背景：随着sq、wx平台手游上线游戏数量的爆发，为了更精准地抓取目标用户，并且获得外部用户，避免平台和市场资源浪费，找到用户并且针对性、精准性投放。
1、测试包分层思路：基于目前已经规划的核心、次核心、潜在进行分层提包，借助数据中心或平台的标签对分层用户进行提包，通过平台进行投放验证。用户分层方式有两种：
①自定义分层
基于经验划分和已有玩家画像标签，利用技术手段，抓取相关玩家，在此基础上分包导入和跟踪。根据过往游戏经历将用户分成核心、次核心、潜在，共11个用户类型。
②模型包分层
基于目前已有的核心用户包，通过建模方法，对用户分类、结合导入后数据，判断用户质量。根据核心用户属性对大盘用户赋值（0-1），数值越高，用户越核心。
2、用户分层的类型以及如何选择（游戏特征和对游戏的理解决定分层时期和方式，测试前为验证性、测试后为探索性）
测试前----自定义分层：①游戏理解：对游戏玩法和核心用户有明确的认知和预期；非全新品类。②资源需求：尚无一定量级的核心用户群；有充分的时间。
测试前---建模分层：①游戏理解：游戏玩法清晰有特色②已有一定量及的核心（预约）用户，适于公测期间，可结合自定义分层同步进行。
测试后---二次分析：①游戏理解：对核心用户无确定认知，探索行之的分层；全新品类；②资源需求：适用于较前期测试，投放一定量级的随机包；可辅助前两种分层方式。
3、不同分层方法的优劣势：
自定义分层：定义明确，清晰看到各层用户的游戏数据表现；但是，用户选取缺乏随机性，主观性强，容易遗漏；同时，与预期不符的结果难以解释；但业务数量级（10W）
建模分层：不需要有明确理解，大数据分析可靠，而且可与自定义分层同步进行；但是，对数据源的无偏性依赖大，只能获取平台内玩家，理解有难度。
二次分析：可辅助前两种分层方式，随机保的转化率和留存等数据有较好的代表性，且不需要提前对目标用户做预估；在分析工作量大，时间长，随机包的转化率偏低。
4、可获取的数据类型
①内部数据
单个业务特性数据---需求详细，时间明确
eg：某游戏月活跃（1.1-1.31），非付费，进一个月（1.1-1.31）活跃大于5天用户
手游品类数据---半年活跃
eg：AEPG、MOBA、酷跑，每周自动跑品类半年活跃用户，轻中重度用户
端游品类用户---半年活跃
eg：端游MMO、端游体育、端游枪战，每周自动跑半年活跃用户，分轻中重度用户
手游大盘活跃（可分平台系统，可自选时间段）
其他数据--画像属性
②外部数据
外部手游数据---实时提取（只有抽样安装数据，只有游戏类app数据，其他app数据暂无；可实时响应）
外部页游数据---需加监控（仅PC端数据、周起为两周、可根据URL和关键词搜索、非游戏数据可监控、数据量小）
外部端游数据---加监控（监控一周，提供进程名、以月为单位更新、未必有数据）
③其他数据
QQ群数据---需加监控（字符顺序性、可间隔性；周四前提供数据）
模型包数据---来源于数据挖掘中心、需要有部分核心用户
浏览器非游戏数据--QQ浏览器监控，两周周期，根据URL和关键词搜索
视频/动漫数据--来源于腾讯视频/腾讯动漫，实时提取，只能根据已有分类进行提取
④各种交叉数据
5、常见的分层逻辑
核心用户：目标IP核心用户、外部竞品核心用户、核心玩法用户、预约用户、核心品类的中重度用户
次核心用户：目标IP次核心用户、核心品类轻度用户、相关品类的中重度用户、外部竞品次核心用户
潜在用户：相关品类手游的轻度用户、非相关品类的手游用户、手游大盘随机用户
分层逻辑优化：
提需求关键因素：
6、单业务分层用户跟踪指标
关键指标：用户转化率、留存数据、付费数据
