數據分析團隊正成爲手遊公司的標配，但我爲何說解散他

原文地址：http://www.gameres.com/778411.html

1、無力的數據分析師

數據分析團隊幾乎開始成爲全部手遊公司的標配，誰都以爲本身應該創建（接入）一個數據分析平臺，而後招幾個數據分析師，彷佛不這麼作，都很差意思說本身是互聯網圈的。

But，你認真想過：

我真的須要創建數據分析團隊嗎？

行業的公司對數據分析，常見有這麼幾個觀點：

一、我招一個會取數的就好，我叫他取數據，作一些簡單的處理，我來分析，就足夠解決我工做中的問題了。

二、我必定要對我產品的數據瞭若指掌，並且越細確定越好，這樣我就會知道產品哪裏有問題，怎麼改，這樣才（就）能幫助我修改個人產品。

三、我是一家大公司，又不是獨立開發者這種窮鬼，怎麼會去用第三方統計平臺這種功能標準化的玩意？我必定得創建一套本身的分析平臺，最好是BI系統。

四、數據挖掘已經很成熟了，若是我招到一個這方面的高手，他必定能 搞出一套套模型來幫助我提高留存、提高付費率。

其實上面幾種說法都沒錯，可是，你真的知道數據分析可以解決什麼問題嗎？哪些是你想要的？仍是你只是追求安全感走一步是一步？

數據分析的四大指望——觀察、詮釋、評估、應用

因此你以爲招一個數據分析師，最重要的是幫助你解決哪些問題呢？

我問過很多人，他們通常說：

首先是詮釋；

（知道發生了什麼沒啥用啊，知道爲何才重要啊！要不我怎麼改呢？）；

其次是應用；

（這個最直接能爲我提供收益啊，若是能有固然最好啦）；

觀察和評估這2個不難，如今不少第三方平臺都能幫我作啦，我本身定義下，程序也能夠幫我弄一個平臺呀。

對不起，偏偏是這2條是最難達到的！甚至達到也是會讓你失望的！

關於詮釋：耗時耗力，且不必定能很好的詮釋！

案例：發現3日留存不夠理想，想知道是什麼形成的。

數據分析師：2-3年工做經驗（5年以上分析師通常已經不親自幹這種活）

常見工做流程：

1，發現異常

需求：須要一個數據平臺，或按期取數觀察此數據

操做：按期觀察數據

2，提出假設

需求：須要一個有業務理解的數據分析師

操做：

列舉3日時，玩家一般等級、接觸的玩點：

熟悉——直接列舉；

不熟悉——預研究（取數、統計觀察）

猜想玩家流失可能緣由：

某類必備道具或能力因爲種種緣由未能獲取，致使遊戲進度困難流失。

某個關卡未能經過，卡住玩家，致使流失。

3，取數

需求：一、數據倉庫；二、配套數據倉庫維護員；三、具有數據庫操做技能；四、常見相關記錄如 登陸數據、任務接取狀況、等級、金幣、裝備、寵物……

操做：

取出如下數據：

註冊表、登陸表（按日）、登陸明細表、相關任務Log、等級表、金幣表、裝備相關表、寵物相關表。

4， 清洗

需求：具有數據庫操做技能

操做：

清洗得出如下數據：

是否第三天流失、任務是否接取、任務是否完成、任務完成時間、最後停留等級、最後庫存金幣、最後裝備分佈、最後寵物情況

5，分析

需求：有基本的分析能力

操做：

對比流失與非流失玩家在第三日時，各項關鍵遊戲數據、各個任務接取率、完成率

繪製各等級流失率數據，觀測流失高峯

按任務的序列繪製流失率數據，觀測流失高峯

6，撰寫報告

需求：有報告撰寫能力

結論來了！！！在第三日的時候：

1. 流失與非流失玩家，各項關鍵數據未見明顯差別，各任務接取率、完成率未見明顯差別。

2. 22-25級的流失率相對較高，有一個偏高的峯。

3. 按任務序列未發現明顯流失高峯。
   
   悲催的真相

4. 悲催的可能性（一）

玩家在22-25級左右會在某張地圖打怪，而這些怪附近剛好有其餘較高等級的任務怪，高等級玩家在附近作任務就刷掉了全部怪，致使22-25級玩家升級緩慢，無聊了一成天，天然就流失了。

悲催指數：三星

理論上分析師要是敬業一些順着22-25級流失率偏高往下挖是能夠抓到的。

其實若是是這個緣由根本不用那麼麻煩，下一章會詳述。

1. 悲催的可能性（二）

其實就是這遊戲太膩味了，玩家以爲沒啥新鮮感，到了第三天天然流失罷了，留下的那些玩家只是剛好比較有耐心而已，爲何集中在第三天流失，只是由於第三天開始重複程度比較高，已經沒有新鮮玩點、以及目標感支撐……

悲催指數：五星

這個殺了分析師也研究不出來，就算他猜到了，也無法證實。

上面是一個很是常見的數據分析師平常案例，在這個案例中，咱們能夠看出：詮釋一個異常數據的緣由，對於數據分析師是一個冗長的工做流程，並且不必定能很好的詮釋。

即便能準確詮釋，很能夠意義也極爲有限。

例：咱們常常經過對關鍵節點埋點來發現流失高峯，而且找到這些關鍵流失的問題，而且調整解決它，從而削掉這些高峯。

可是不知道你們有沒有在實戰過程當中發現這樣一種現象，你削掉了這些高峯以後，絕大多數狀況下，只是讓流失節點的數據變得平滑了，而整個留存數據也只是變得稍微緩和了一些，並無改變整個留存曲線的大的態勢。

這又是爲何呢？下一章會詳述。

關於應用：不要迷戀哥，哥只是個傳說！

【應用】涉及更加複雜的數據挖掘模型與算法，也就意味着更高端的人才，更長的研究週期。我簡單舉個例子說明：

一個悲催的真實案例：

個人一個好友，也是數據分析行業的大牛了，他的團隊給一款手遊作了一個分層激勵模型，而且部署上線，這個模型的效果是讓付費率提高了200%左右，這已是這類模型的經典戰例了，能夠說是效果顯著。

可是實際對遊戲收入的提高僅僅只有2-3%，緣由很簡單，由於這款手遊的大R影響力太強大了，那些小R即便數量翻了一番，也根本沒法影響到大局。

數據挖掘在產品中的【應用】確實可行，但對於中小型CP、發行屬於性價比很低的事情，若必定要作，建議選幾個特定的命題去作，下一章會詳述。

爲何數據分析會有這樣的無力感？

2、侷限的原因

1. 冗長流程

用數據來詮釋緣由實際上是最最苦逼的方法。

2. 解釋困難

過於依賴數據記錄的完整性，以及分析師的預判能力致使了數據分析解釋異常數據的困難。

案例：

數據異動現象：

在第三日的時候

1. 留存率不夠理想

數據詮釋緣由結論：在第三日的時候：

1. 流失與非流失玩家，各項關鍵數據未見明顯差別，各任務接取率、完成率未見明顯差別。

2. 22-25級的流失率相對較高，有一個偏高的峯。

3. 按任務序列未發現明顯流失高峯。

背後真相：

可能性1：

玩家在22-25級左右會在某張地圖打怪，而這些怪附近剛好有其餘較高等級的任務怪，高等級玩家在附近作任務就刷掉了全部怪，致使22-25級玩家升級緩慢，無聊了一成天，天然就流失了。

可能性2：

這遊戲太膩味了，玩家以爲沒啥新鮮感，到了第三天天然流失罷了，留下的那些玩家只是剛好比較有耐心而已，爲何集中在第三天流失，只是由於第三天開始重複程度比較高，已經沒有新鮮玩點、以及目標感支撐……

解釋困難的原因：

現實中的現象千奇百怪，不少事實是數據不必定會記錄到的（如：玩家對遊戲膩味了，逐漸失去耐心），而只要當時這個事實未能在數據中被記錄，這個真相就沒法被數據分析發現、還原；

即使這個數據被記錄了（如：打怪），可是如果分析師沒有注意到這個點作出研究假設（未能竭澤），這個真相就沒法被發現。

1. 無力改進

數據分析發現的問題，只能改掉毛病，可是沒法找到產品根源性問題。

案例：


如上圖案例所示：

數據分析發現了各等級中流失率異常的點，而且也發現了緣由。

並由策劃進行了調整，在版本更新後抹去了這些流失的高峯，可是從下圖的留存數據上看，咱們會發現這3個點異常高峯的抹去，對整體留存的挽回杯水車薪，並無扭轉整個留存持續下滑的頹勢。

這是由於：

數據只能消除那些因設計失誤而帶來的問題，但並不能使得遊戲變得更加精彩，或者玩點更爲豐富，所以，即使解決了這些問題，也不能使得遊戲產生質的飛躍。

應用：

在實戰應用中，數據挖掘技術在遊戲中的應用，每每有這樣幾個現象：

人才昂貴，並且須要配備更全面的數據體系支撐；

即使按期立項課題，卻鮮有斬獲；

即使有產生效果，也多爲小勝，錦上添花，少見有很是突出的貢獻（有通常是基於某個目的而創建的數據挖掘團隊，如競技類遊戲的匹配算法）。

爲何這樣，這些年的經驗給個人啓發是：

遊戲體系不一樣於通常的App體系。

我打個比方：遊戲的整個體系（世界）在設計之初，都是策劃（上帝）刻意創造出來的，強加的規則遠比通常的App來的多，而規律也會相比其餘App更加遵守策劃（上帝）想象的規則。

而咱們在【應用】中，每每指望可以發現一些策劃想象不到的規律（相似數據挖掘中的神話「啤酒與尿布」案例），而且還但願這個現象可以對遊戲改良（促活、增收）產生收益。

而實際由於在遊戲中，特別的規律實在是很是多，而多數的規律每每是策劃刻意爲之，機器（算法）並不知道哪些是有價值，哪些是已知的。

所以會致使數據挖掘工程師在遊戲數據中的挖掘效率變得更加低下（由於會比其餘領域發現更多本就能夠想象的事情）。

雖然困難，但並不表示，數據挖掘沒法在遊戲中很好【應用】

在數據挖掘技術【應用】的實戰中，我發現：

1. 識別某類羣體（如：工做室、外掛）

2. 預測某類行爲（如：流失預測）

相對容易產生好的【應用】。

以上還只是遊戲行業數據分析的通病。

咱們再次回到今天範疇——手遊，因爲手遊的特質，會致使數據分析更加的侷限。

手遊特質

基於這3大特質，數據分析應該重點作什麼？

怎麼辦？

咱們回到上文的結論，爲何會【發現】易，【詮釋】難？

1. 數據分析屬於竭澤而漁的作法；

2. 數據分析能夠發現出了什麼問題，可是卻很難發現爲何不夠好；

可是每每不夠好纔是留存差的關鍵！

我打個比方：

決定一個妹子喜歡不喜歡你的重點，並不在於你有沒有幹什麼蠢事（一些關卡的設計失誤），而在於你帥不帥（美術風格），是否是她喜歡的風格（遊戲類型），是否是一個有趣的人（老是能給她驚喜）。

你改掉那些蠢事毛病，能作到的只是，不要由於犯蠢而致使某個原本會喜歡你的妹子離你而去。

因此對於一個遊戲：

1. 不犯錯當然重要；

2. 花樣挑逗纔是維持留存的關鍵！

咱們在這裏並非討論設計遊戲的方法，只是借「不犯錯」「花樣挑逗」來看看數據分析是否是能幫上什麼忙。

關於「犯錯」：數據分析確實能夠發現犯錯了（妹子不開心了，數據表現異常了），可是前文說了想要詮釋爲何這事其實數據分析並不拿手。

關於「花樣挑逗」：數據分析想知道挑逗是否成功（妹子High了！），這個就有點爲難數據分析師了。

其實咱們根本不用這麼糾結於非要用數據分析來詮釋咱們哪裏犯錯，也不用去判斷是否挑逗成功。你見過誰去搞一個可攜帶設備經過觀測妹子生理參數（額，好像污了）幫助屌絲把妹的？

因此咱們不要把本身限制在數據中思考問題，問題就迎刃而解。

3、玩家視角看玩家

既然咱們發現，數據分析因爲上文種種緣由，很難幫助咱們經過【發現】【詮釋】去讓遊戲的品質產生質的變化，從而幫助策劃「泡」到玩家。那麼咱們該怎麼辦？

「春江水暖鴨先知」，若是咱們真正回到【玩家視角看玩家】，上面那些破事根本就不是個事情！

何謂【玩家視角看玩家】

說個故事，是我剛入行的時候的事情：

有個運營總監，特別不愛看數據，特別喜歡看玩家原話，因而咱們各類裝逼作出的各類數據他都不是頗有興趣，只想看玩家原話。

那時候個人心裏是崩潰的，老子用了這麼高端的數學模型，這麼深刻的分析，作出這麼深入的分析！竟然比不上玩家原話，MDZZ！

過了許多年以後的今天，我忽然發現這個要求實際上是很是有道理的。

只是這種所謂的「玩家原話」並非咱們直接理解過去的玩家原話，好比客服反饋的玩家的意見，或者是咱們電話調查玩家：你有什麼不滿意的地方啊？你爲何流失啊？

爲何？

和把妹同樣，Care你的人才跟你吐槽，懶得鳥你的人，絕對不會跟你說那些背後的真相的，因此若是分手的時候問妹子緣由，經常是好人卡。

而客服反饋那通常回來的都是：哎呀，太貴了！唉呀，太刮金了！唉呀，太卡了！唉呀，爆率過低呀！唉呀，太不平衡了！

如何【玩家視角看玩家】

因此怎麼辦呢？

再給你們講一個我「少年」時的故事，那時候咱們招了一我的類學的碩士，跟咱們提到一種研究方法：「田野做業法」。這是社會學和人類學裏面的一種基礎調查法。

這哥們打算怎麼在遊戲上應用呢？

很簡單就是深刻玩家，跟玩家一塊兒玩，而後玩幾個月給一份報告，因而個人心裏又奔騰了，MDZZ！

過了許多年以後的今天，我又發現了當年其實ZZ的是我（咦，爲何說「又」？），由於回顧那幾年我本身作爲「分析師」作Case的時候，爲何能作出推進遊戲重要改變的Case，爲何能說服目空一切的策劃，本質是由於我有意無心的用了「田野做業法」。

那麼我今天又是給你們說了一句屁話嗎？你只要進遊戲和玩家一塊兒玩，天然就會發現：一、你犯錯了嗎？二、犯了什麼錯？三、你挑逗成功了嗎？

其實這裏仍是有一點點門道的，若是隻是簡單問一句怎麼樣？好玩不？喜不喜歡？

那就比如：相處兩天就對妹子說：你以爲我這人怎樣？喜歡我不？爲何不喜歡？有沒有以爲哪點比較喜歡的？我只好替妹子說MDZZ！

因此，若是你想知道妹子（玩家）心裏的真實想法，那麼不要輕易開口問，你要作的是觀察，若是必定要問也必定要經過妹子的「閨蜜」去問。

【觀察】的學問

觀察？咱們到底要觀察什麼？怎麼觀察？

回到咱們的原始目的去看看，咱們的目的是：一、別犯錯；二、努力找到玩家的High點，變着花樣挑逗他。因此衝着這個原始目的，觀察的時候咱們要抱着什麼樣的目的去呢？

1. 觀察目的
   
2. 觀察維度
   
   請注意：觀察維度，只是幫助你更好的記錄你觀察到的現象，而最終你的思考仍是須要指向觀察的目的：

How：個人每一個設計玩家有什麼反應？

Why：他們爲何有這些 好或很差的反應？

Enough：我作的足夠好了嗎？能讓玩家逐步沉溺於個人遊戲嗎？

從而檢討，你以爲你這樣的表現能泡到這個妞嗎？哦，不，能吸引到這個玩家嗎？

1. 觀察的有效性

靈魂附體：又些文獻中又稱「通感」。

若是你在觀察以及跟玩家的溝通中能作到對玩家的每一個想法、情緒、行爲感同身受，認爲：「哇靠，是我也會這麼想、以爲、作」，那麼就能夠認爲你達到了這個狀態。

若是你到達了這個狀態，那麼我認爲你的觀察就是成功的，有效的。

1. 【觀察】與【數據分析】對比

玩家視角觀察，數據視角分析，在保障遊戲品質上的做用差別。

總結起來：

若是你想迅速知道產品表現如何，那麼數據是一個很好的幫手；

若是你想知道產品爲何是這樣的表現，那麼進行「玩家視角的觀察」是最有效的手段。

雖然不少人也都知道這個道理，可是每每策劃、產品經理，仍是會選擇讓數據分析師幫他去解決分析數據，爲何呢？

其實緣由很簡單：「懶」！

由於觀察須要主創團隊本身去啊！！！

因此這種事仍是丟給數據分析師吧……

1. 【觀察】的工具

最後安利一個挺有意思的小產品，一幫數據和用研出身的朋友作了一個叫Uta Testing的東西。


他們作了幾件與我觀點不謀而合的事情：

·能夠指定目標玩家；

·觀察了情緒；

·提煉的問題點；

我以爲這個產品最大的價值：

·展示形式是新穎的；

·符合我前面說的「玩家角度」的觀察；

·直觀、便利、一目瞭然，不易有分歧；

·最重要的是——主創團隊能夠名正言順的偷懶了。

關於做者：

蔡林鷙，原網龍商業分析部首席分析師，91數據分析團隊創始人，91RTB廣告項目發起人。遊戲諮詢分析老油條。