《游戏数据分析的艺术》之游戏数据分析的流程（下）

点击上方

“蓝色字”

可关注我们！

作者：TalkingData高级咨询总监 - 于洋力作《游戏数据分析的艺术》第一章第一节的前三点的重点阐述。

来源：TalkingData

1.3.4提炼演绎

事实上，每一次数据分析都要经过长期的准备和努力，曾有文章指出在整个数据分析环节中有80%以上的时间是在整理数据，所以如何有效形成方法和经验就变得更加重要。

可以预见的是，当数据分析由系统来实现时，我们需要对关键业务具备数据的归纳和业务分析的模型组织，比如在游戏数据分析中，我们会针对鲸鱼做分析，对留存做专门的分析。这些都是通过业务的提炼才得以实现的。

在很多情况下，经过积累，需要将一些重要业务和分析进行归纳，总结出长期可以使用的分析模块和数据采集体系，如此当我们每一次面临新游戏需要数据统计分析时，则不需要更多的额外开发成本。

以移动游戏统计分析为例，在经过不断的业务提炼和模型演绎后，从分析角度来看，如图1-6所示的几个模块是最为关心的。

图1-6游戏数据分析模块

以上是经过不断的提炼总结出来的一些重要分析模块，基于这些模块，我们需要记录和完成的数据采集，并且在参数设计上需要形成可以复用的接口。在如今移动游戏市场，服务于第三方游戏统计分析服务的平台提供了标准的数据接口，从数据采集的角度，我们可以确立如图1-7所示的标准统计接口。

图1-7游戏数据采集标准接口设计

下面我们将通过TalkingDataGame Analytics在iOS平台的数据统计接口设计的为例，来描述具体的具体设计方法，其中涉及的标准接口有6个。

（1）游戏启动和关闭

用于准确追踪用户的游戏次数、游戏时长和初始渠道等信息：

（2）统计用户账户

用于定义一个玩家，更新玩家最新属性信息：

（3）跟踪用户充值

跟踪玩家充值现金而获得虚拟币的行为，充入现金反映至游戏收入中：

（4）跟踪用户消费点

跟踪游戏中全部使用的虚拟币的消费点，如购买道具、VIP服务等。

（5）任务关卡或副本

跟踪玩家任务、关卡、副本情况。

（6）任务自定义事件

跟踪和统计任何期望分析的数据，如功能按钮的点击、填写输入框、广告出发情况等。

以上是从数据采集和具体分析两个角度阐述了提炼演绎的重要性，作为分析师，其提炼演绎的能力不仅仅是完成分析，还在于优化和完善分析系统的结构和设计。这个阶段的业务模型和分析师见解，一方面影响了下一步的方案形成和指导决策，另一方面，也决定了其提供的经验在后续的产品运营过程中是否可以作为可持续使用的方法。

在西内启所著的《看穿一切数字的统计学》有一句话：

“实际上分析结果本身并没有价值，如何活用分析结果，最终得到的价值也是不同的。

”

价值的挖掘还体现在最终的建议和方案上，因为最终数据分析要以解决问题为先，建议方案则是最终诉求。

1.3.5建议方案

前面几个过程是从数据平台、标准分析系统、产品运营和精细化几个关键词在描绘游戏数据分析的流程，而数据分析的最终是要形成方案或者决策指导，因为分析结果体现不了价值，最终还是要和业务结合，真正体现价值的是如何运用结果。

建议方案就是解决如何有效利用分析结果。在很多情况下，你会发现最能够体现利用分析结果就是在获取用户和经营用户两个方面。在获取用户方面，我们需要针对那些还不是我们用户的用户进行转化，到达特定的用户群，即那批我们真正想要转化的人，而如何选择受众、选择媒体需要充分利用分析结果。对于广告主来说永远希望投放效果最大化，对于媒体来说则是收益效果最大化，为此在最近的几年我们看到了诸如DSP、DMP、SSP和RTB等概念的出现，一定程度上就是利用我们不断丰富的数据和分析结果，不断优化我们在广告方面的投放，不得不说这印证了西内启的那一句话。

另一点，从经营用户的目的来看，因为每一个用户的获取都需要成本，在产品有限的生命周期内，期望与每一个获取的用户生命周期也足够长久，如此可以获取更多的价值。而这一点，在游戏领域也被逐渐利用起来。

在以往的游戏数据分析领域，我们会发现，经过数据分析后，方案一旦形成，我们很难将这个方案执行下去，并且无法评估最终的效果，因为在整个数据分析环节中，参与的部门的人员众多，数据分析结果与方案执行往往很难做到一致。不过在最近的移动游戏市场，已经有很多的公司或者分析师慢慢注意到这一点，因为移动设备可以更加精准地定位一个用户，同时移动提供了更加方便和快捷的消息推送和内容下发机制，这使得我们至少从游戏运营层面可以做到根据设备、地域、渠道、游戏行为、付费行为等更加准确和快速地对目标用户进行营销，从一个层面已经可以做到数据分析结果的最大化利用。

比如一款游戏，如果一个活跃用户连续三天不进入游戏，则从游戏中流失的概率增加10%，此时我们就需要精确定位这样一个群体，进行目标用户的营销和召回计划。划分的目标用户如图1-8所示。

图1-8目标用户划分

根据分析结果，最终通过A/B test等方式将运营消息和活动下发到用户移动设备上，使得目标用户的转化得以提升。这是对数据分析结果的最佳利用，同时也是在不断积累运营经验，从长远来看，会形成一系列的运营模型，从此不必在摸着石头过河，也不必每一次运营活动和执行都是通过感性认知完成。

建议方案是整个游戏数据分析的重要一环，因为最终我们还要进行效果的检验，并且通过和分析目标进行比较，是否达到了预期。整个数据分析过程其实一个循环，只不过在这一步是把分析结果的价值通过一定的手段和方式发挥出来，最终经过检验和不断修正，形成经验和原则。游戏数据分析师其实最需要突破的也恰恰是这一步，从方案执行的实时性和分析师职能的突破两个方面来看，都将产生深远的影响，当然刚才提到的借助于内容推荐只是达成这一目标的一种方式而已。

PPV课其他精彩文章：

1、回复“干货”查看干货 数据分析师完整知识结构

2、回复“答案”查看大数据Hadoop面试笔试题及答案

3、回复“设计”查看这是我见过最逆天的设计，令人惊叹叫绝

4、回复“可视化”查看数据可视化专题-数据可视化案例与工具

5、回复“禅师”查看当禅师遇到一位理科生，后来禅师疯了！！知识无极限

6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布

7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载

8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募

9、回复“每日一课”查看【每日一课】手机在线视频集锦

PPV课大数据ID: ppvke123 （长按可复制）

大数据人才的摇篮！专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！