热门推荐
最新游戏
推荐网游
推荐单机

游戏数据分析的几个误区

  • 来源:GameDatas
  • 作者:
  • 时间:2014-08-14
  • 我要评论
返回分页阅读本文导航

1游戏数据分析的几个误区1

  近几年来,随着大数据概念的提出及数据相关技术的迅猛发展,数据分析及数据挖掘这一方面的工作也得到了肯定和支持,在游戏行业中,越来越多的关于数据分析的内容和观点也井喷式提出,“数据驱动下的精细化运营”,“玩家群体的定量研究”,“移动游戏数据分析体系”等等概念的提出,可以看出游戏的研发和运营过程中,对数据分析的需求是无穷无尽的,相应的,对数据分析的讨论也是各抒己见。而盲目过度依赖数据,或者主观的解读数据,带来的损失则是无法估计的。以下,我将结合自己的工作经历,阐述以下数据指标会骗人和游戏数据分析中的几个误区。

  1.未理解数据定义,盲目比较数据

  近来,同行们乐于去关注关于行业各类型游戏的benchmark,诸如S级游戏的次日留存,S级游戏的ARPU,S级游戏的ACU/PCU等等一些运营常见指标,在我看来,比较是数据的价值之一,是用来衡量产品优劣差距度量最直接的方法,而数据比较是建立相同的数据采集方法和数据指标计算方法上的。所以在比较数据前,请先明白benchmark的计算标准及数据采集方法,这样才能体现数据比较的意义。

2游戏数据分析的几个误区2

  2.过度依赖分析方法,沉迷于数据建模过程

  作者在大学期间,读的便是统计学专业,大学参加过数学建模比赛拿到较好的名次,也做过一系列诸如BP神经网络,贝叶斯决策树或是聚类分析等项目,在刚接触游戏数据分析时,十分兴奋,便用了各式各样的方法对数据进行分析。渐渐的我发现,在实际工作中,数据分析并不像学术研究那样严谨,更需要对数据表现作出快速判断,不需要在每次分析前都去验证样本群体是否符合某种统计分布,也可能不需要用“人工神经网络”等“高科技手段”去预测产品将来的用户数,甚至给出“A>B”的结论时也用不着做“显著性检验”,考验得更多的是对业务的理解的把握能力。所以在开展数据分析工作过程中,切勿过度依赖分析方法,而应重视游戏业务的把握。

  3.数据是客观存在的,切勿主观误读数据

  对于在一线工作过一段时间的同行来说,做数据分析经常会走入这样一个怪圈,在我们提取数据的过程中,我们会看到部分的数据表现,而且对各种各样的现象都有了一些自身理解的结论,在这样的思想指导下,总有方法去用数据去验证自己的结论。在我看来,数据是客观存在的,解读数据也需要秉持客观中立的态度,千万需要避免为了自身观点去解读一份数据。

  4.不明确数据分析目的,模糊分析需求,分析不完整,应该做一份300%的分析报告

  明确分析的目的及需求,比如不要将核心用户研究误认为活跃用户分析。网龙的刘经理曾经跟我分享给一个这样的案例,产品经理跟你提出做一份COC的活动数据分析报告,去衡量活动效果,一般情况下,你会将活动前期,中期,后期的游戏宏观数据拿出来,然后画图看各个阶段的表现,然后做出判断。然后欢欣雀跃的拿着报告交给产品经理,这样就觉得了事了。如果从一个数据分析师的角度看来,这样的报告是很廉价的。别人提分析需求时,可能他有10个问题,但是只给我们描述了3个问题,我们并不能简单解决这样3个问题,我们应该更多的是中立客观的从多个角度去思考这样一个问题,然后从产品自身,产品玩家,产品运营等等多个角度,全面的去衡量这样一个问题,去发现潜在机会,然后做出一份300%的分析报告,而不是100%。

推荐专区