如何从底层构建游戏数据分析架构？ ｜ 一键下载
2023-11-11
我在《游戏数据分析实战》中写的第一句话是:
“作为一名数据分析师，最大的成就感是他们自己的分析报告促进了业务的发展，并在业务发展过程中验证了它的有效性，这是数据分析师的价值。”在今天的课程中，我将描述如何构建自己的分析系统，使自己的数据分析结论成为有效促进业务发展的动力。
以下是今天的课程内容：
01数据是治之不治之
我通常做很多促进业务的工作，重点关注商品、市场和运营三大业务场景。我的工作是检查游戏、IP介绍、游戏项目审批、游戏研发、资源推广、网络营销和手机游戏运营。
1. IP把关
IP引入价值评估，引入/自主开发游戏通过率预测当公司要引入IP时，我们通常首先分析IP的价值（包括用户价值、经济收入、内容价值和战略价值）。
我们将评估IP是否值得引入，引入的价格范围是多少。
我们将评估IP是否值得引入，引入的价格范围是多少。
例如，我们过去想在日本市场引入一个国家IP，但经过一系列的研究，我们发现这个IP是中国市场的一个利基IP。
此外，我们内部还有一个新的手机游戏通过率模型， 通过率预测可以根据新手游相关信息进行。
2.
立项把关
准确定位目标受众，评估不同研发方案的利弊，预计流水可靠
“准确定位目标受众”的目的是“准确开发”。首先，我们应该了解每个人的目标用户是什么，找到客户未满足的需求，并达到极致。
人们通常通过爬虫信息、问卷调查信息、竞争产品游戏数据以及整个市场的数据来分析。比如策划组担心是做MOBA比赛，吃鸡，还是考虑结合Roguelike？ 复制响应功能等，我们通常会分析各种玩法的优缺点。
当研发方向确定时，我们预计会有相应的流水等，这些都是为了检查游戏项目。
3.
研发把关
埋点，点到点发现问题；
改进支付模块和爆率设计
在游戏开发过程中，我们将对所有测试数据进行对齐，发现不符合预期的地方，与规划一起精确定位。
比如他们对游戏玩法、培养、商业化、职业化等游戏玩法的期望是多少？
比如他们对游戏玩法、培养、商业化、职业化等游戏玩法的期望是多少？
计划有哪些预期和重点？最后，我们将重点监控这些模块数据。如果我们发现不符合预期，我们将拉动计划进行精确定位。例如，如果发现游戏参与度非常不符合预期，我们将分析用户行为和客户属。
每个数据分析师的目的是：
“不要对具体的疾病提出大纲建议。”
4.
投入把关
评价产品质量；结构收入，活跃预测框架和模型，增加购买量在游戏测试过程中，可以根据游戏数据对产品质量进行分级，获得最佳的市场投放建议，分析买入效果数据，为增加买入量提供数据参考。
关于市场控制和运营控制，我在
《数数课堂·第四期 I 运营商的数据分析成长史
有详细的解释，感兴趣的朋友可以看看。
02“六脉神剑”数据分析
数据分析的概念是从数据中获取有用的信息，并指导实践。下面举个例子梳理一下相关流程:
1.
确立要求首先要明确这个解释的需求，就是看游戏数据的成本有哪些变化，投放ROI要多少钱。
2.
收集数据
总数、收入、保留等数据可以从企业内部数据库收集，浏览量、评论数、弹幕和评论内容数据可以从公司外部(微博、视频网站)收集。
3.
处理数据
处理数据是用适当的统计方法再次清理收集到的数据，获取有用的信息和规则。常用的方法有，sql统计用户保留、等级、用户数量、收入等数据，或者用python爬取外部数据。
4.
处理数据
通常采用对比法、分组法、结构分析法和文本分析法，获取广告营销前后数据变化、视频推广和微博效果差异以及用户评价的关键信息。
5.
呈现数据
购买推广需要使用折线图来显示总收入的变化，柱形图显示微博和视频交付效果的差异，并使用单词云图来显示玩家评估的关键信息。
6. 报告撰写
有四个部分：标题、介绍、结果和深入分析。在这份报告中，我们通常会在一开始就得到关键结果，投资多少活动，带来多少新增加，比较活动前的变化，增加多少利润，新客户的成本，投资回报率。
03
数据分析≠数据驱动业务
若要实现数据
无论是模型还是数据分析结果，推广业务的结果都会得到评估。
评估其结论是有效和可用的，项目团队将其作为运营和市场活动方案设计的决策参考之一。如果不能使用，分析师必须根据上述过程重新梳理要求并重新行走。
数据能否真正对项目产生积极影响，取决于数据结果能否击中业务痛点及其报告目标对数据的关注。
例如：
1.
用户调查预热期
能够找到目标用户的特点，促进发行人参照分析报告结论确定时间、地点和宣传手段；
2.
密封测试阶段的用户调查
能够了解用户对游戏各种功能的感受评价及相关建议，促进研发团队的采用，以数据反馈研发；
3.
计算最佳市场费用
能帮助项目合理安排资源，防止资源浪费；
4.
分析市场投放效果
能够监督广告营销效果数据，分析各媒体的特点，促进销售人员通过数据发现问题，配置资源，最大限度地提高效果；
5.
失去用户分析
能找到用户流失点，推动研发团队根据数据优化游戏；
6.
支付习惯分析
能够找到付费用户的特点，促进运营商根据数据制定相关活动，从而吸引更多的人付费。
总而言之，数据是否会产生积极的影响并不取决于数据本身，而是取决于使用数据的人。 总之，数据是否会产生积极的影响不在于数据本身，而在于使用数据的人。
如果数据分析师的分析报告或模型未经评估，其数据结果或建议不能得到业务方的应用或帮助业务方做出决策，那么其工作只是数据分析的基本工作，没有完成数据驱动业务。
04关键数据指标
拥有数据分析系统的公司可以更有效地应用业务，但要建立一个全面的数据分析系统，首先要找到业务的核心和最重要的数据指标。
一般来说，每个行业都有自己的主要数据指标。例如，互联网电子商务平台的产品点击率、购买率、退货率和客户订单量可能是他们关注的主要指标；游戏市场、转换率、保留率、支付率ARPU、ARPPU、CPC、CPA、CPR、CPL、LTV 而ROI是我们关注的重点指标。
此外，还有新用户数量、活跃用户数量、收入等，这些都是数据指标。在这里，我将重点介绍这些必须在例子下计算的关键指标。
留存率
可分为“日常保留率”和“加权保留率”。从这张表中可以看出，第二天的留存率是指新客户在第一次登录后第二天再次登录游戏的比例。
第二天加权保留率是指除此期间新用户总数外，一段时间内新用户的保留总数。
PS：为什么要使用加权保留率？
应用加权保留率的原因是，当总数变化较大时，数据会产生误差，加权后数据会更持久。
例如：
第一天新客户100人，次留50%，
第二天，新客户10人，次留90%， 那我们说这个游戏留多少钱，是50%？或是90%？或取平均值70%，或取加权值53.64%？答案是提高53.64%的留存率。图中下表是根据历史游戏的测试报告获得的保留率与游戏质量的关系。你可以参考它。自然，不同类型的留存率是不同的，这里没有区别，可以作为一般的参考。
2.
CPL
我从2008-2019年广告营销CPL趋势分析中收集了近40款终端游戏和30款手机游戏的CPL数据，供您参考。
说明CPL可以理解为购买成本，但不同类型游戏的购买成本差异很大。比如卡牌手机游戏的购买成本只有20元左右，MMO游戏的购买成本可能超过200元。
这里拿的是样版游戏的平均值，关键是给大家看一个趋势。
3.
LTV & CPA这里列出了游戏公测推广期客户导入的成本和收入数据。
从图片中可以知道：
（1）9月10日～23日，LTV(这里用arpu表示)远高于CPA，说明客户利润高于客户成本。效果理想；
（2）10月1日～8日，LTV远低于CPA进行分众架构建筑广告推广，表明客户利润低于客户成本，效果不理想。 此外，我们可以看到，客户的30天ARPU曲线与60天曲线非常接近，几乎重叠，表明游戏保留率很低，用户生命周期很短。
此外，我们可以看到，客户的30天ARPU曲线与60天曲线非常接近，几乎重叠，表明游戏保留率很低，用户生命周期很短。LTV是一个非常重要的数据，是罗盘的数量。一旦LTV(即游戏中用户的价值)超过购买成本，就意味着产品已经盈利。
在估计时，我们需要考虑分为的方法。
比如用户终身LTV是200，购买成本是200。如果有办法分为(假设是50%)，我们的利润其实只有100，低于200。
4.
ROI(投资收益率)这里列出了iOS方式购买某款游戏的投放效果。
从张图可以看出，市场投放5天内ROI 51%，30天内ROI 71%，55天内ROI 75%，成本在过去3月仍未收回，30天后ROI逐渐稳定，预计后续ROI不会超过80% 。
数据分析不是总结历史，预测未来。这是一个预测未来的案例。提前告知领导这次推广能否收回成本。
05
常见的数据指标前面提到了关键数据指标，我们来看看平时分析过程中使用的指标，虽然这个数据指标没有关键数据指标那么重要，但它们是帮助您深入挖掘关键数据指标变化规律的重要依据：
1.
收入指标在进行收入分析时，我们会关注有多少付款，有多少付款金额，付款率，ARPPU、ARPU，最后，通过这种收入和相应的成本计算，我们可以带来多少毛利率。
2. 活动效果分析
无论是线上营销还是线下活动，大家都会关注活动参与者的数量、频率、比例和转化率。(有几个转化为付费用户等。)
3. 渠道分析
我通常使用综合评估方法来分析平台的综合排名，包括新用户、活跃用户、付款金额、保留率、ARPU、LTV等这些指标。
自然，我们知道这种方法的作用主要是创新，所以我们首先要检查这种方法产生的新用户数量，然后看看这些用户的保留、支付、LTV等，以确定用户的质量。自然，我们知道这种方法的作用主要是创新，所以我们首先要检查这种方法产生的新用户数量，然后看看这些用户的保留、支付、LTV等，以确定用户的质量。
当我们做购买量时，我们会定期分析用户的方法。如果用户少，质量差，我们会在第一时间给出反馈。
最后，ROI基本上是根据LTV和购买成本之间的关系来计算的。
4.
用户类型指标
当你分析用户时，你会关注他是新客户还是老客户，是活跃用户还是流失用户，或者流回客户，你也可以根据客户的来源来区分他是MMO客户或品牌客户。
5. 广告营销效果指标
推广额度金额，曝出数，CPM(千人成本，平均每1000人一次听到或看到一个广告要花多少钱？、点击量，点击量，转换率，CPL、ROI6. 客户价值指标
是指游戏中客户的价值，如果想看总额，可以直接看LTV。但是，如果您想细分用户价值，可以使用RFM模型中的三个指标：最新的充值时间、充值频率、充值金额、LTV等。但是，如果您想细分用户价值，可以使用RFM模型中的三个指标：最新的充值时间、充值频率、充值金额、LTV等。
请注意，只要有投资和成本，我们都应该关注ROI
这里只列出了常见的分析指标，在日常工作中遇到了许多指标。
06
构建全面的数据分析系统
以用户和收益因素拆卸指标为例，整理我在分析过程中如何通过因素拆卸进行数据分析。
▍
版本升级- 版本升级的效果主要取决于两个数据：总数&收益。
- 经营者最关心的是总收入是否增加，增加了多少。通过总收入的分析，有许多细分维度。
例如：
1.
活跃用户总数增加
除总收入外，版本更新的内容也值得分析，如新职业、新游戏玩法、新任务和团队客户的参与，或更系统的解释，如客户消耗的版本越来越少。
例如，如果一个版本的预置客户可以体验一个月，当结论升级14天时，一些用户会体验到80%的内容，这表明客户更“肝脏”。在这种情况下，升级进度可以加快。
▍
漏斗转换
这是游戏以某种方式发布的第一天的数据，可根据漏斗拆卸客户指标：
左边是每个链接的转换状态，右边是整体转换状态，从左边的每个阶段，你可以知道从点击到下载，从下载到安装的转换率很低，损坏了转换的一半，这时候就可以找出这个环节的原因，比如客户端包体是否大，网络是否异常，也是因为下载后没有提示组装。
从整个环境来看，从点击广告开始，游戏的转化率只有9.8%，付费转化率只有0.5%。换句话说，只有9800名客户点击广告，只有500名客户最终进入游戏。
假设点击成本是1元（为什么假设1元，关于点击成本，不同的游戏，不同的渠道不同，几美分，几美元，这里假设1元），10次点击成本10万元，付费500人arpu确保200元可以盈利（不考虑方式）。假设方式分成比例为50%，那么付费用户的arpu需要400元才能盈利。假设方式分成比例为50%，那么付费用户的arpu需要400元才能盈利。400元的arpu有点难。
07主要的分析框架和方法
在数据分析系统中，不仅有数据指标，还有分析框架和方法。
▍
分析框架个人和公司都可以通过常见的框架来改进数据分析，这就是框架的效果。
先介绍几个常见的框架：用户行为理论、5W1H分析法、AARR模型、PRAPA模型、RFM模型。
1.
用户行为理论
每个人都有一款游戏，就是在官网上展开激活码销售，只有先购买激活码才能成功登录游戏。
这样，根据客户在官方网站上购买激活码的行为，将有几个步骤可以转换，这些步骤可以对应于网络营销的5A模型和用户的行为理论。 首先，客户需要打开官方网站的指导页面。用户可以找到这个网页，这表明他掌握了这个网站，可以观察页面上的UV指标，有多少浏览，PV访问了多少次，以及它的浏览来源，这些用户通过什么渠道进入，是网页搜索还是其他媒体。
其次，在官方网站指导页面有一个按钮进入官方网站，点击这一步，表明被吸引，他喜欢，他对这个活动感兴趣，可以观察页面平均停留时间、跳跃率、页面偏好、搜索热词等指标，可以观察用户对官方网站的哪个内容感兴趣。
在官方网站页面上，如果您点击并进入激活码购买页面，则表明客户希望进一步了解并购买激活码，您可以观察注册用户数量和登录用户数量的指标，因为用户在购买前需要注册账户。
当客户付款购买激活码时，表明客户采取行动，可以观察购买激活码的订单数量和用户转化率。最后，购买激活码的用户可以开始游戏。如果他们认为这个游戏很有趣，他们会戴上这个游戏，并向其他人推荐它。他们可以观察到活跃用户的数量（不同于日常活动、周活动和月活动）、活跃用户的比例、保留率和流动性。
2. 5W1H
我们从5W1H的分析思路中整理出外流的原因，流程如下：
What，用户流失；
Who，是谁流失了，是新用户流失了，还是老用户流失；游戏中哪个职业更容易失去儿童或工薪族其他行业的用户流失；
Where，在哪里丢失，在哪个地图丢失，在哪个地区丢失；
When，何时外流，是新手期、中期或高端期；
Why，是因为游戏有守点，任务做不到，团本打不赢，还是人际关系不足，没有朋友一起玩；
How，用户流失了，怎么办，来个版本升级吧，或者活动来弥补版本的不足；
3. AARR模型
该模型是硅谷风险投资者于2008年建立的，也被称为强盗模型。在我看来，这个模型和端游时代的prapa模型有一些共同之处。
这一步是用户的行为模型，每一步都有很多点可以分析和优化。这一步是用户的行为模型，每一步都有很多点可以分析和优化。
事实上，把这个模型倒过来看，就是一个漏斗图，看哪个环节转换低，可以找出原因。4.
Prapa模型
本模型于2003年向行业推出，根据本模型，可全面掌握网络产品投入/产出之间的关系。
P－promotion：投资(包括市场费、运维费、营业费、其他杂费等)
R－register：注册用户
A－active:活跃用户
P－pay：付费用户
因为和前面的指标有很多相似之处，不要展开反映。
5. RFM模型
RFM模型是一种客户价值模型，是检验客户价值和客户利润水平的重要途径和手段，是根据用户活动和交易量进行用户价值细分的一种方法。
主要有三个指标：
R – 最后一次充值时间
F – 充值频率M – 充值金额将用户分为四类：“重要价值、关键发展、关键恢复、一般价值”。
RFM模型可以参考用户价值数据，制作客户积分活动，建立用户权益体系，享受福利俱乐部，保持当前状态，做好外流预警。
▍分析方法
另外，分析方法有很多种，我在这里列举了14种常用的分析方法。
▍分析方法
另外，分析方法有很多种，我在这里列举了14种常用的分析方法。
以加深记忆为例，采用上述14种分析方法。比如有一天，一款游戏的收入上升了，要找原因，为什么收入上升？
1.
对比分析法比较前一周或前一个月或一年的收入，收入增加了多少；
2.
分类分析法分类付费用户，分成大R、中R和小R；
3.
构造分析法大、中、小R人数和消费额度约占支付人数和总额的比例；
4.
均值分析法
大、中、小R的人均消耗量（ARPPU）；
5.
交叉分析法
大、中、小R参加活动，比如攻城战、装备拥有、元宝(裸钻)消耗等。，让我们从总分的角度观察数据；
6.
从账户到登录、保留、付费的各个环节，在收入增加的日子里，用户保留和支付转化率可能比以前高；
7.矩阵分析法
根据四象限的结论，对用户进行分类，如高付款、高付款、低付款、低付款、低活跃四个象限，能够对每个象限或矩阵采取相应的策略；
8.综合分级分析法
在游戏中评论每个付费用户的付费潜力。例如，将客户在游戏中近7天的支付金额、半年的支付金额和一年的支付金额转换为综合指标进行排名，并根据排名评估支付潜力。可能会发现，一些账户在过去7天的付款额度中排名第一，但一年的付款额度相对较低，这些用户可能是外流回归玩家；
9. 5W1H
我们也可以进一步分析，为什么这些用户在失去游戏后会重返游戏？原因是什么？你可以用5W1H法找出什么样的玩家在什么时候，什么地址，什么原因；
10. 有关分析法
找出用户流失回归的原因，也可以通过一些指标来分析这些用户之前流失的原因，分析与用户流失相关的原因。比如攻城战的失落感太强了？比如攻城战的失落感太强了？游戏价格下跌太快？帮会成员解散了吗？等等，找到这些因素的数据指标后，看这些指标与损失有关，相关性越高，外流概率越大；
11. 回归分析法
在找出相关强指标后，将这些指标作为变量，是否外流作为因变量，用逻辑回归，可以得出用户流失的概率；
12. 聚类分析法
PVP高活跃玩家，PVP低活跃玩家，PVE高活跃玩家，PVE低活跃玩家；
13. 方差分析
这种方法可以通过聚类分析找到异常值，找出并去除异常值，聚类分析的结果将更加准确；
14. 时间序列分析法
游戏未来的收入趋势可以预测。 08汇总 事实上，当我之前分享的时候，我说过如何成为一名优秀的数据分析师，然后慢慢地发现优秀这个词很难定义，我们考虑了更多的综合能力，这种综合素养包括数据思维(即定量思维方式)、业务理解能力(必须不断学习和积累)、数据分析工具(会用什么工具)、分析方法和模型，可视化技能，报告写作。如果有好的分析结果，也要能导出。 当然，很难综合考虑分析师的这些能力，我们通常会根据项目需要选择合适的分析师：例如，我想找一个连接研发项目，协助调优，我试着找到更多的游戏，有分析师从制作游戏的角度而不是玩家的角度；如果我想找到一个模型作为预测者，我会试着找到更多的数据挖掘，业务是否薄弱并不重要。