生命周期与标度大小关系图；

图4为本发明实施例提供的一种标度表的示意图；

图5为本发明实施例提供的一种游戏健康度分析装置的结构示意图；

图6为本发明实施例提供的一种第二获取模块的结构示意图；

图7为本发明实施例提供的一种计算模块的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面将结合附图1-附图4，对本发明实施例提供的游戏健康度分析方法进行详细介绍。

请参照图1，为本发明实施例提供的一种游戏健康度分析方法的流程图；该方法可包括以下步骤S100-步骤S103。

S100，对目标游戏健康度建立递阶层次结构，所述递阶层次结构按照与所述目标游戏健康度关联的各个因素之间的隶属度关系和关联程度建立，所述递阶层次结构包括底层和非底层；

本发明实施例中，目标游戏的健康度用于表示该目标游戏的存在价值，若该目标游戏的健康度低，则说明该目标游戏存在异常情况需要进行相应的调整，例如异常情况可能是目标游戏的收入偏低造成，或者是用户规模较小造成。若是用户规模较小造成，则说明喜欢该目标游戏的用户较少，该目标游戏处于不健康状态。

在对目标游戏的健康度进行分析时，本发明实施例采用传统的递阶层次结构进行分析，对目标游戏健康度建立递阶层次结构，将与目标游戏健康度关联的各个因素按照隶属度关系以及关联程度建立层次架构，如下表所示，将递阶层次结构划分为目标层、特性层、属性层以及指标层。目标层为该层次结构的第一层，即是目标游戏的健康度；特性层为该层次结构的第二层，将影响该目标游戏的健康度的因素划分为用户因素和收入因素，用户因素和收入因素隶属于该目标游戏的健康度；属性层为该层次结构的第三层，将用户因素进一步细化分为五个属性因素(分别为：用户规模、变化率、用户粘度、用户构成以及用户比率)，这五个属性因素隶属于用户因素；在属性层中，将收入因素进一步细化分为七个属性因素(分别为：付费流水、付费变化率、付费用户规模、付费用户结构、付费广度、付费深度以及付费比率)，这七个属性因素隶属于收入因素。指标层为该层次结构的第四层，也即是该层次结构的底层，指标层包括多个指标因素，各个指标因素均隶属于属性层的属性因素。

下表即是本发明实施例所建立的递阶层次结构示意图，如下表所示，以属性层的用户规模为例进行说明，指标层的MAU/WAU、DAU、PCU、ACU隶属于用户规模属性因素，其他的就不再一一举例说明。

对上述指标层中各个指标因素定义说明与解释

S101，在所述递阶层次结构中，针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵，所述比较判断矩阵用于表示所述目标因素所支配的多个因素对于所述目标因素的相对重要度；

本发明实施例中，在建立递阶层次结构后，上下层因素间的隶属关系就被确定了。对于非底层的每个目标因素，确定该目标因素所支配的多个因素对于该目标因素的相对重要度，从而获取该目标因素的比较判断矩阵，比较判断矩阵为正负反矩阵，该目标因素所支配的多个因素隶属于该目标因素。如下表所示，即是根据目标游戏的健康度所支配的用户因素和收入因素所制定的比较判断矩阵，该矩阵即是目标游戏的健康度所对应的比较判断矩阵，在制定该正负反矩阵的过程中综合考虑了该目标游戏的当前生命周期以及该目标游戏的所属类别，目标游戏的所属类别可以是轻度休闲类型或者中重度的RPG游戏类别。

目标层	用户因素	收入因素
			用户因素	1	1/3
收入因素	3	1

在导出上述矩阵时，是通过两两比较法所确定的，即是对于目标游戏的健康度，收入因素比用户因素重要些，因此在上述收入因素与用户因素的比较中，赋予标度值为3，根据正负反矩阵特性，用户因素与收入因素的比较标度值为1/3，其他值为1。需要说明的是，在因素与因素之间比较时，所赋予的标度值可以参考图4的标度表进行确定。

同理，对于递阶层次结构中其它的非底层的目标因素也采用该方式建立比较判断矩阵。下面继续以建立用户因素的比较判断矩阵为例进行说明，下表为经过两两比较之后所确定的用户因素对应的比较判断矩阵：

采用上述方法分别建立用户因素对应的比较判断矩阵、收入因素对应的判断矩阵、用户规模对应的比较判断矩阵、变化率对应的比较判断矩阵、用户粘度对应的比较判断矩阵、用户构成对应的比较判断矩阵、用户比率对应的比较判断矩阵、付费流水对应的比较判断矩阵、付费变化率对应的比较判断矩阵等等。

S102，获取所述递阶层次结构中底层的各个因素对应的量化值；

本发明实施例中，对于递阶层次结构中指标层的各个指标因素，则是获取各个指标因素对应的量化值，某一个指标因素对应的量化值可以是该指标因素的当前实测值与该指标因素在当前游戏生命周期的均值之比。

S103，根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度。

本发明实施例中，获得各个目标元素对应的比较判断矩阵后，根据比较判断矩阵求出该目标因素所支配的各因素u1，u2，…,un对于目标元素准则的相对排序权重w1，w2，…，wn，确定该排序权重的过程称为单准则下的排序。需要说明的是，在递阶层次结构中对于每一层次做单准则排序时，均需要做一致性检验，若比较判断矩阵通过一致性检验，则该比较判断矩阵符合一致性要求，层次单排序结果有效可靠。

由于递阶层次结构底层的各个指标因素的数据类型是不一样的，因此让其参与运算之前需要先对其进行归一化处理，即是对底层因素的量化值进行归一化处理。根据进行归一化处理后的量化值以及各个目标因素对应的相对排序权重可以计算出该目标游戏的健康度。

本发明实施例，对目标游戏健康度建立递阶层次结构，在递阶层次结构中，针对非底层的每个目标因素，获取该目标因素对应的比较判断矩阵，获取递阶层次结构中底层的各个因素对应的量化值，根据该量化值和各个目标因素对应的比较判断矩阵，计算目标游戏的健康度。这种游戏健康度分析方法利用递阶层次结构对游戏健康度进行系统分析，分析结果准确、客观。

请参照图2，为本发明实施例提供的另一种游戏健康度分析方法的流程图；该方法可包括以下步骤S200-步骤S206。

S200，对目标游戏健康度建立递阶层次结构，所述递阶层次结构按照与所述目标游戏健康度关联的各个因素之间的隶属度关系和关联程度建立，所述递阶层次结构包括底层和非底层；

本发明实施例步骤S200请参照图1的实施例步骤S100，在此不再赘述。

S201，在所述递阶层次结构中，针对非底层的每个目标因素，根据所述目标游戏所属类别以及所述目标游戏当前生命周期，确定所述目标因素对应的比较判断矩阵。

本发明实施例中，在递阶层次结构中，确定各个目标因素对应的比较判断矩阵时，需要根据目标游戏所属类别以及目标游戏当前生命周期确定。如图3所示，当游戏处于生存和生长期时，比较判断矩阵中的用户因素标度高，因为这时候首要任务是更多的玩家玩。当游戏处于成熟期时，比较判断矩阵中用户因素和收入因素标度应均衡。因为此时用户增长已经趋于饱和，保持用户和保持收入同等重要。当游戏处于衰退其，比较判断矩阵中收入因素标度高。因为此时用户存在清洗，不忠实的玩家已经流失，转向其他新兴手游，留下来的玩家，更应该保证收入。因此，不同游戏生命周期，决定用户因素和收入因素的大小关系。

此外，目标游戏所属类别对目标因素的比较判断矩阵中标度大小也会有影响，比如休闲类游戏的品类，决定其普遍是高用户量，低收入的类型。所以，在选择比较判断矩阵的标度范围是，用户因素的标度数值可大些。

同理确定递阶层次结构中其它目标因素对应的比较判断矩阵时，同样需要考虑目标游戏当前生命周期以及目标游戏所属类别。

S202，获取所述递阶层次结构中指标层的各个指标因素对应的均值，所述均值为在所述目标游戏的当前生命周期中该指标因素的均值；

本发明实施例中，指标层的各个指标因素均用于评判目标游戏的各个指标，在目标游戏诞生开始，该指标因素即存在相应的测量值，为了能够评判准确客观，在本发明实施例中以目标游戏当前生命周期该指标因素的均值作为评判标准。

S203，测量所述目标游戏的各个指标因素的当前值，将所述当前值与对应的均值之间的比值确定为该指标因素对应的量化值。

本发明实施例中，测量该目标游戏各个指标因素的当前值，例如测量日登录游戏用户数量，然后将当前值与所获得的均值之间的比值确定为该指标因素对应的量化值。这样可以对不同的游戏生命周期计算适合该阶段的健康标准。

S204，根据各个所述指标因素对应的量化值以及所述指标因素隶属的属性因素对应的比较判断矩阵，计算所述属性因素的健康值；

本发明实施例中，对某个属性元素下的各个指标因素的量化值经过归一化处理后，选取该属性元素对应的比较判断矩阵，并根据比较判断矩阵求出该属性元素支配下各指标因素u1，u2，…,un对于属性因素准则C的相对排序权重w1，w2，…，wn，该过程称为单准则下的排序。具体的采用特征根方法，求得比较判断矩阵的最大特征值及其对应的特征向量后，对特征向量进行归一化，以得到最终的权重值排序。由于下层因素对上层因素的重要程度是人主观评价的，客观存在一定误差，因此，需要进行一致性检验。比较判断矩阵通过一致性检验后，则层次单排序结果有效可靠。

针对该属性因素所支配的各个指标因素的量化值计算该属性因素的健康值，下面以一个例子对计算方法进行说明，例如，属性因素的健康值＝80(第一指标因素经过归一化处理的值)*0.258(第一指标因素的权重值)+70(第二指标因素经过归一化处理后的值)*0.637(第二指标因素的权重值)+80(第三指标因素经过归一化处理后的值)*0.105(第三指标因素的权重值)＝73.63。

S205，根据各个所述属性因素的健康值以及所述属性因素隶属的因素所对应的比较判断矩阵，计算所述用户因素和所述收入因素的健康值；

本发明实施例中，各个属性因素隶属于递阶层次结构中特性层的用户因素或者收入因素，同理采用上述计算方法计算出用户因素支配下各个属性因素对于用户因素准则的相对排序权重，进行一致性检验，若检验通过，则单排序结果有效可靠，再采用上述计算方法计算出收入因素支配下各个属性因素对于收入因素准则的相对排序权重，进行一致性检验，若检验通过，则单排序结果有效可靠。分别根据用户因素的相对排序权重以及用户因素所支配的属性因素的健康值，计算用户因素的健康值，以及根据收入因素的相对排序权重以及收入因素所支配的属性因素的健康值，计算收入因素的健康值。

S206，根据所述用户因素和所述收入因素的健康值以及所述健康度对应的比较判断矩阵，计算所述目标游戏的健康度。

本发明实施例中，同理采用上述计算方法根据健康度对应的比较判断矩阵，计算出目标层健康度支配下用户因素和收入因素对于目标游戏健康度准则的相对排序权重，进行一致性检验，若检验通过，则单排序结果有效可靠。再根据收入因素的健康值、用户因素的健康值和相应的相对排序权重计算出目标游戏的健康度。

本发明实施例，对目标游戏健康度建立递阶层次结构，在递阶层次结构中，针对非底层的每个目标因素，获取该目标因素对应的比较判断矩阵，获取递阶层次结构中底层的各个因素对应的量化值，根据该量化值和各个目标因素对应的比较判断矩阵，计算目标游戏的健康度。这种游戏健康度分析方法利用递阶层次结构对游戏健康度进行系统分析，分析结果准确、客观。

下面将结合附图5-附图7，对本发明实施例提供的一种游戏健康度分析装置进行详细介绍。

请参阅图5，为本发明实施例提供的一种游戏健康度分析装置的结构示意图；该装置可包括：建立模块100、第一获取模块101、第二获取模块102以及计算模块103；

建立模块100，用于对目标游戏健康度建立递阶层次结构，所述递阶层次结构按照与所述目标游戏健康度关联的各个因素之间的隶属度关系和关联程度建立，所述递阶层次结构包括底层和非底层；

本发明实施例中，目标游戏的健康度用于表示该目标游戏的存在价值，若该目标游戏的健康度低，则说明该目标游戏存在异常情况需要进行相应的调整，例如异常情况可能是目标游戏的收入偏低造成，或者是用户规模较小造成。若是用户规模较小造成，则说明喜欢该目标游戏的用户较少，该目标游戏处于不健康状态。

在对目标游戏的健康度进行分析时，本发明实施例采用传统的递阶层次结构进行分析，建立模块100对目标游戏健康度建立递阶层次结构，将与目标游戏健康度关联的各个因素按照隶属度关系以及关联程度建立层次架构，如下表所示，将递阶层次结构划分为目标层、特性层、属性层以及指标层。目标层为该层次结构的第一层，即是目标游戏的健康度；特性层为该层次结构的第二层，将影响该目标游戏的健康度的因素划分为用户因素和收入因素，用户因素和收入因素隶属于该目标游戏的健康度；属性层为该层次结构的第三层，将用户因素进一步细化分为五个属性因素(分别为：用户规模、变化率、用户粘度、用户构成以及用户比率)，这五个属性因素隶属于用户因素；在属性层中，将收入因素进一步细化分为七个属性因素(分别为：付费流水、付费变化率、付费用户规模、付费用户结构、付费广度、付费深度以及付费比率)，这七个属性因素隶属于收入因素。指标层为该层次结构的第四层，也即是该层次结构的底层，指标层包括多个指标因素，各个指标因素均隶属于属性层的属性因素。

下表即是本发明实施例所建立的递阶层次结构示意图，如下表所示，以属性层的用户规模为例进行说明，指标层的MAU/WAU、DAU、PCU、ACU隶属于用户规模属性因素，其他的就不再一一举例说明。

对上述指标层中各个指标因素定义说明与解释

第一获取模块101，用于在所述递阶层次结构中，针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵，所述比较判断矩阵用于表示所述目标因素所支配的多个因素对于所述目标因素的相对重要度；

本发明实施例中，在建立递阶层次结构后，上下层因素间的隶属关系就被确定了。对于非底层的每个目标因素，第一获取模块101确定该目标因素所支配的多个因素对于该目标因素的相对重要度，从而获取该目标因素的比较判断矩阵，比较判断矩阵为正负反矩阵，该目标因素所支配的多个因素隶属于该目标因素。如下表所示，即是根据目标游戏的健康度所支配的用户因素和收入因素所制定的比较判断矩阵，该矩阵即是目标游戏的健康度所对应的比较判断矩阵，在制定该正负反矩阵的过程中综合考虑了该目标游戏的当前生命周期以及该目标游戏的所属类别，目标游戏的所属类别可以是轻度休闲类型或者中重度的RPG游戏类别。

目标层	用户因素	收入因素
			用户因素	1	1/3
收入因素	3	1

在导出上述矩阵时，是通过两两比较法所确定的，即是对于目标游戏的健康度，收入因素比用户因素重要些，因此在上述收入因素与用户因素的比较中，赋予标度值为3，根据正负反矩阵特性，用户因素与收入因素的比较标度值为1/3，其他值为1。需要说明的是，在因素与因素之间比较时，所赋予的标度值可以参考图4的标度表进行确定。

同理，对于递阶层次结构中其它的非底层的目标因素也采用该方式建立比较判断矩阵。下面继续以建立用户因素的比较判断矩阵为例进行说明，下表为经过两两比较之后所确定的用户因素对应的比较判断矩阵：

采用上述方法分别建立用户因素对应的比较判断矩阵、收入因素对应的判断矩阵、用户规模对应的比较判断矩阵、变化率对应的比较判断矩阵、用户粘度对应的比较判断矩阵、用户构成对应的比较判断矩阵、用户比率对应的比较判断矩阵、付费流水对应的比较判断矩阵、付费变化率对应的比较判断矩阵等等。

具体可选的，所述第一获取模块101具体用于针对非底层的每个目标因素，根据所述目标游戏所属类别以及所述目标游戏当前生命周期，确定所述目标因素对应的比较判断矩阵。

本发明实施例中，在递阶层次结构中，第一获取模块101确定各个目标因素对应的比较判断矩阵时，需要根据目标游戏所属类别以及目标游戏当前生命周期确定。如图3所示，当游戏处于生存和生长期时，比较判断矩阵中的用户因素标度高，因为这时候首要任务是更多的玩家玩。当游戏处于成熟期时，比较判断矩阵中用户因素和收入因素标度应均衡。因为此时用户增长已经趋于饱和，保持用户和保持收入同等重要。当游戏处于衰退其，比较判断矩阵中收入因素标度高。因为此时用户存在清洗，不忠实的玩家已经流失，转向其他新兴手游，留下来的玩家，更应该保证收入。因此，不同游戏生命周期，决定用户因素和收入因素的大小关系。

此外，目标游戏所属类别对目标因素的比较判断矩阵中标度大小也会有影响，比如休闲类游戏的品类，决定其普遍是高用户量，低收入的类型。所以，在选择比较判断矩阵的标度范围是，用户因素的标度数值可大些。

同理确定递阶层次结构中其它目标因素对应的比较判断矩阵时，同样需要考虑目标游戏当前生命周期以及目标游戏所属类别。

第二获取模块102，用于获取所述递阶层次结构中底层的各个因素对应的量化值；

本发明实施例中，对于递阶层次结构中指标层的各个指标因素，第二获取模块102则是获取各个指标因素对应的量化值，某一个指标因素对应的量化值可以是该指标因素的当前实测值与该指标因素在当前游戏生命周期的均值之比。

可选的，如图6所示，第二获取模块102可以包括获取单元1020和测量单元1021；

获取单元1020，用于获取所述递阶层次结构中指标层的各个指标因素对应的均值，所述均值为在所述目标游戏的当前生命周期中该指标因素的均值；

本发明实施例中，指标层的各个指标因素均用于评判目标游戏的各个指标，在目标游戏诞生开始，该指标因素即存在相应的测量值，为了能够评判准确客观，在本发明实施例中以目标游戏当前生命周期该指标因素的均值作为评判标准。

测量单元1021，用于测量所述目标游戏的各个指标因素的当前值，将所述当前值与对应的均值之间的比值确定为该指标因素对应的量化值。

本发明实施例中，测量单元1021测量该目标游戏各个指标因素的当前值，例如测量日登录游戏用户数量，然后将当前值与所获得的均值之间的比值确定为该指标因素对应的量化值。这样可以对不同的游戏生命周期计算适合该阶段的健康标准。

计算模块103，用于根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度。

本发明实施例中，获得各个目标元素对应的比较判断矩阵后，计算模块103根据比较判断矩阵求出该目标因素所支配的各因素u1，u2，…,un对于目标元素准则的相对排序权重w1，w2，…，wn，确定该排序权重的过程称为单准则下的排序。需要说明的是，在递阶层次结构中对于每一层次做单准则排序时，均需要做一致性检验，若比较判断矩阵通过一致性检验，则该比较判断矩阵符合一致性要求，层次单排序结果有效可靠。

由于递阶层次结构底层的各个指标因素的数据类型是不一样的，因此让其参与运算之前需要先对其进行归一化处理，即是对底层因素的量化值进行归一化处理。根据进行归一化处理后的量化值以及各个目标因素对应的相对排序权重可以计算出该目标游戏的健康度。

可选的，如图7所示，计算模块103可以包括第一计算单元1030、第二计算单元1031以及第三计算单元1032；

第一计算单元1030，用于根据各个所述指标因素对应的量化值以及所述指标因素隶属的属性因素对应的比较判断矩阵，计算所述属性因素的健康值；

本发明实施例中，第一计算单元1030对某个属性元素下的各个指标因素的量化值经过归一化处理后，选取该属性元素对应的比较判断矩阵，并根据比较判断矩阵求出该属性元素支配下各指标因素u1，u2，…,un对于属性因素准则C的相对排序权重w1，w2，…，wn，该过程称为单准则下的排序。具体的采用特征根方法，求得比较判断矩阵的最大特征值及其对应的特征向量后，对特征向量进行归一化，以得到最终的权重值排序。由于下层因素对上层因素的重要程度是人主观评价的，客观存在一定误差，因此，需要进行一致性检验。比较判断矩阵通过一致性检验后，则层次单排序结果有效可靠。

针对该属性因素所支配的各个指标因素的量化值计算该属性因素的健康值，下面以一个例子对计算方法进行说明，例如，属性因素的健康值＝80(第一指标因素经过归一化处理的值)*0.258(第一指标因素的权重值)+70(第二指标因素经过归一化处理后的值)*0.637(第二指标因素的权重值)+80(第三指标因素经过归一化处理后的值)*0.105(第三指标因素的权重值)＝73.63。

第二计算单元1031，用于根据各个所述属性因素的健康值以及所述属性因素隶属的因素所对应的比较判断矩阵，计算所述用户因素和所述收入因素的健康值；

本发明实施例中，各个属性因素隶属于递阶层次结构中特性层的用户因素或者收入因素，同理采用上述计算方法计算出用户因素支配下各个属性因素对于用户因素准则的相对排序权重，进行一致性检验，若检验通过，则单排序结果有效可靠，再采用上述计算方法计算出收入因素支配下各个属性因素对于收入因素准则的相对排序权重，进行一致性检验，若检验通过，则单排序结果有效可靠。第二计算单元1031分别根据用户因素的相对排序权重以及用户因素所支配的属性因素的健康值，计算用户因素的健康值，以及根据收入因素的相对排序权重以及收入因素所支配的属性因素的健康值，计算收入因素的健康值。

第三计算单元1032，用于根据所述用户因素和所述收入因素的健康值以及所述健康度对应的比较判断矩阵，计算所述目标游戏的健康度。

本发明实施例中，同理采用上述计算方法根据健康度对应的比较判断矩阵，第三计算单元1032计算出目标层健康度支配下用户因素和收入因素对于目标游戏健康度准则的相对排序权重，进行一致性检验，若检验通过，则单排序结果有效可靠。再根据收入因素的健康值、用户因素的健康值和相应的相对排序权重计算出目标游戏的健康度。

本发明实施例，对目标游戏健康度建立递阶层次结构，在递阶层次结构中，针对非底层的每个目标因素，获取该目标因素对应的比较判断矩阵，获取递阶层次结构中底层的各个因素对应的量化值，根据该量化值和各个目标因素对应的比较判断矩阵，计算目标游戏的健康度。这种游戏健康度分析方法利用递阶层次结构对游戏健康度进行系统分析，分析结果准确、客观。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，附图5-附图7所示游戏健康度分析装置的模块或单元对应的程序可存储在游戏健康度分析装置的可读存储介质内，并被该游戏健康度分析装置中的至少一个处理器执行，以实现上述游戏健康度分析方法，该方法包括图1至图4中各方法实施例所述的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (12)

1.一种游戏健康度分析方法，其特征在于，包括：

对目标游戏健康度建立递阶层次结构，所述递阶层次结构按照与所述目标游戏健康度关联的各个因素之间的隶属度关系和关联程度建立，所述递阶层次结构包括底层和非底层；

在所述递阶层次结构中，针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵，所述比较判断矩阵用于表示所述目标因素所支配的多个因素对于所述目标因素的相对重要度；

获取所述递阶层次结构中底层的各个因素对应的量化值；

根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度。

2.如权利要求1所述的方法，其特征在于，所述递阶层次结构包括目标层、特性层、属性层以及指标层；

根据各层次中因素之间的隶属度关系确定所述指标层为所述递阶层次结构的底层，所述目标层、特性层以及属性层为所述递阶层次结构的非底层；

所述目标层包括所述目标游戏的健康度；

所述特性层包括与所述目标游戏的健康度关联的用户因素和收入因素，且所述用户因素和所述收入因素隶属于所述目标游戏的健康度；

所述属性层包括隶属于所述用户因素的多个属性因素以及隶属于所述收入因素的多个属性因素；

所述指标层包括多个指标因素，且每个所述指标因素均隶属于所述属性层的属性因素。

3.如权利要求2所述的方法，其特征在于，所述隶属于所述用户因素的属性因素包括用户规模、登录所述目标游戏的用户数量变化率、用户粘度、用户构成以及用户比率；

所述隶属于所述收入因素的属性因素包括付费流水、付费变化率、付费用户规模、付费用户结构、付费广度、付费深度以及付费比率。

4.如权利要求2所述的方法，其特征在于，所述针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵，包括：

针对非底层的每个目标因素，根据所述目标游戏所属类别以及所述目标游戏当前生命周期，确定所述目标因素对应的比较判断矩阵。

5.如权利要求2所述的方法，其特征在于，所述获取所述递阶层次结构中底层的各个因素对应的量化值，包括：

获取所述递阶层次结构中指标层的各个指标因素对应的均值，所述均值为在所述目标游戏的当前生命周期中该指标因素的均值；

测量所述目标游戏的各个指标因素的当前值，将所述当前值与对应的均值之间的比值确定为该指标因素对应的量化值。

6.如权利要求5所述的方法，其特征在于，所述根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度，包括：

根据各个所述指标因素对应的量化值以及所述指标因素隶属的属性因素对应的比较判断矩阵，计算所述属性因素的健康值；

根据各个所述属性因素的健康值以及所述属性因素隶属的因素所对应的比较判断矩阵，计算所述用户因素和所述收入因素的健康值；

根据所述用户因素和所述收入因素的健康值以及所述健康度对应的比较判断矩阵，计算所述目标游戏的健康度。

7.一种游戏健康度分析装置，其特征在于，包括：

建立模块，用于对目标游戏健康度建立递阶层次结构，所述递阶层次结构按照与所述目标游戏健康度关联的各个因素之间的隶属度关系和关联程度建立，所述递阶层次结构包括底层和非底层；

第一获取模块，用于在所述递阶层次结构中，针对非底层的每个目标因素，获取所述目标因素对应的比较判断矩阵，所述比较判断矩阵用于表示所述目标因素所支配的多个因素对于所述目标因素的相对重要度；

第二获取模块，用于获取所述递阶层次结构中底层的各个因素对应的量化值；

计算模块，用于根据所述量化值和各个所述目标因素对应的比较判断矩阵，计算所述目标游戏的健康度。

8.如权利要求7所述的装置，其特征在于，所述递阶层次结构包括目标层、特性层、属性层以及指标层；

根据各层次中因素之间的隶属度关系确定所述指标层为所述递阶层次结构的底层，所述目标层、特性层以及属性层为所述递阶层次结构的非底层；

所述目标层包括所述目标游戏的健康度；

所述特性层包括与所述目标游戏的健康度关联的用户因素和收入因素，且所述用户因素和所述收入因素隶属于所述目标游戏的健康度；

所述属性层包括隶属于所述用户因素的多个属性因素以及隶属于所述收入因素的多个属性因素；

所述指标层包括多个指标因素，且每个所述指标因素均隶属于所述属性层的属性因素。

9.如权利要求8所述的装置，其特征在于，所述隶属于所述用户因素的属性因素包括用户规模、登录所述目标游戏的用户数量变化率、用户粘度、用户构成以及用户比率；

所述隶属于所述收入因素的属性因素包括付费流水、付费变化率、付费用户规模、付费用户结构、付费广度、付费深度以及付费比率。

10.如权利要求8所述的装置，其特征在于，所述第一获取模块具体用于针对非底层的每个目标因素，根据所述目标游戏所属类别以及所述目标游戏当前生命周期，确定所述目标因素对应的比较判断矩阵。

11.如权利要求8所述的装置，其特征在于，所述第二获取模块包括：

获取单元，用于获取所述递阶层次结构中指标层的各个指标因素对应的均值，所述均值为在所述目标游戏的当前生命周期中该指标因素的均值；

测量单元，用于测量所述目标游戏的各个指标因素的当前值，将所述当前值与对应的均值之间的比值确定为该指标因素对应的量化值。

12.如权利要求11所述的装置，其特征在于，所述计算模块包括：

第一计算单元，用于根据各个所述指标因素对应的量化值以及所述指标因素隶属的属性因素对应的比较判断矩阵，计算所述属性因素的健康值；

第二计算单元，用于根据各个所述属性因素的健康值以及所述属性因素隶属的因素所对应的比较判断矩阵，计算所述用户因素和所述收入因素的健康值；

第三计算单元，用于根据所述用户因素和所述收入因素的健康值以及所述健康度对应的比较判断矩阵，计算所述目标游戏的健康度。