小白学数据分析-----> 你的游戏数据分析做好了吗?

“策划和数据的关系和SM一样,你穿皮衣,握着鞭子的时候,才会体验到驾驭数据的刺激,前提是你很坚定你必须站着,一次都不要跪。如果你是跪在地上的那个,那永远永远只能被牵着走。”

我们作为游戏运营一直在说数据重要,数据化运营,然而,往往给出来的就是留存率、流失率、活跃、付费渗透率,这些是目前大家都在做的,而且做了很久很久,可惜的是目前还没有形成一些统一的规范,因此我们有了ARPU的质疑,有了一次又一次的质疑,虽然再各自为战,但是没有战出一个所以然。

其实我觉得太多的时候我们只是注意了怎么炫,怎么把握行业,却忘记了怎么做好产品。我不觉得你跟我说说留存、流失、活跃就是数据化运营,懂得数据了,有段时间我觉得自己懂得这些指标挺NB的,因为别人不会,别人不懂,但是其实你根本就不NB,因为你的所谓NB没有解决什么问题。

刚才说到了一堆指标,忽然之间,你会发现,这些指标

第一是宏观的“大数据”;

第二你拿到的必然是历史数据;

第三你即使意识到了问题(数据),但是你推动不了策划和设计者进行修正和改进,因为你有数据,但是你没有解决方案;

第四,你的运营永远乏力,因为你不知道问题所在。

有些时候我倒觉得更加实在和实际一点比较好,告诉我那个按钮设计错了,怎么改进。在游资网看到牛牛的文章,感慨颇多,有着相同的感受,游戏的数据分析不但是一种指标化的衡量和分析了,这点与电商分析,网站分析都是不相同的。玩家背后这种内在的分析最终能够帮助我们将流量转化为金钱的。但是我们现在只是看到了流量。

换句话,我们现在停留在了流量的层面上,因此我们一直在关注付费渗透率,因为我们相信高渗透率,高流量,就会带来高收入。但是这不一定就是对的。因为我们的运营策略是粗放的,我们总是用群体的意识和目光在观察我们的群体,诸如付费用户,在付费用户背后的蕴藏的价值似乎我们的挖掘是不到位的。

此外,一个游戏的价值不仅仅就用钱来衡量,还要看用户的流量质量,这点我们一直是粗放增长的,也就是我们没有考虑怎么增加这部分隐形的价值,这部分隐形价值就是用户对于游戏的反馈,注意这种反馈不是宏观大数据的反馈,而是反映游戏内在设计和用户体验的数据,这点似乎我们并没有做的很到位,因为我们认为这和RMB没关系,其实,这部分是和RMB紧密联系的,因为这就像一个组织一样,最怕的不是外来力量的袭扰,而是内部滋生的破坏力量,在一个游戏中,如果我们没有通过解决好游戏设计和体验的深层次问题,谈何留存、流失、收入、活跃?!

所以,一款游戏的成功必然是好的设计和好的运营共同作用的。好的设计不是天然的,是通过不断修正和改良的,好的运营是建立在好的产品上。

 

 

时间: 2024-07-30 05:33:27

小白学数据分析-----> 你的游戏数据分析做好了吗?的相关文章

《R语言游戏数据分析与挖掘》一1.2 游戏数据分析的流程

1.2 游戏数据分析的流程 游戏数据分析.数据挖掘的价值一定要落实到具体的业务应用中才可以得到检验和实现,所以需要流程和制度来有效保障最终的业务实践效果.这些流程一方面可以促使各相关方在数据分析业务实践的不同阶段落实各自的角色.分工和价值,维护整个业务流的畅通和效率:另一方面可以有效达成数据分析项目中各环节的阶段性目标. 游戏数据分析整体流程可以参考跨行业的数据挖掘标准流程CRISP-DM方法论,它是一种业界认可的用于指导数据挖掘工作的方法.按照CRISP-DM方法论,一个游戏数据分析的完整流程

小白学数据分析----->回归分析在游戏人气分析的应用探索

昨天简单说了一下相关分析在充值购买失衡方面的应用,今天就接着昨天的话题,说一下回归分析(Regression  Analysis),回归分析是研究一个变量(因变量)和另一个变量(自变量)关系的统计方法,用最小二乘方法拟合因变量和自变量的回归模型,把一种不确定的关系的若干变量转化为有确定关系的方程模型近似分析,并且通过自变量的变化来预测因变来预测因变量的变化趋势,在回归分析中两个变量的地位是不平等的,考察某一个变量的变化是依存于其他变量的变化程度,就是存在因果关系. 今天将利用回归分析对游戏数据分

小白学数据分析------>把握分析标准与敏感度

写在正文之前,想说几句话,今天是2012年3月16日,是我开博客以来的第9个月,9个月让我成长的非常迅速,这期间我收获了很多东西,认识了很多人,开了群,见了网站,持续的写博,从来没想到我的博客会有这么大的作用,从来没有SEO,从来没推广,从来没有任何宣传,我想到和我做的就是把我自己的成长纪录下来,把网游数据分析的点滴分享出来,当然我希望有人看,但是我毕竟不是高手,只是一个小白,小白只能是学习心得的纪录和整理,帮助自己理顺思路,很希望自己的文章有人看,因为那样就会有高手帮助我指点问题.今天 博客9

小白学数据分析------>日活跃人数分析

从今天开始,特开辟一个小专栏,题目暂定为小白学数据分析,鄙人不才,在数据分析的道路上走的崎岖坎坷,同时数据分析本身是一个多面和复杂的工作,要懂得理论(统计.概率.数据挖掘.算法.模型)更要懂得业务,懂得行业理论,还要有灵活多变的思维,想想还是很复杂和麻烦的,所讲内容不但是理论,不仅是数据,尽量把这些东西综合起来,立体的来看,鄙人水平有限,很多的内容是尝试和改进,参考了很多的材料,在木有高人指点和牛人帮助的情况下,我只能借助浩瀚的网络知识和自己的悟性,今天决心拿出来给各位主要是帮助大家和我一起进步

小白学数据分析----->付费用户的金字塔模型实践操作

免费游戏中付费用户模型分析 最近看了不少文章,对于付费用户的模型也有了很深刻的理解和认识,早先我做了不少关于大R,中间R,低端R用户的分析,想来还是觉得草草了事,近来有网友提出来,理论探讨的多了些,实践上手的东西少了点,毕竟还是叫做小白学数据分析啊,今天就把以前说过的付费用户的模型具体的实践一下. 感悟和理论 得到的灵感首先要感谢Nicholas Lovell 的这篇文章,是我得到了一些处理和分析这个模型的办法.连接如下: http://www.gamesbrief.com/2011/11/wh

小白学数据分析----->数据指标 累计用户数的使用

小白学数据分析--à数据指标累计用户数的使用 累计用户数是指注册用户数的累计,即可以认为是新用户的累计.在一般的数据统计中,我们基本上都会涉及到这个指标,且这个指标是逐渐累加的,比如: 时间                   注册用户数[新登用户]           累计注册用户数 1日                    100                                                 100 2日                    120   

小白学数据分析之关联分析理论篇

关联分析的学习 在说关联分析之前,先说说自己这段时间的一些感受吧,这段时间相对轻松一些,有一些时间自己自己来学习一些新东西和知识,然而却发现捧着一本数据挖掘理论的书籍在一点一点的研读实在是很漫长,而且看过了没有什么感觉.数据这一行理论很多,算法很多,模型很多,自己现在一直是结合业务来做的数据分析与挖掘,相比电商而言,游戏业做的数据大多很糙,但是仅仅结合业务和运营,更加注重我们客户的质量和维护,当然这不是说电商没做,实际上电商一直在做,然而最近一次经历发现,我们过多的时候去讨论了算法,模型,新理论

小白学数据分析----->什么是活跃_I(DAU)

最近和几个人聊天,大家对于活跃都有着自己的看法,此外因为一些标准的问题,不熟悉分析术语的很多人把活跃,留存等很多信息都搞混了.后来发现这是一个很现实的问题.在一些我 看来不是问题的问题都变成了问题了,因此在此特地说说活跃的事,帮助更多从事游戏数据分析的小白们成长. 究竟什么是活跃?在日常与外界合作过程中,我们经常日活跃.周活跃.月活跃等等信息,貌似听起来比较简单,但是真正如果自己实施操作统计数据时却发现自己又不懂这些定义,因此作为一些分析师.甚至开发人员就会发现很难去操作.以下我将描述三个活跃的

小白学数据分析----->基于数据驱动的最佳渠道评估策略

对于游戏数据分析来说,我们要从很多方面下手,具体从数据分析角度来说,作为游戏CP需要作三块工作,第一是游戏推广,第二是游戏质量,第三是游戏运营,就这三点来看,推广是未来游戏是否有稳定人气,获得稳定收入的关键一环. 关于手机游戏的渠道分析,是很重要的分析方向,对于这一点,其实无论是端游,页游还是如今火热的手游都是一样的,也确实是作为游戏CP很头疼的事情.原因很多,就手机游戏来看,比如苹果商店的封闭性,不能进行多渠道的转化追踪:而多渠道时(比如国内现在的多个安卓渠道),追踪转化分析又太过麻烦,基本上