本文承接《游戏数据分析的艺术》 1.4.2节

　　以下文章选自《游戏数据分析的艺术》部分内容，如需转载请注明出处

　　1.专业数据解读

　　大部分的数据分析师，都是面向业务的，这就决定了在其业务范畴内，在理解业务的前提下，具备充分的数据解读能力。而每一个行业的专业数据解读都是从基本的指标开始的，这是数据分析师必修的课程，不过这个阶段的指标必修，旨在要非常清楚指标的定义和原则。如果不了解原则和存在的意义，只是记住了指标的标准，是没有实际价值的。

　　指标的存在是自上而下的过程，通过顶层的目标和需求的设计，将指标逐步分解成为具体的可观测的指标。从游戏数据分析角度来说，我们关注的顶层目标和需求如图1-12所示。

　　图1-12需要关注的顶层目标与分析需求

　　在图1-12中，比较粗略地组织了从游戏数据分析角度来说需要关注的一些目标和需求，此处是较为简单的向下分解，并最终落实到了具体的分析方向，而此后再次分解，就是具体的指标。对于分析师而言，无论从上而下，即从需求战略向具体分析指标，还是反过来从下而上的过程，都需要全面的理解指标、解读指标，了解指标背后究竟能够代表和分析哪些业务和具体问题。这项能力是在不断的成长过程中，逐渐练就出来的。

　　与此同时，专业的数据解读会随着分析师的数据分析探索和理论知识学习，不断地深入和强化，在关于数据分析探索和理论知识学习部分，将进一步介绍。

　　2. 数据分析探索

　　游戏数据分析与其他行业的数据分析不同的是，游戏综合了经济、心理、社会、社交等方面的内容，是一个庞大的数据分析体系。比如关于游戏内货币的通货膨胀问题，就需要我们通过经济学的角度来解释，并加以数据分析。再比如，有关游戏中虚拟社会的社交关系，就需要我们通过社会学的方法和策略进行数据分析，所以游戏数据分析从来不是一个保守的和按部就班的领域。

　　数据分析探索的内容较多，一方面我们可以认为探索源自对于数据本身特征和分布的探索，此点更多是就数据本身层面的分析和摸索;另一方面我们基于一定业务嘲，进行一些前瞻性的数据分析，比如前面提到的关于游戏社会(公会)和社交部分的探索，就曾经在Playon项目中针对《魔兽世界》进行过关于公会的数据分析，并在论文《“AloneTogether?” Exploring the Social Dynamics of Massively Multiplayer Online Games》中进行过详细的阐述。该论文指出，公会核心的成员并不会和很多的公会玩家一起游戏，在30天中，一个公会中平均每两个玩家游戏时间是22.8分钟，然而这一数据对于核心成员之间则是154分钟，另外公会核心成员之间彼此联系很紧密，相当于一个核心小组，65%的公会只有一个核心小组，13%的公会有两个核心小组，而3%的公会则有3个核心小组。如图1-13所示，针对中型公会的网络分析时有一些新的探索发现。

　　图1-13游戏的公会社交关系网络

　　在某个公会的41名成员中，有17名成员从未与其他玩家在一个地图中相遇过，而余下的24名成员主要是靠一个8名核心成员的小组维持较高的游戏活跃，这意味着他们彼此之间的联系时间是非常长的，关系更为紧密。

　　上述对公会关系的分析，是对于社交关系是否会影响游戏流失及活跃度的探索。而诸如此类的对游戏内容、设计的分析会有很多，再比如在游戏内进行用户聊天记录的文本分析，抓取用户的关键词，及时了解游戏内的动向和用户关心的内容。

　　游戏数据分析和研究在最近几年开始逐渐流行，由于游戏产业的特殊性(文化创意领域)，同时整个行业更加关注用户获取和用户营销，导致了基于产品本身的数据运营和优化并没有得到应有的发展。这一点在移动互联网时代愈发明显，越来越多资金用于营销和用户获取，但是长久以来，在获取用户后，如何精细化经营用户和挖掘价值，却始终没有更多的突破。不过令人高兴的是，在进入2014年以后，越来越多的游戏开发者，越来越多渠道开始注重留存率、付费率等数据的提升和优化，这已经是巨大的进步。

　　然而整体形态上，我们看到，游戏数据分析的发展还是迟缓的，数据指标体系、方法、思想还停留在早期的端游市场以及页游市场。进入了移动智能时代，我们的数据分析要需要更多的探索和变革，因为用户的终端更加多样和复杂，我们提供的移动游戏对用户而言不再是公平的，有人可以正常打开游戏，有人却不得不面对游戏闪退等问题，虽然用户获取游戏的机会在变大，但是用户的选择性和流动性也在变强，所以谁更好地提供服务，完善了体验，才有更多的用户会选择。

　　移动游戏用户比以往任何时候都变得更加挑剔和追求体验，因为移动设备本身就是提供体验的平台，这对开发者、数据分析师提出了全新的挑战，我们需要进行全新的产品探索、数据分析探索。比如我们的产品提供符合移动智能设备系统设计规范的UI、体验和服务，而对于数据分析来说，我们将更加注重用户全生命周期的价值、不同设备用户的行为表现、渠道用户的质量和收益贡献、优化投放和调整经营策略。数据分析强调对于业务的理解，将不仅仅是对于产品业务本身的理解，还有产品环境的理解，这点在当今的移动游戏领域是非常明显的。就分析本身来说，任何方法理论的诞生，都是在不断解决业务问题的基础上，进一步探索和实践才形成的。

　　3. 理论知识学习

　　刚才讲到了数据分析探索时提到，探索的依据、探索的挖掘都是要基于大量的背景知识方可进行的，如果无法跳出游戏业务本身，站在更加高的角度来审视游戏，则很多分析都无法展开。比如，需要了解游戏中的付费转化率指标。下面结合设计体验和统计学来说明付费转化率的内在含义。

　　如果从设计体验来看，对付费转化率的分析就是在解决付费环境的问题，即转化率的高低代表了支付需求实现和支付环境的质量。比如，只需要四步就能完成游戏支付，但是实际设计时需要五步才能解决，从这点来说，多了一步支付过程，就多了一步用户的转化流失。

　　另一个很好说明设计体验的例子如图1-14所示，在一个手机游戏中，当用户从一个手机游戏购买道具时，方向箭头的加减方式来确定购买数量，比手动调用输入法确定购买数量，方便了很多。此外当我们发现用户对于某一种道具的消耗量确实很大时，则可以默认提供对应需求的道具数量，此时，对于多数用户而言，则是选择默认购买，很少会有用户选择购买9个或者8个，这点设计无形中提升消费数量，并且培养消费习惯。

　　从体验设计来看，这种设计避免如图1-15所示的输入麻烦，减少转化步骤，效果自然就会好很多。这个例子可以说明的，作为一名游戏数据分析师，你是要需要站在设计的角度来关心用户，完成你的数据分析。

　　图1-14游戏道具购买界面

　　图1-15移动智能设备输入法界面

　　此外，如果我们从统计学的角度来看待付费转化率，其实对免费游戏而言，付费只是针对一小部分用户，而这部分用户的付费，某种意义上是因为他们达到了某些条件，或者到了一个不得不付费的阶段或状态。从概率角度来理解，付费转化率就是一个概率，即在免费用户中，发生付费的概率，这其中就蕴含了一些条件，在这些条件成立的前提下，我们有很高的概率发生付费。

　　所以，我们很关心用户在什么等级、时间或者任务发生首次付费，这些条件的寻找，就是在不断寻找用户发生付费转化的最大可能性，或许我们发现用户在30级发生付费转化有60%可能性，35级发生付费转化有80%可能性，通过一系列的数据探索，不断优化我们的分析结果和最终结论。这些不是仅知道游戏业务就能确立的分析角度和思考方式，还需要更加多的概率知识。

　　以上通过案例说明，理论知识学习对于从事游戏数据分析工作的作用。游戏的确是一个包罗太多领域的产品，因此数据分析师的要求就更加全面。刚才我们只提到了设计体验、概率学，其实还有很多的内容是需要我们涉及和了解的，如图1-16所示是我们需要了解的内容。

　　图1-16需要掌握的理论知识方向

　　除了以上的内容，当然还有有其他的知识需要学习。总体来看从这些知识领域我们主要要探究的是以下两点。

　　(1)问题分析的思路及方法

　　其他领域的问题分析和解决方案会最大程度帮助游戏数据分析师建立和完善的方法论，以便在更多的和不同的角度剖析问题，提出解决办法。因此，如果仅仅局限在游戏业务内寻找办法解决，往往得不到答案。在这方面，笔者从自身经验已经受益很多，比如互联网经济时代诞生的众包、免费，长尾理论、都是基于一些数据和思想方法而发现或者发展的理论，而这些理论或内容都将在游戏领域发挥巨大的作用。

　　(2)跨领域知识的运用实践

　　游戏数据分析的发展，其实还是在起步阶段，从行业来看，我们还没有借鉴数据真正走向精细化运营的道路上。在这条路上，我们还有许多需要了解和学习的知识，比如贝叶斯理论在游戏领域的应用、产品生命周期的管理、用户生命周期的管理、游戏用户CRM系统的建立，包括运营平台跨游戏的用户深度营销、推送、评估分析等，这些都是需要我们不断探索。伴随大数据技术的不断进步，时至今日带动了各行各业开始进行有效的数据管理和加工，并且深入影响了用户和产品的运营，游戏也应用了大数据技术、数据挖掘技术、广告技术，开始了全新的数据运用。此处，我们以playon项目对于“魔兽世界”升级时间的分析为例来阐述一下统计学知识的应用。

　　“一些玩家的升级速度很快，这些极端数据可能影响了总体数据。为了更清楚地认识这些数据，我们计算了玩家升级速度的标准分(normalizedscores)Z分数，计算公式如下：

　　Z分数=(X﹣平均分)/标准差

　　如图1-17所示示，大部分玩家的升级时间确实是在平均数附近。转换成标准分后，从1级到60级的平均时间是15.3天，中位数是13.9天。”

　　图1-17升级时长的Z分数分布

　　在这个例子中，首先强调的是业务理解，而其次更重要的就是方法的运用。另一个例子就是很多人都会提到的ARPPU(游戏总收入/游戏总付费用户数)，该指标很多时候被拿来衡量用户付费能力，但是当经过仔细的分析会发现，游戏中有超过70%~80%的收入是由20%甚至更小比例的鲸鱼用户(大额付费用户)贡献的收入，只是这部分用户占据游戏付费用户的比例非常低。此时更多的付费用户则是“被平均”了，从根本上说，很多的数据分析师和指标的使用者并不了解其背后的算术平均数使用需要注意的一些问题和使用限制。所以我们需要懂一点统计学，同样的原则，我们需要了解更多的其他行业的知识，并了解如何运运用和发展。其实如果你学习一点统计学知识，你会发现，例如众数、中位数、几何平均数都是一些可以大胆使用的方法。

　　放眼更多的领域，我们已经发现，游戏数据分析也要借鉴电商的转化率和订单分析，网站分析的流量分析，购买消费中购买决策分析，等等，这些知识经过加工后，在游戏方向将会有很好的应用嘲和价值。

　　1.4.3 策划——游戏设计者

　　这个角色的任务是从游戏设计的视角审视游戏机制和内容，分析产品深层次问题。

　　作为一名游戏数据分析师，要担当的一个角色就是“游戏设计者”，这里的游戏设计者并非是一个真正的游戏设计者，而是需要具备基本的游戏设计的理论基础和能力，因为这一点有助于开拓分析思路和维度。比如，在进行等级分析、任务关卡分析、虚拟道具消费分析、UI/UE分析等时需要这些知识。

　　从游戏公司自身的职能划分，可将其称为数据策划，注意不是数值策划。目前多数分析师被划分在运营体系中，然而，一款游戏的数据分析对游戏方向的干预，仅从运营层面去实施，显然效果和质量是有限的。这一点也是为什么多数的游戏数据分析师在多数企业中找不到认同感和实现价值的重要原因。有一个观点，是大家都认同的，那就是作为一个数据分析师，所有建立的分析和方案都要和业务紧密结合。因此作为游戏数据分析师，首要的就是要深入了解游戏，站在设计者的角度，去看待一款游戏，深入把握和理解游戏设计的优点和弊端。

　　在此，我们对数据策划需要完成的工作做了以下的规划和设计：

　　(1)理解游戏核心玩法

　　(2)游戏体验设计原则

　　(3)游戏类型设计原则

　　(4)游戏消费设计原则

　　(5)游戏等级关卡设计

　　(6)制定业务指标体系

　　(7)设计问题解决方案

　　(8)数据进行版本规划

　　(9)竞品游戏学习调研

　　数据策划是在深刻理解游戏的基础之上，根据游戏的设计情况以后每个版本的情况，利用数据进行分析，最终提供策划和改进方案，因为当运营体系数据不足以支持深度的产品分析需要时，就要运用更多的游戏设计知识来开拓分析思路。当然了提出数据策划的意义还在于，未来数据分析师将能够真正的发挥分析作用，提供方案，效果分析，最后进行改进。

　　提出数据策划的另外一个核心原因在于，每一类游戏的设计和数据分析的维度都是不同的，在深入了解游戏的设计和核心机制后，制定数据指标，就相对轻松很多，这也为游戏分析师发现问题、解决问题提供了思路。

　　因此，从这个角度来看，应该把分析师称做数据策划。这个角色在游戏的每个时期都将扮演重要的角色，无论是产品刚刚进入封测，还是上线公测，抑或是未来的商业化运营，这个角色都发挥了巨大的作用。如果面向业务的游戏数据分析师无法对业务发展和运营提供决策指导，那么就无法发挥最大的价值，最终只能完成常规的数据报告和运营数据整理。和业务的结合，意味着游戏数据分析师要有数据探索能力，发现深层次的问题，并提出有指导意义的方案。

   投稿邮箱：chuanbeiol@163.com   详情请访问川北在线：http://www.guangyuanol.cn/