不可否认确实存在一些人抽卡很少歪,同样的也有不少人抽卡几乎必歪。这不由的令人怀疑,up 概率真的是 50% 吗?
以大部分人的主观经验来判断肯定不是 50%, 但是如果去各大统计平台查看数据的话,结果必然是 50%,为什么会有这种反直觉的现象呢?
其实不难,只需要调整概率分布即可实现。举个例子:
假设一共有 1000 人抽卡每人出 1 金,up 概率 50%,理论上是 500 人歪 500 人不歪;
如果将 1000 人分为四组,
第一组 100 人,up 概率 80%
第二组 200人,up 概率 30%
第三组 300 人,up 概率 40%
第四组 400 人,up 概率 60%
理论上也是 500 人歪 500 人不歪。这样一来对每个人而言 up 概率都不是 50%,但是平台的统计结果依旧是 50%,可这样看似多此一举的行为真的有意义吗?
那可太有意义了,如果降低有能力氪金的人的 up 概率,同时让没能力的人高概率 up,那岂不是流水留存双丰收吗?还是用上面的例子:
将不同的人群划入相应的分组中,
100 人 80% 概率 up,活跃的新手和回归老玩家
400 人 60% 概率 up,零氪党
300 人 40% 概率 up,月卡党
200 人 30% 概率 up,充值党
现在的问题只剩下如何判断一个人的钞能力水平如何以及氪金意愿如何?
这点可太简单了,结合登录设备的种类和型号,活跃度,充值记录,消费情况,甚至是调查问卷信息等等,不说精准的总结出用户类型如何,只是给个大概的区间完全没问题。
以上数据纯属虚构,实际上完全可以构造更严谨高效科学准确的模型实现动态的人群划分以及概率分配。
最后,面对白嫖党巧言令色,面对衣食父母重拳出击,这 50%概率算不算欺骗消费者我不好说。 在此不指名道姓是哪家公司哪个产品,大家有没有被 pua 都心里有数
以大部分人的主观经验来判断肯定不是 50%, 但是如果去各大统计平台查看数据的话,结果必然是 50%,为什么会有这种反直觉的现象呢?
其实不难,只需要调整概率分布即可实现。举个例子:
假设一共有 1000 人抽卡每人出 1 金,up 概率 50%,理论上是 500 人歪 500 人不歪;
如果将 1000 人分为四组,
第一组 100 人,up 概率 80%
第二组 200人,up 概率 30%
第三组 300 人,up 概率 40%
第四组 400 人,up 概率 60%
理论上也是 500 人歪 500 人不歪。这样一来对每个人而言 up 概率都不是 50%,但是平台的统计结果依旧是 50%,可这样看似多此一举的行为真的有意义吗?
那可太有意义了,如果降低有能力氪金的人的 up 概率,同时让没能力的人高概率 up,那岂不是流水留存双丰收吗?还是用上面的例子:
将不同的人群划入相应的分组中,
100 人 80% 概率 up,活跃的新手和回归老玩家
400 人 60% 概率 up,零氪党
300 人 40% 概率 up,月卡党
200 人 30% 概率 up,充值党
现在的问题只剩下如何判断一个人的钞能力水平如何以及氪金意愿如何?
这点可太简单了,结合登录设备的种类和型号,活跃度,充值记录,消费情况,甚至是调查问卷信息等等,不说精准的总结出用户类型如何,只是给个大概的区间完全没问题。
以上数据纯属虚构,实际上完全可以构造更严谨高效科学准确的模型实现动态的人群划分以及概率分配。
最后,面对白嫖党巧言令色,面对衣食父母重拳出击,这 50%概率算不算欺骗消费者我不好说。 在此不指名道姓是哪家公司哪个产品,大家有没有被 pua 都心里有数