运营 | 如何“驾驭”数据分析
作为一个独立游戏开发者,在这里提出的一些观点可能早已听过无数遍。对一款游戏来说,分析是至关重要的!我们几乎要衡量每个指标!分析的关键在于快速识别游戏中存在的问题,以及应该怎样来改进它。我们所需要做的就是通过SDK库和代码来帮助我们获得胜利。
可能在大多数情况下,以上观点并没错(除了简单直白的“胜利”),不过我们的经验与分析表明,这结论似乎太草率了。难道没有让人出乎意料的事情吗?在这个过程中我们经常得出一些新颖的见解,其中一些经常会被我们遗漏,但这仍然是极具挑战性的。在这篇冗长的文章中,我将试着与大家分享关于Sharp Minds这款游戏的一些相关分析来与大家共同探讨。
1、“快餐”
对于那些没时间阅读整篇文章的朋友们,我在这里先放出一些“快餐”(觉得篇幅过长无心阅读的朋友们-可以直接跳到结论部分)
什么是分析
严格地说,“分析”是通过数据做出的有意义的见解。通常它是一个需要利用电脑完成的密集型计算过程。有时候,数据集有可能会非常巨大。计算能力的提升允许“分析”越来越多地应用在生活跟工作的各个方面。在这里,我们将专注于游戏分析,特别是手机游戏的分析。
在游戏产业中,分析通常是指记录关于玩家行为/游戏的重要数据并对其作出分析,发现在游戏中存在的各种问题及瓶颈。发现问题并通过游戏更新来纠正。而新的数据将会用于验证是否成功地解决了问题。
即使纠正问题并不是分析的一部分,我认为对游戏做出“治愈”是分析过程中一个至关重要的环节。没有它,分析几乎是浪费了开发时间。
让我们来纠正一些误解:
在游戏中进行分析意味着将一些平台的SDK集成到代码中。
NO,这只是分析过程中的一个简单步骤,仅仅是在一开始。
事件报告是琐碎的,仅在“开始阶段”、“结束阶段”以及一些类似事件发生的时候才发送
尽管可以使游戏几乎没有事件报告,然后处理所有计算中产生的数据集,有时候这会省去我们大量的时间以及简化一些工作,并且使报告更智能以及发送一些上下文数据。
比如:“开始阶段”事件可以包含关卡的尝试次数。如果没有关于玩家开始关卡的连续计算数据是很难得出结论的,有一点要很清楚,这是一种非常“奢侈”的分析统计计算。一开始在事件计算中就加入关卡尝试次数则会让这一过程简单很多。
如果我记录下每个可能在游戏中发生的事件,数据分析平台将会给我一些有价值的见解帮我改进游戏。
这可能是一种比较常见的误解。虽然数据分析平台有时会给出一些丰富而又华丽的图表像我们展示游戏中一些看起来比较明显的问题,但大多数是一些并没有什么实际意义的数据。我们很难提取一些可以帮助我们付诸实践的内容。最有挑战性的工作也正是在这里。
我并不需要现有的数据分析平台,我可以使用自己的服务器完全控制和处理这些数据。
“每件事都自食其力”通常对独立开发者来说是一个很大的问题。数据分析也不例外。数据分析的核心的确不是很复杂。只需通过一个RESTAPI或其他什么方法都系收集一些关键/有价值的数据,但是这在细节上要求的深度和广度都是超乎想象的;可行性、缩放比例、误差处理、估算、数据存储、冗余等等这些都是需要考虑在内的,而这将耗费大量的宝贵时间。
如果我得到的数据分析和图表是准确的,游戏中的瓶颈和问题将是显而易见的。
这的确是数据分析的目标。但是这需要大量的异常数据。下载数越少,数据就越不稳定。如果下载量是10次下载/天,这将是很难实现的,而且会导致一个错误的结果。想象一下如果有一个策略游戏。在策略入门的时候就已经很有特色,这将与那些墨守成规的策略游戏展现出完全不同的行为。每一个外部事件都会影响到数据。这个问题在得到稳定和相对数量级的数据或者新的有效安装方式时会相应减少。
当我解释这些例外情况的时候,剩下的分析数据将会给我一个明确的信息接下来要做什么。
并不一定。发现一个问题和知道造成这个问题的原因(因此能够想出适当的解决方案)之间还是存在一定的差距,我们不得不做出一些思考和猜测来弥补这个差距。比如,如果游戏中很多玩家在第四关的时候开始流失,很明显在这个关卡存在一个用户体验的问题。而我们仍然不知道这是什么造成的。现在如果我们去挖掘更深层次的原因,结果发现玩家们在几次尝试失败之后依然会流失。现在我们回头来看第四关的问题可能是因为难度太大或者这关的引导不能让玩家清晰的认识到该怎么做。当更深层次的挖掘不再是最优解的时候,我们只能靠猜,解决方案将基于我们最好的猜测,让我们在下一个版本里看看会发生什么。
报表数据中寻找信息是一个离散的计算过程
这不是我们应该关心的。数据分析主要是是关于统计学和或然率。我们不关心有多少玩家(或者百分比)在第四关的时候离开游戏。无论是80%还是75%-85%的信息,不要纠结于细枝末节的数字。我们要在数据分析和报告中找出来的是错误,而不是一个可能变化或者指数增长的不准确的数字结果。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14