zoukankan      html  css  js  c++  java
  • 游戏运营的数据分析

    这几天一直在看如何展开数据分析文章,大家写的都不错,说实话,针对如何展开游戏运营数据分析的指导真的非常少,作为每个公司的核心机密是不会拿到台面上与大家分享的,一段时期我上网看了很多的材料,当显示不能满足需求的时候,就要靠我们自己来挖掘。以下是我的结合一些文章后自己总结的数据分析的方法。

    ————————————分割线—————————————————

    数据分析工作可以从宏观数据和微观数据(细分数据)说起,这种方式也是我比较喜欢的,正如小强所言,宏观数据是对总体趋势的预测,以及对异常数据的敏感性把握。而微观数据分析的来源一方面就是从宏观数据的异动而产生的需求,二者是一种相互依托的关系。当然如果不是专业做DA工作,也许按照这种方式是没有什么问题的,因为毕竟工作时间和精力不允许有更多的研究工作。从我这个菜鸟DA来说,其实还有很多的工作要做,而采取的形式是另外一种形式,不过其内涵与之前的是一致的。

    如下图,大概每个行业的数据分析体系都是这个模式:

    网游的常规数据的把握和检测更多的是针对人气(总登,峰值,APA,注册,流失,在线时长),消费(ARPU,充值,消耗,渗透率)。

    专题数据挖掘目前在网游数据分析领域应用比较小,即使有这方面的研究也属于公司的核心技术,这一部分的研究是对整个游戏玩家的游戏行为,购买行为,情感行为,游戏心理,游戏压力,游戏寿命,游戏体验,游戏交互,IB购买关联喜好,经济系统运营分析等等深入的专题研究,不是为了解决某个问题而解决,而是一项基于海量数据的定期专题式的研究分析,只有深刻了解了用户的需求才能做出和运营好符合玩家口味的产品。

    用户调研其实在网游数据分析工作处在一个边缘的位置,很多玩家不清楚自己想要什么,所以某种程度上我们来做这种调研工作往往会得到错误的玩家信号,所以很少会用调研手段来分析玩家。

    按照这个方式总结起来如下图:

    这里的深度寻因是一种长期和固定的针对用户各种特征的寻因。

    那么对于我们而言,要做有两块工作,常规数据分析,专题式的数据挖掘研究。常规数据分析除了在宏观把握数据的趋势和异动之外,还要在微观上,将异动的数据指标进行细分,从微观角度找出问题的所在解决问题。而专题的数据分析是我们主动的提出一些问题,进而去寻找数据并进行研究,并不是为了解决问题而解决。这看似不能最直接的解决问题,然而这些数据的解读,我们能够掌握

    玩家想要什么(what);

    为什么要(why);

    从哪里可以得到(where);

    什么时候我们做(when);

    哪些玩家针对哪些运营策略(who);

    我们应该给多少(how much);

    以什么形式进行(how);

    通过5W2H的方法,结合分析手段来解决这些问题。以下为根据网络总结的数据分析的一些注意点和方法。

    常规数据分析的思路--从收益角度

    但我们面临收益下降时,需要我们定位问题,从收益角度出发来解决问题。

    常规数据分析的思路--从人气的角度

    通过以上的数据解读和针对这些宏观数据的细分,我们可以完成一些异动数据的分析和紧急的需求。

    而在做好这项工作的同时,我们也需要做好专题式的数据分析工作,提供运营人员更多的运营决策。

    针对游戏数据挖掘的专项研究目前来说总结如下几点:

    在专题的数据挖掘与分析模式,有以下的几种形式:

    用户生命周期模型

    流失因素函数及模型计算

    网络媒体效果分析

    游戏活动及系统风险评估

    游戏经济系统预警评估

    针对专题式的数据挖掘,目前还在一个缓慢的研究过程,这一块确实

    是比较困难,不同于传统零售,金融,电信行业。网游具有着独特性在具体的分析过程中,需要结合特点,合理应用理论和技术解决问题。

    网游数据挖掘与分析高级群(171461228)& 网游数据分析论坛(www.xuefenxi.com),欢迎热衷于网游数据分析的各位前辈和新人加入,共同讨论学习。如有疑问请联系xfx_2012@126.com
  • 相关阅读:
    人生转折点:弃文从理
    人生第一站:大三暑假实习僧
    监听器启动顺序和java常见注解
    java常识和好玩的注释
    182. Duplicate Emails (Easy)
    181. Employees Earning More Than Their Managers (Easy)
    180. Consecutive Numbers (Medium)
    178. Rank Scores (Medium)
    177. Nth Highest Salary (Medium)
    176. Second Highest Salary(Easy)
  • 原文地址:https://www.cnblogs.com/superjt/p/3016960.html
Copyright © 2011-2022 走看看