学习
实践
活动
工具
TVP
写文章

数据盛宴—活跃用户洞察

.

27860

【信息图】数据研究:如何邂逅中的白富美?

腾讯大数据通过手数据的研究为大家揭开白富美们的神秘面纱,让宅男们“零距离”接近女神。 ? End.

36440
  • 广告
    关闭

    2022腾讯全球数字生态大会

    11月30-12月1日,邀您一起“数实创新,产业共进”!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    谁在为买单?——腾讯大数据带您认识六类付费用户

    当大家目光都聚焦在ChinaJoy的养眼Showgirl时,腾讯大数据为您带来游行业的营养干货。谁在为买单?让腾讯大数据为您揭晓。 ? ? ? ? ? ? ? ? ? ?

    33580

    从发行、运营到渠道,QuickSDK为提供一站式服务

    玩家维护系统:抓住玩家心理,建立友好的玩家关系 与此同时,在“服务第一”的市场大环境之下,服务品质逐步成为运营支撑的必要条件。 ? 运营数据平台:基于数据更好理解玩家行为,实现精细化运营 目前,市场上很大一部分手发行都还依靠于第三方的数据组件统计来进行市场分析,但依旧存在专业运营数据信息统计不够全面,难以掌握游戏的市场份额等问题。 对外,独立研发大数据技术,同步抓取主流论坛、贴吧数据,辅助运营决策;拥有舆情分析功能,分析游戏在各大渠道、搜索引擎等市场的曝光程度,使CP能够清楚掌握市场发展趋势;渠道产品对比,准确了解竞品标签、发行商 QuickSDK:致力于发行服务 QuickSDK创立于2014年,目前已得到天象互动、网易游戏、英雄互娱等多家龙头厂商的信赖与支持,为多款S级提供全渠道发行服务,成为游行业第三方服务平台领先者 从始至终以发行为核心,秉承“一键联接,全心服务”的宗旨。

    1K91

    《鸿图之下》的破局之路——腾讯首款沙盘战略运营复盘

    作者:杨文熙 腾讯IEG游戏运营 导语| 作为腾讯首款沙盘战略,《鸿图之下》如何在SLG红海中破局突围,本文将通过从预约测试到上线运营阶段的社区内容复盘,具体分析《鸿图之下》如何从零到一开拓SLG细分品类的破局之路 《鸿图之下》是腾讯首款以三国为背景的沙盘战略,以局内策略组合、超大沙盘对抗、版图扩张为品类核心玩法乐趣。 作为盘内首款赛季制沙盘战略,《鸿图之下》在产品发行运营的开局就遇到了“用户难触达”、“产品难玩懂”的困境。本文将从社区内容角度切入,复盘与分析《鸿图之下》从零到一的SLG细分品类破局之路。 ? 01 举步维艰的开局 作为腾讯首款沙盘战略,《鸿图之下》在整体发行运营初期就遇到了“用户难触达”、“产品难玩懂”的困境,对于社区内容运营模块也带来了不小的难度和挑战。 ? 根据用户研究显示,沙盘战略的核心用户普遍硬核且精英化,他们愿意分享自己对于游戏的理解,且更容易被内容受众接受。

    56071

    数据分析数据运营商业分析

    从职场生涯看,成为某领域的数据专家,会是一个更好的筹码。 而路线大致可以划分成四大方向: 数据分析数据挖掘,数据产品,数据工程。 数据分析/数据运营/商业分析 这是业务方向的数据分析师。 这里更多指互联网行业,偏业务的数据分析师,一般属于运营部门。不少公司也称数据运营或者商业分析数据分析的管理岗,比较常见的有数据运营经理/总监,数据分析经理等,相对应的能力是能建立指标体系,并且解决日常的各类「为什么」问题。 商业/市场分析是另外一个方向,更多见于传统行业。 算法专家和深度学习专家,薪资level会更高一级,一般对应于业务型的数据运营/分析总监。 数据科学家是上述岗位的最终形态之一,要么理论能力非常强,往往担任研究院的一把。 它依赖于埋点采集系统,而埋点采集,需要收集什么类型数据,往往由数据产品经理确定规范(还是看公司,数据运营数据分析师也能负责)。

    7520

    运营到分发渠道,iSDK打造一站式解决方案

    一别于其他同类型SDK接入产品,会在产品售出后设置一些价格相对较低的增值服务,iSDK选择了无隐性消费的即时数据模式。 ? 截至目前,iSDK已在重庆玖度科技旗下的运营平台“爱上游戏”成功运营两年半之久,业已成为一套集“技术+服务”为一体的运营SDK接入产品,能够为用户提供运营平台系统搭建、运行、打包、技术维护、 秉承着以功能为核心的产品研发理念,iSDK现已实现为用户提供全面的运营平台搭建、渠道SDK定制、CPS推广联盟构建、APP客户端开发、完善的渠道监控等运营工具的技术开发及运维服务。 一别于其他同类型SDK接入产品,会在产品售出后设置一些价格相对较低的增值服务,iSDK选择了无隐性消费的即时数据模式。 换言之,用户从运营平台搭建、渠道SDK定制、CPS推广联盟构建,到获取运营平台系统搭建、运行、打包、技术维护、运维等一步到位的技术服务,都是全程免费的。

    63050

    游客户端性能分析工具Cube全新改版,为你的深度体检!

    腾讯WeTest的性能分析工具Cube已经完成了全新改版! 支持了更多引擎,随着腾讯内部腾讯质量标准第11版的产生,Cube也同步更新了机型标准,Cube在测试报告中增加了更多的“彩蛋”~快来了解吧! 特性一:全面支持Unity,Cocos2d和其他各类自研 Cube不再局限于unity引擎游戏啦!在WeTest app中点选“通用性能检测“,获得通用性能的指标数据 ? ? Mono内存屏幕截图 特性三:Cube测试报告增添更多“彩蛋” 数据查询 1.修改测试结果“概览”下,“通过""不通过”的展示,将文字修改为图标,并添加“腾讯测试认证”字样; ? 修复机型误判问题;比如中配机型误判为低配机型; 特性五 同步腾讯质量标准第11版,更新机型标准 1.根据最新腾讯质量标准第11版同步更新,主要修改高中低配机型的定义。

    1.5K10

    对一个修改器锁机APP的分析

    背景 在网络上搜索到了一款号称可以无视市面上,任何反外挂检测的数据修改器。 通过控件工具看到这个修改器的界面控件主要是有三部分组成的,就是TextView控件也就是文字显示框(界面显示那些文字的哪些框框); EditText控件就是可编辑的输入编辑框(就是哪个输入锁机密码的哪个框架 通过查壳工具(通过识别app中是否有包含第三方加固产品的特定的SO文件)可以看到这个修改器是没有采取第三方加固产品进行加固的。 锁机功能 锁屏功能是一种很好的保护个人手机的数据隐私非常重要的策略,但是锁屏这个功能被一些攻击者或从事黑灰产者利用后就变成一种非法勒索用户的手段。 小结 这个锁机的APP就是通过伪装成为修改器,这种在游戏中喜欢作弊的玩家就非常容易中枪,因为普通用户一般拿到APP就会马上进行在手机上安装,那么你只要安装并启动下你就中枪了,你的手机就被锁机了。

    3020

    获腾讯投资的韩巨头网石设立元宇宙娱乐公司,将运营虚拟偶像

    8月31日消息,韩国手巨头网石游戏(Netmarble)旗下子公司Netmarble F&C于31日表示,旗下专门制作元宇宙(Metaverse)内容的全资子公司“元宇宙娱乐”正式成立。 据介绍,“元宇宙娱乐”将致力于研发虚拟现实平台,运营虚拟偶像。网石近两年推出的大作主要有《七大罪:光与暗之交战》和《剑灵革命》等。    国外分析师表示Netmarble与腾讯等海外互联网巨头建立合作关系的能力,也是Netmarble成功的关键。

    19530

    《天涯明月刀》背后的王者-TcaplusDB数据

    《天涯明月刀》背后的王者-TcaplusDB数据库 11月3日-4日,2021腾讯数字生态大会在中国光谷科技会展中心举行,大会以“数实融合,绽放新机”为主题,旨在洞察数字经济发展趋势,分享云计算、大数据 在本次大会游戏专场,也特意邀请国民游戏《天涯明月刀》后台业务主程姜海涛老师作为特邀嘉宾,分享了《天涯明月刀》和TcaplusDB游戏数据库之间的故事。 一方面,《天涯明月刀》玩法覆盖玩家方方面面的追求,带来内容量的持续增加,单玩家数据量不断扩大,结构复杂;另一方面,MMORGP游戏玩家聚集度高,同一时间点行为模式一致(例如集体帮战),带来瞬时爆发负载压力 姜海涛老师在大会上提到:捏脸游戏是《天涯明月刀》的特色玩法之一,千人千面带来的海量数据,结构简单,并发量高,加上无限玩法带来持续玩法的更新,数据的持续膨胀和快速匹配分流要求数据库不仅能有高并发读写能力 作为一款MMORGP游戏,开局决定生死,《天涯明月刀》在上线第一周便荣获全品类流水第一、MMO品类新进第一的双项傲人成绩,这背后离不开高性能平台——TcaplusDB数据库的支持。

    17810

    数据分析,如何支持运营迭代

    上一篇《为什么你做的数据分析运营懒得看》中,我们列举了运营实际遇到的困难,今天接着分享,数据分析可以如何帮助运营解决困难。正如上一篇所说,数据分析已经为运营提供了大量支持,可惜仅限于认知现状阶段。 2 不同运营数据的需求 虽然都叫运营,但是运营实际包含的工作内容非常多。不同运营工作,具体痛的位置不一样。对于这些痛点,数据分析能治疗的程度也有区别。从本质上看,数据分析方法代表着理性、逻辑、计算。 因此有的工作天生就不咋需要数据帮忙,看个现状结果就行了,有的则需要缜密的计算和分析。综合以上要素,可以归纳如下: ? 这就是为啥大家能见到的细致分析都和用户有关。因为用户运营本身是个非常有策略性工作。 3 数据能支持哪些问题 数据分析适合解决理性问题,因此看了上边分类大家大概知道数据分析适合哪些问题。但别忘了,运营最大的问题是没钱。 以上种种,归纳起来就是:好的数据支撑体系,从来都是业务数据一体运营,集体作战的结果,从来都没有一个神仙级数据分析师能振臂一呼“啊啦啦啦”就摆平所有问题。

    67630

    产品运营数据分析——SPSS数据分组案例

    当我们的样本量过大,譬如以前讲过的,EXCEL2010最大只支持1048576行、16384列,尤其是当行数大于30万,一般的办公电脑处理都比较吃力,所以推荐做大数据量处理,还是用SPSS。 今天继续分享SPSS的数据分组,在SPSS里面,这个功能路径是:【转化——重新编码为相同变量】、【转化——重新编码为不同变量】,常用的是第二个,不会覆盖原有的变量数据。 第一步,数据录入 继续沿用之前的EXCEL数据文档,把数据拷贝到SPSS软件,设定好变量名称,如下图: 数据视图: ? 变量视图 ? 最后一组,我们通常定义为【范围,从值到最高】,不至于遗漏数据,正如第一组,我们会定义为【范围,从最低值】。 ? 数据分组后的变量视图 ? 原文链接:http://www.36dsj.com/?p=4850

    1K50

    python数据运营分析实例---销售预测

    数据来源:https://pan.baidu.com/s/1a5kcBy0O0LGO8vo5SXI2Hw 第一步:导入库 import re import numpy from sklearn import linear_model from matplotlib import pyplot as plt 第二步:导入数据 fn = open("C:/Users/***/Desktop/Python数据分析数据运营 /chapter1/data.txt") all_data = fn.readlines() fn.close() 第三步:数据预处理 x=[] y=[] for single_data in all_data y.append(float(temp_data[1])) x=numpy.array(x).reshape([100,1]) y=numpy.array(y).reshape([100,1]) 第四步:数据分析 plt.scatter(x,y) plt.show() 第五步:数据建模 model = linear_model.LinearRegression() model.fit(x,y) 第六步:模型评估

    38510

    运营分析而设计的数据系统

    介绍一个有趣的数据系统Operational Analytics Processing,OPAP系统。不同于传统的OLTP和OLAP,它更注重于实时数据的即时分析。 举个简单的例子,当用户参加一项活动时,产品经理或者是运营人员希望能够马上获得用户的参与效果,并且快速的探索用户的行为特征,从而立马改进活动以获得更好的效果。正所谓:越来接近实时的数据,越有价值。 低数据延迟: 数据的任何变化都能够在几秒钟内被查询到。因为主要是用于分析,所以OPAP系统无需像OLTP系统一样支持事务。 总结 OPAP系统并不太像传统的数据库,它单纯只是为了让数据能够更快的被分析。基于这个理念,便有了很多有趣的特性,比如不支持事务,直接将数据落盘到log。 总的来说,作者的设想是很有意义的:对于某些分析场景,使用Flink、Spark Streaming实时计算引擎,算出结果显得太重,也不够灵活;类OPAP系统可以通过简单的SQL语句将工作量释放给产品和运营人员

    46820

    梦幻成仙,诛灭外挂:《梦幻诛仙》的阻击外挂之旅

    《梦幻诛仙》同样也是如此。 《梦幻诛仙》的加入 《梦幻诛仙》是由祖龙(天津)科技有限公司研发的一款3D角色、2D场景的回合制,该作由腾讯游戏运营,于2016年12月13日正式公测。 安全测试团队一方面使用函数风险智能分析系统、盗刷漏洞扫描和拒绝服务攻击扫描对游戏进行一轮漏洞自动化检测,另一方面根据各功能风险性和优先级对游戏的战斗系统、交易所和战力成长系统进行深度分析和漏洞挖掘。 测试前分析 前文提到不同游玩法都会使用不同的技术实现,因此在《梦幻诛仙》安全测试之初,WeTest安全团队对游戏进行了一个详细的分析与拆解。 WeTest安全测试为《梦幻诛仙》线上运营提供安全保驾护航,项目上线后未发生安全方面的运营故障,为用户提供安全、公平、健康的游戏环境提供了坚实技术支撑和安全保障。 ,在工具上已经支持所有腾讯在研和运营项目。

    59400

    《python数据分析数据运营》笔记2021.9.16

    P165, 100万条内选K聚类数据量大时间久,数据高维选择降维、子空间聚类(谱聚类),Mini Batch KMeans,分类准确选谱聚类。 2、聚类和分类的区别? 不适合商业环境复杂的企业,数据的平稳性、白噪声检验 9、数据分析的流程是什么? 大流程、小流程、循环流程、迭代流程 10、如何处理异常值、重复值、空值? 主成分分析PCA、因子分析FA、线性判别分析LDA、独立成分分析ICA、局部线性嵌入LIE、核主成分析KernelPCA 12、大数据还有必要抽样和降维吗? 数据的抽样、数据的降维(X太多)(专家法、相关性法、准确性法、机器学习权重) 13、数据分布不均衡的影响? 机器学习样本不够,学习有偏差。10倍要警惕、20倍要处理。 过抽样(容易过拟合)、欠抽样(容易数据信息丢失) 14、如何检查异常检测? 统计(分布)、距离K均值、密度LOF、偏移、时间序列,离群点和新奇点检测 15、如何验证关联分析

    6030

    扫码关注腾讯云开发者

    领取腾讯云代金券