京公网安备 11010802034615号
经营许可证编号:京B2-20210330
新手成为游戏分析大师的九个步骤
四个月以前,因为无知而胆大,我为自己树立了一个目标——成为世界上最优秀的游戏分析师之一。还笑?如果我告诉你我认为游戏机制是游戏开发者讽刺自己的术语呢?或者DAU(日活跃用户)听起来更像新的中国哲学学说而不是基本指标?可以说,我距离目标还有很长的路要走。所以我像大部分人那样做了——我Google了很多资料。当我学习完Google来的东西后,我就买了书。我读完书后,我又去向行业专家讨教。正当我开始变得骄傲自大时,我受到了封闭测试和软发布的考验,正是那期间,我发现我的40%的学习时间本可以更好地利用。所以我决定写本文,为此我想出以下几个标题:
简单9步成为游戏分析师!
9件事助你成为游戏分析大师!
一月速成王牌游戏分析师!
如果以上标题让你觉得热血沸腾,那么做好被泼冷水的准备吧!本文不是教程。你不会在下文中读到关于游戏分析的方方面面的建议。我之所以写本文,是因为我希望在我决定成为游戏分析师的时候,我能首先读到这样的文章。借本文,我想简要地介绍一下成为一个合格的游戏分析师的过程。
游戏类型有不同的定义,比如从平台的角度说,有PC、游戏机、手机等;从机制的角度说,有匹配消除类、MMO、模拟等;从种类来说,有动作类、冒险类和赛车类等。这些类型是可以互相结合的。当选择游戏类型时,应确保它在市场上有足够的占有率。至少,这种游戏类型有排行榜的前100名中有比较体面的名次。挑选最初的游戏类型并不意味着你这一辈子都要研究那种类型。它只是作为一个起点。你应该知道收益递减法则,如果你一开始就研究多种游戏类型,你积累下来的知识会越来越少。与其艰难地把游戏机FPS和休闲免费手机游戏的共性特性归纳清楚,不如一开始就好好研究一种游戏。
每个游戏设计师都必须有一个起点,这本书就是一个好开头。本文知识丰富、角度全面、由浅入深。虽然本书的长度过长(超过800页)、语调不一致(包含50多种不同的视角)和技术参考过时,但它包含相当实用的信息。当你还没有任何游戏分析的基础,这些海量信息是非常值得学习的。
如果你完成了上面两步,那么接下来你可以使用搜索引擎了。在搜索栏中键入指标和行业热词,你应该会看到大量文章和网站。如果你觉得自己运气很好,那就在搜索栏中键入某款游戏名称和“分析”两个字。在你过滤掉无用信息后,结果应该主要关于行业研究或发现,你会从个人和游戏服务商发布的研究中发现有价值的东西。
与书籍推荐一样,专家的分析或观点通常(必然地)与商业利益有关。总是注意这些信息的语境,尽量搜索反对意见。在游戏分析经济中,知识仍然是金,所以在专家的博客和网站中表达感谢。一旦你订阅了专家的网页内容,就可以跟进专家的Twitter了,社交媒体改变了信息传播的方式,所以请确保你使用了所有可用的工具。
到这时,你应该已经阅读了非常多关于游戏指标的东西,它们甚至已经成为你的日常交谈话题。事实上,我每天都花五分钟时间讨论把大额玩家叫作“鲸鱼玩家”是否更可爱,如果我们不考虑它就是ARPU的话。这五分钟我永远也拿不回来。
在大部分的分析会议上,指标都被作为谈话的起点和终点。对于所有关于乐趣因素和创新设计的演讲,游戏最终是由它们的底线数字判断和衡量的。你是否开发了一款好游戏?你怎么肯定你的游戏很好?你妈的认可不算数。通常来说,指标是微妙或细微的问题的指示器。指标告诉你方向,然后由分析师深入细节并找出问题。这就是为什么存在游戏分析师这种职业。知道指标不算什么,它只是一个最基本的要求。
但注意,并不是靠指标就能产生《Candy Crush》。有些人认为使用指标就能做出操纵玩家花钱的山寨游戏而不是给玩家带来乐趣的好游戏。过分使用数据当然会产生糟糕的结果,但我和其他许多人认为,不使用数据同样是很危险的。最终,大部分业内人士认为,数据分析型设计(与数据导向型设计相反)能够帮助开发者做出既有趣又赚钱的游戏。
从SQL和Excel开始。SQL是主要的数据库语言,尽管不同平台上有很多变体,但基本面是一样的。SQL帮助你检索、格式化、组织和操作来自最传统的数据储存区的数据。Excel当然是世界上使用最广泛的数据分析工具,它有非常强大的表格功能。记住,这些只是基本技能。分析数据的技术和工具是令人惊喜的,且总是在变化,所以一两年后,你会发现自己只会操作表格或编写SQL查询,你会面临极大的竞争劣势。
使用清单的前提很简单:你越少依靠记忆力越好。当判断游戏表现时,许多分析师会使用他们已经掌握的知识开始分析数据。如何积累已经学会的知识?通过重复背诵指标、维度和技术分析数据。但无论你的记忆力多好,要记下所有东西仍然是困难的,何况可能会发生记忆错误。
清单可以减少记忆压力。它们以简明的方式锁在分析思考中,使过程更可重复,并体现错误—-允许你专注于思考新挑战和新问题。如果你想学习本文,就使用清单列表吧。它们都是很有价值的。
如颗你想成为分析师,你要学习的困难的技能非常多(注:例如Python、emcache、R、Qlikview/Tableau,、nformatic等等)。学习困难的新技能的问题是,非常费神,通常需要你付出巨大的努力。但不要着急,多给自己一些时间和空间去磨练你的技能。
在媒体的号召下和苹果的极简主义设计风格的影响下,人们对简单化或流线化的渴望达到了前所未有的程度。游戏分析学也随之越来越追求在文章中简单地解释自身,以至于单一的数字成为衡量成功的主要标准。但说到底,各个数字取决于大量其他因素的相互作用,达到一两个基准点并不能保证游戏成功。甚至看似关系密切的第2天和第30天留存率也并不总是相关的。相反地,你应该衡量尽可能多的方面(在不特征游戏性能或超出预算的情况下)。设计数据结构使之提供最佳表现和最大的灵活性——不只是最容易读懂。从多个角度评估游戏表现——不只是人人都使用的指标。UI和可视化设计应该追求简单化,但其他方面如数据库和统计算法未定是抽象的。所以,拥抱复杂吧。
作为分析师,你的工作不只是观察数字和每天、每周、每月做报告。这些工作有电脑负责。你的工作是找出导致这些数字出现的原因,以及推论出改进的可能方法。优秀的分析师是游戏工作室的积极鉴别者。设想一下数据和分析学能有什么作用,然后去实现这些作用。
最后,享受成为游戏分析师的过程。毕竟,我们的工作是几乎能够实时得到数百万玩家验证的。偶尔停下来问问自己:“还能比这个更好一点吗?”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22