游戏数据分析很难吗？有个好东西分享给你

一款游戏的成功，除了出色的游戏创意、美术效果，还需要优秀的游戏运营，而游戏运营的基础，正是对玩家行为数据的捕捉与分析。

玩家在游戏中会留下大量的行为数据，如注册、付费、每日登陆等等。有的时候，数据分析得到的结论虽然正确，但是对业务指导的价值却很小。如何在冗杂的行为数据中找到对你的游戏至关重要的数据并加以分析，才是游戏运营成功的关键所在。

常见的错误分析

在没有游戏分析的经验时，开发者经常从网页分析借鉴一些分析方法，跟踪每一次的点击和网页浏览行为。但是这种方法并不适用于游戏，跟踪每一个行为会耗费大量存储空间，数据分析起来会更加困难。我们来看看两种常见的分析错误。

用户流分析时常见的错误

游戏的用户界面（UI）是让开发者普遍感到头痛的一点，在分析时，大家第一个想到的就是记录玩家如何探索UI的不同分支。但这样搜集来的数据集会有一些问题。

在游戏中，同一个行为或任务，玩家会有许多种不同的完成方法。将所有玩家的行为都记录下来会产生几近上百万条路径，但是结果却是相同，所以无法为运营提供有价值的洞察。

比如，在建造类游戏中，同个子菜单被打开多少次、玩家在每个材料上悬停了多久根本不重要。重要的是任务最终被完成了。

搜集过程中常见的错误

开发者经常会记录一些毫无必要的行为，在以收集资源为核心机制的游戏中，多余的行为跟踪更为常见（问题也更多）。

以收集金币为例，一项任务需要玩家收集126枚金币，每获得一个金币都是一个玩家行为。这种重复性行为中，与其一个个分析126次单独的事件，不如在收获结束时发送一个数据点：“玩家在‘y’时间内收集了126枚金币。”

“放弃”的重要性

要想做好游戏分析，关键在于大胆摒弃多余信息，只抓取最重要的数据。游戏行为注定会涉及大量的重复性操作，要记录下所有数据用于分析几乎是不可能的。这种精心捕捉“所有”事件的方法不仅会成为数据分析的障碍，还很有可能会限制游戏的潜力。找出最关键的部分，使用累计记录，可以有效地减少数据集的大小和干扰。

比如以下例子：

不要记录商店内的点击率，记录已取消和已完成的交易。

不要记录FPS里每次射击，记录每场任务的命中和未命中的总数。

不要记录每棵被砍到的树木，记录任务中木材收集的总数。

兼顾数据分析的目的

数据分析也要考虑运营的目标，有时是为了日常维护，有时是为了发布新赛季，有时是为了游戏优化。

如果是用于日常维护，DAU（日活跃用户）、ARPU（平均每用户收入）、ARPPU（平均每付费用户收入）等指标是重点记录对象；如果是为了游戏优化，除了日常维护的数据，最好在优化前进行A/B测试，通过观察实验组和对照组的不同行为数据，来明确此次优化是否是有效的（我们此前发布了一篇A/B测试的相关案例，点击回看）。

借助Unity高效完成数据捕捉与分析

Unity的deltaDNA是为游戏制作者准备的游戏运营优化工具，采用了深度数据分析技术。deltaDNA是一个端对端方案，具有跨平台和数据种类多的特点，可让发行商和开发者更好地理解玩家行为，针对性地定制个人化体验，成为游戏运营不可或缺的好帮手。