游戲數(shù)據(jù)分析中的幾個誤區(qū) 別看指標看事實

在游戲行業(yè)中，越來越多的關于數(shù)據(jù)分析的內(nèi)容和觀點也井噴式提出，“數(shù)據(jù)驅(qū)動下的精細化運營”，“玩家群體的定量研究”，“移動游戲數(shù)據(jù)分析體系”等等概念的提出，可以看出游戲的研發(fā)和運營過程中，對數(shù)據(jù)分析的需求是無窮無盡的，相應的，對數(shù)據(jù)分析的討論也是各抒己見。而盲目過度依賴數(shù)據(jù)，或者主觀的解讀數(shù)據(jù)，帶來的損失則是無法估計的。以下，我將結(jié)合自己的工作經(jīng)歷，闡述以下數(shù)據(jù)指標會騙人和游戲數(shù)據(jù)分析中的幾個誤區(qū)。

1.未理解數(shù)據(jù)定義，盲目比較數(shù)據(jù)

近來，同行們樂于去關注關于行業(yè)各類型游戲的benchmark，諸如S級游戲的次日留存，S級游戲的ARPU，S級游戲的ACU/PCU等等一些運營常見指標，在我看來，比較是數(shù)據(jù)的價值之一，是用來衡量產(chǎn)品優(yōu)劣差距度量最直接的方法，而數(shù)據(jù)比較是建立相同的數(shù)據(jù)采集方法和數(shù)據(jù)指標計算方法上的。所以在比較數(shù)據(jù)前，請先明白benchmark的計算標準及數(shù)據(jù)采集方法，這樣才能體現(xiàn)數(shù)據(jù)比較的意義。

2.過度依賴分析方法，沉迷于數(shù)據(jù)建模過程

作者在大學期間，讀的便是統(tǒng)計學專業(yè)，大學參加過數(shù)學建模比賽拿到較好的名次，也做過一系列諸如BP神經(jīng)網(wǎng)絡，貝葉斯決策樹或是聚類分析等項目，在剛接觸游戲數(shù)據(jù)分析時，十分興奮，便用了各式各樣的方法對數(shù)據(jù)進行分析。漸漸的我發(fā)現(xiàn)，在實際工作中，數(shù)據(jù)分析并不像學術研究那樣嚴謹，更需要對數(shù)據(jù)表現(xiàn)作出快速判斷，不需要在每次分析前都去驗證樣本群體是否符合某種統(tǒng)計分布，也可能不需要用“人工神經(jīng)網(wǎng)絡”等“高科技手段”去預測產(chǎn)品將來的用戶數(shù)，甚至給出“A>B”的結(jié)論時也用不著做“顯著性檢驗”，考驗得更多的是對業(yè)務的理解的把握能力。所以在開展數(shù)據(jù)分析工作過程中，切勿過度依賴分析方法，而應重視游戲業(yè)務的把握。

3.數(shù)據(jù)是客觀存在的，切勿主觀誤讀數(shù)據(jù)

對于在一線工作過一段時間的同行來說，做數(shù)據(jù)分析經(jīng)常會走入這樣一個怪圈，在我們提取數(shù)據(jù)的過程中，我們會看到部分的數(shù)據(jù)表現(xiàn)，而且對各種各樣的現(xiàn)象都有了一些自身理解的結(jié)論，在這樣的思想指導下，總有方法去用數(shù)據(jù)去驗證自己的結(jié)論。在我看來，數(shù)據(jù)是客觀存在的，解讀數(shù)據(jù)也需要秉持客觀中立的態(tài)度，千萬需要避免為了自身觀點去解讀一份數(shù)據(jù)。

4.不明確數(shù)據(jù)分析目的，模糊分析需求，分析不完整，應該做一份300%的分析報告

明確分析的目的及需求，比如不要將核心用戶研究誤認為活躍用戶分析。產(chǎn)品經(jīng)理跟你提出做一份COC的活動數(shù)據(jù)分析報告，去衡量活動效果，一般情況下，你會將活動前期，中期，后期的游戲宏觀數(shù)據(jù)拿出來，然后畫圖看各個階段的表現(xiàn)，然后做出判斷。然后歡欣雀躍的拿著報告交給產(chǎn)品經(jīng)理，這樣就覺得了事了。如果從一個數(shù)據(jù)分析師的角度看來，這樣的報告是很廉價的。別人提分析需求時，可能他有10個問題，但是只給我們描述了3個問題，我們并不能簡單解決這樣3個問題，我們應該更多的是中立客觀的從多個角度去思考這樣一個問題，然后從產(chǎn)品自身，產(chǎn)品玩家，產(chǎn)品運營等等多個角度，全面的去衡量這樣一個問題，去發(fā)現(xiàn)潛在機會，然后做出一份300%的分析報告，而不是100%。