游戏新手村24：数据分析基本思路及方法

来源：好游戏攻略时间：2024-11-25 04:22

在手机游戏和友盟统计、百度统计诞生之前，很多的游戏公司都是团队自己开发相关的数据统计平台，设定不同的角色和权限，满足业务部门同事的需要，为运营决策提供支持和依据。

近两年手机游戏和移动APP兴起，友盟统计和百度统计等提供了一站式解决方案，针对不同阶段的游戏运营需求，提供全方位的支持，无论是从用户获取、用户质量，还是到用户行为、用户付费，友盟提供了标准的运营指标和模型来展开深度的追踪分析。

但是，这个系统还是有些局限性，一些详细的统计数据是需要单独写“自定义事件”来实现，也无法和公司现有的系统和平台有效整合，安全性方面也存在一定隐患，所以很多公司使用友盟统计了部分数据，其它的数据还是基于公司的支撑系统来实现。

给了这么多前戏和方法，那么怎么样来进行数据的分析呢？数据分析有哪些手段和方法呢？个人以为主要应该包括：

确定统计项

收集数据

数据加工

数据呈现

分析数据

确定统计项

不管是端游、页游还是现在的手游，其本质都是游戏，都会有上文25章里面的各类角色，都需要看各样数据。以运营运营人员为例，他最关心的几个核心数据是：注册转化率/留存率、活跃人数/在线人数、付费金额（或者可以简化为“人”和“钱”）。这3个数据我们可以看做是核心数据，然后我们可以由此细分/衍生出更为详细的统计项。

当然也可以从宏观到微观的角度来确定统计项，以下是腾讯内部分享报告中所给出来的数据统计项。

腾讯端游数据统计项

收集数据

有目的的收集数据，是确保数据分析过程有效的基础。在收集数据的时候应该注意以下几个方面；

将识别的需求转化为具体的要求；

明确由谁在何时何处，通过何种渠道和方法收集数据；

记录表应便于使用；

采取有效措施，防止数据丢失和虚假数据对系统的干扰；

数据收集最常见的手段就是打点或埋点，每个数据统计项都是通过1个或者多个LOG日志来实现的，以下是某公司数据统计规范，大家可以感受下；

数据log

埋点本身其实是对于自己所设计产品的一个可视化健康检查，通过逻辑和数据，贯穿产品的整个生命周期，使产品逐步达到最佳状态从而实现指数级增长。

数据加工

一般地我们在埋点之后获得的数据，还需要经过“洗数”这样一个步骤，“洗数”的全称是“数据清洗”，在数据挖掘中，由于得到的原始数据往往跟我们要处理的数据的格式大相径庭，所以有必要对原始数据进行清洗。

这个概念有点抽象，我曾专门咨询过公司做数据挖掘的同事，也曾经吭过多本大块头的《数据挖掘概念与技术》，但这个概念确实太艰深，我的技术功底又薄弱，最后只是一知半解的明白了洗数的过程：大致就是通过“删除重复、空置填充、统一单位、删除多余变量、行列转化、数据拆分合并、日期与数值转化等”方法使其标准化，变成可用的、有用的数据。

我也很想多谈些数据清洗方面的东西，奈何我自己所知就不多，而“洗数据基本靠人肉，一个分析项目基本八成时间在洗数据”，所以有兴趣的同学去自学吧。

推荐此书目

数据呈现

早期游戏公司的数据统计报表基本都是简单的二维表格，这些表格虽然也传递出来了很多数据，但是用户在长期阅读报表的时候容易疲劳，阅读起来也无法快速的扑捉到重点。后来随着其他领域数据可视化的兴起，个人认为游戏行业的数据统计报表呈现也应该做一些改变。

数据可视化不仅可以使数据可读性和逻辑性得到增强，而且更能提高读表的效率，如下图所示。登录数这1列在使用“数据条”之前，要想找出这列的最大值，可能需要5秒或者更多时间，但使用了“数据条”之后，1秒钟就找到了最大值。同理，ACU这一列中数值小于200的使用红色背景填充后，也可以快速的找到。

EXCEL工具里面自带了这样的功能，当然程序也可以根据需求在数据统计报表的网页里面“添加”这样的功能。关于数据可视化，强烈推荐刘万祥著的《Excel图表之道—如何制作专业有效的商务图表》一书，看后受益匪浅。

数据可视化

分析数据

说实话，在我的工作经历中，没有人系统全面的教授过数据分析的方法，仅有的集中也都是同事或者领导言传身教的。大致归纳下一共有3种：

杜邦分析法

销售漏斗法

麦肯锡七步法

杜邦分析法

游戏分析中比较常见（也是我见得最多的）的方法是“杜邦分析法”，为了便于展示，下图所示的“杜邦分析法”适当地做了改进，看上去更接近于我们常说的脑图。

下面图片中的问题大家应该很常见，游戏最近一段时间的收入降低了。这个时候我们要去通过统计数据“排查”问题所在。

首先看全服和单服的整体数据，看下是否有异常的情况发生；

看下有无外部原因导致数据下滑，是不是竞品上线了跑到游戏里面发广告拉人？是不是竞品在挖角我们游戏里面的付费玩家（我知道一家页游公司，1台服务器新用户导入成本只花了3000，剩下的全是客服去竞品/其它平台里面“高薪”拉人）；

看下在线、付费人数和付费的行为、购买的道具、消耗的道具有没有变化；

这些问题存在或潜伏多久了？有没有扩大/爆发的事态？这些用户主要集中在哪个等级/阶段？这个问题是产品本身导致的还是运营导致的？有没有短期治标和长期治本的方案？哪种方案时间及成本最小？

这些猜测/主管判断怎么去验证或核实？新的改进方案怎么部署实施下去？需要哪些兄弟部门的协同配合？

游戏收入下降了怎么分析

漏斗分析法

这个方法更多的存在于电商行业，游戏行业用的不多，以前做页游的时候有领导在内部分享的时候大致提了下这个概念，在这里我也一并提出，旨在跟大家探讨交流。

漏斗分析法是专门用来监测分析网站转化率的。电商在网站的所有页面部署统计代码后，就可获取用户的访问情况，据此了解在购物流程中，用户在哪个步骤的流失率最大，从而有针对性地选择提升路径。

漏斗分析法

这个方法后来被友盟“移植”到了友盟移动应用统计分析平台中。通过这种方法可以清晰明了的知道用户使用APP时是按照什么顺序访问了哪些页面，各页面的使用状况如何及页面之间是如何跳转的。但游戏的页面相对来说比较多（尤其是重度游戏或者RPG类游戏），跳转比较复杂，对于简单的游戏或者其它类型的APP是可以借鉴和尝试的。