游戏运营数据分析指标

2019-04-03    来源:yuyang-DataAnalysis

容器云强势上线!快速搭建集群,上万Linux镜像随意使用

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。

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。

文章来源:www.cnblogs.com/yuyang-DataAnalysis/

标签: 数据分析 游戏运营 细分数据 

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:过度设计的判定

下一篇:李开复道歉教给我们的六条公关营销技巧