
大数据非万能,游戏营销得“阴阳迭运”_数据分析师培训
好吧,柴静在鲜有的情感克制下,做出了雾霾纪录片《穹顶之下》,火爆后,却硬生生被解读出各种营销的鸡汤味,撺掇出阵阵假高潮……不得不说这是个“被鸡汤”的年代。
而在营销领域,扮演类似角色的便是“大数据”,近两年,许多用惯了大波妹、“老婆不在家才能玩”等噱头的游戏商家们也视大数据为玩转营销的万灵丹,但显然,它也沦为了看过去高大上的噱头。
就在春节前,曾因Facebook而名声大震的Zynga悄悄关闭了中国分公司。似乎,国内71名员工每年700万美元的花销,也成了大洋彼岸负担。如今,这家上市游戏公司的市值从最高70亿美元跌落到25亿美元,日活跃用户数从2013年二季度的3900万滑至2014年四季度的2500万……
早几年,也是这家公司,声称将“功能开发15%”的游戏直接撂到线上,以数据分析来改进,就能轻易成功;而在营销手段上更要完全仰赖数据……可惜,它忘记社会有多复杂,营销就有多复杂,简单的大数据定量分析,会让人做出看似科学实则轻率的决策……结果,便落到如今这般田地。
再仔细回味近年来的游戏圈,参与者们往往因“爆品”一炮而红,之后,便拿手中积累的数据“说事”,一味的模仿、换皮,营销洗用户,到头来,则不断演绎《桃花扇》中“眼看他起朱楼,眼看他宴宾客,眼看他楼塌了”的悲剧。
的确,游戏营销就是要打动人心,这是一件比卖货难上百倍的事情,打动一次可以,想总能打动,除非是心脏起搏器。
纵观行业,小郝子发现,倒是数据资源丰富的腾讯鲜少提及大数据,而腾讯游戏无论在端游时代还是手游时代,都duang、duang、duang地占据各种游戏榜单,并超越索尼、微软,成为全球收入最高的游戏服务商。这个庞然大物到底怎么看待大数据?
最近,小郝子与腾讯游戏的市场营销团队深入交流,深觉其营销要诀不止于依赖大数据,而在“阴阳迭运”——数据化分析、反馈、洞察、修正为“阳”;用户调研与数据的互为印证、品牌的精准策划、创意、媒介、公关、活动等各团队协同合作,高效执行为“阴”。按照大儒朱熹的话说:“阴阳迭运……其理谓之道”。游戏营销之道,便大致如此。
阳——大数据玩法
比如,数年前,射击游戏《逆战》刚刚面世。当时,通过各种渠道,腾讯游戏用研团队收集到的数据显示,玩家吐槽它与老牌游戏《穿越火线》玩法缺少差异性,竞品太多缺乏鲜明特色……因此,项目团队便开始从差异化、加速用户认知下手。
用户数据显示,《逆战》主要玩家为13到22岁之间,FPS中低端用户,地市级城市分布明显,大部分高中及以下学历。而用户研究表明,70%的90后,认为自己是“泛娱乐派”——玩咖、娱乐至死,且多为音乐发烧友,追逐草根崛起的明星……
于是,基于如此种种要素,《逆战》市场团队经过数轮筛选,确定张杰为代言人,打造专门主题曲,契合潜在玩家感受,引发情感共鸣,放大身心带入感,不断吸引用户,进而,积累更丰沛的数据,改进营销手法以及游戏玩法、场景等,最终使张杰通过专辑、演唱会、跨年晚会等方式深度介入《逆战》泛娱乐营销,共同打造的“逆态度”不仅是游戏吸引了更多用户,也为张杰聚集了更多粉丝,使《逆战》营销走向“马太效应”正循环。
可见,从本质上,大数据解决的是游戏营销的效率问题,避免“黑岛工作室”那般的“孤阴不生”——期待不断打动玩家,也有制度、体系配合,却缺乏有效信息获取途径、数据分析能力,市场反馈迟钝,以至于在盲目、低效、反复决策中错失众多机会,走向泯灭。
阴——协作执行
而与上述情况相对,同样重要的是,大数据指路后,各市场团队协同一气,共同精准定位、发现问题、分析问题、解决问题、验证结果后,高效执行。避免Zygna那般的“孤阳不长”——让半吊子游戏随意上线,用大数据方法造势之外,却没有用研团队定性地提醒:长此以往,玩家们被Zynga伤N遍,还有谁待你如初恋?没了玩家,便失去了一切的基础。
设想下,若腾讯游戏没有用研团队对玩家反馈的定性总结,《逆战》品牌策划团队如何能寻得营销进化的路径?若没有后者的针对修正,前者又如何得到有效的验证,进而沿着相关思路拓展,给予更多有效的建议?
与此类似,有赖于腾讯游戏创意设计团队制作的视频《上帝爱消除》,2个月、30万元就换来800万次网上播放和疯传,帮助《天天爱消除》获得大批珍贵的种子用户;也正是在数据团队广告投放分析体系下,腾讯游戏广告投放的千人注册成本才数倍低于行业的均值,让有钱的腾讯避免了在营销上的任性……如此种种,多部门形成连横合纵的“集团军”式协作,才推动腾讯的游戏营销变得“好玩有趣超Happy,内涵装B接地气”。
这样的机制下,个人、部门、项目如高度耦合的齿轮,彼此咬合,快速运转,进而实现游戏营销的“飞轮效应”。
有人说:“好的游戏是艺术与技术的完美结合”。其实,好的游戏营销也是如此——关键之道,在于营销的艺术与大数据技术能阴阳迭运,相得益彰——当然,这同样是门功夫,游戏的营销作手们都该明白,如王家卫电影里的台词:“功夫,一横一竖,对的,站着,错的,倒下”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16