數數課堂·第四期：一個運營人的數據分析成長史

數據分析，這個詞一直像遊戲公司隔着厚毛衣的癢點同樣，分析師新人們立志爲公司團隊和遊戲產品拔出癢點，但老闆們卻一直對數據分析結果不得滿意，就像隔靴搔癢同樣讓人難受。面試

一兩年過去，分析師們一邊被說「怎麼不總結一下方法論？」、「這結果也只能做參考，真的決策還得看總監怎麼想。」，一邊只有PPT技能樹瘋狂點滿。工具

在談起十多年的工做生涯時，參與超50款遊戲項目的盛趣數據分析師黎湘豔如是說道：學習

「數據是否會產生積極影響不在於數據自己，而在於使用數據的人。」測試

針對遊戲項目中，數據分析師如何將數據的價值在團隊中發揮最大做用，黎湘豔老師在5月16日數數課堂·第四期《一個運營人的數據分析成長史》中給出了她的崗位理解。大數據

如下是針對本次直播的文字回顧：優化

此次內容包括了我我的工做經驗的分享，以及《數據驅動遊戲運營》內容的回顧。此次的分享內容主要能夠分5大塊：3d

我的的職業感悟視頻

爲何寫第二本書blog

新書的誕生過程生命週期

新書的內容回顧

第五期內容預告

我的職業感悟

我從事數據分析崗位多年，認爲這個崗位的工做內容是一個階梯式向上遞進的過程。

 

我先從多年的提數搬磚中瞭解了業務需求，再在瞭解業務的基礎上熟悉了遊戲產品所需的關鍵數據指標，而後經過項目的實踐，提煉數據分析的方法論。

當掌握了方法論後，這還僅僅是數據分析的第一步，如何講方法論落地實際業務纔是數據分析的核心。所以，我隨後學習了SQL、Python、R等數據分析工具，並運用結合數據分析方法論，對衆多關鍵數據指標作一個深刻的分析。在通過屢次的實戰，我擁有了多個項目的實戰經驗，最後可以根據數據的結論，爲項目組給出合適的優化建議，以驅動業務。

 

我在面試新人的時候，被你們問到最多的問題是：數據分析工做的主要內容是什麼？

個人回答基本上有4塊的內容：

1. 根據項目的需求來提數。項目須要什麼，咱們就給什麼數據；

2. 圍繞遊戲生命週期的數據分析體系工做；

3. 數據挖掘體系的維護。咱們內部有創建數據挖掘體系，咱們須要根據市場、公司、項目組的需求，在這個已有體系上增長新的模塊；

4. 整個行業和市場的分析。

我也經常會問同窗們，這些工做內容當中，你喜歡哪一塊的工做內容？許多人都會去選擇二、三、4，基本上都不會選擇1。

提數實際上是一個爲項目組搬磚的過程，但倒是很是重要的過程。由於提數是數據分析的基礎，只有把基礎打牢了，堅持積累，才能破繭成蝶。

其實在咱們跟進遊戲項目的過程當中，咱們出日報、週報以知足各個項目需求的過程，大部分的工做都是一個提數的過程，咱們若是把基礎打牢了，可以迅速回應項目組的各種需求，咱們才能騰出時間去完成各類具備深度的專項數據報告。這樣纔會讓咱們的工做更具價值、更具意義。

我想跟你們分享一段話：

只講大道理的數據分析是不行的，咱們得靜下來細細分析，乾點力氣活，夯實基礎。別人能夠教給你各類方法論，但搬磚的過程誰都給不了的。別惦記吃個大力丸，功力爆漲。儘管存在山洞裏拿到祕籍，被神仙傳了一身蓋世神功的人，可是絕對不是你我……

爲何寫第二本書

 

我在接到個人老同事的邀請，寫第一本書的時候，那個時候我還不太自信。雖然我經歷的項目很是多，可是我很擔憂可否將本身多年積累的數據分析體系完整地展示出來。所以寫做時，我對以前的工做項目作了一個很好的梳理，也對我我的工做生涯作了很好的提煉。

關於第一本書的成績，我一開始是沒有抱很高的指望的，結果印刷了四次，總銷量超一萬多冊了。在互聯網遊戲行業這個細分領域來講，算是不錯的成績。

坦白說，相比銷量這個點，我更關心的是讀者的反饋。自第一本書出版以來，我收到了不少讀者的來信。其中就有兩所大學的老師給我發來了郵件，他們的學校採購了這本書用以教材使用，找我要了一些原始數據文件，便於他們的課堂教學。這本書的出版可以給不少人的工做和學習帶來了幫助，讓我感覺到分享知識是一件頗有意義的事情。

在前兩年的時候，有深圳和北京的公司邀請我作課程分享。我在分享的過程中，感覺到了他們對個人課程很是感興趣，他們都很是的熱情。有人反饋給我說，原本須要5年才能積攢的數據分析經驗，經過書本及課程能夠直接縮短2-3年的積累時間。這些對我來講，都是頗有成就感的。

但促使我再次提筆，創做第二本書的緣由，主要仍是補足第一本書的一些遺憾。第一本書出版以後，有讀者給我說，這本書的案例是多個遊戲的，若是下一本書僅圍繞一個案例，做詳細的項目分析，實戰案例的可讀性會提高不少。我當時很是重視這個建議。

除此以外，第一本書的主要分享方向是講數據指標及方法論。我在每個案例的結束總結，會提到這個分析方法能夠給項目團隊帶去什麼樣的幫助，但並無說明項目團隊拿到數據以後，具體是怎麼落地到運營活動的。也就是說，我沒有把數據驅動業務這一塊的內容寫的很詳細，因此這些遺憾結合個人我的項目經驗，就產出了第二本書《數據驅動遊戲運營》。

新書誕生過程

 

關於新書的誕生過程，咱們能夠從選題先提及。一開始的時候我是準備了五款不一樣品類的遊戲，每一款遊戲做爲一個章節，這五個遊戲分別有MMO、RPG、SLG、卡牌、音樂卡牌。

當我把300頁的初稿交給編輯的時候，編輯就給我說，300多頁的彩頁內容會致使書本的訂價超過100塊錢，建議我把頁數控制在200頁左右。收到這個反饋以後，我把4款遊戲的案例所有刪除了，只保留了一款虛構的MMO，也就是你們如今看到的《烈日紛爭》這款遊戲。

我在寫書的過程當中，遇到的困難主要有時間太少和缺少市場營銷知識。我平時的工做比較忙，加班也是常事，我寫書的工做基本上都是安排在工做日的凌晨和週末了。儘管我把時間擠出來了，可是要把市場營銷的內容寫清楚，對我來講是有難度的。

由於數據分析師的平時業務場景是有偏向性的，有些分析師比較偏向運營，有些偏向市場、有些偏向研發。我我的的工做更偏向運營一些，市場這一塊的知識我是找公司的市場人員諮詢，再看了一些市場營銷方面的書籍，我但願最後呈現給你們的是完整的市場的數據分析方法論，並讓你們可以從中有所收穫。

關於付出的代價，第一點就是身體的狀況。我在寫第一本書的時候，曾經有3個月的時間，每一個週末從未出過門，實際上是爲了可以騰出整塊的時間來寫書。而後忽然有一天，我早上忽然無法起牀，最後只能側身翻過來用手撐起來。

寫書是一件很耽誤、犧牲我的時間的事情。從寫書開始，我幾乎沒有多少我的生活。其實我仍是很是享受這個過程，由於只要我天天多投入一段的時間，書本的內容就可以變得愈來愈豐富。就比如我在遊戲中升級打怪同樣，只要我天天上線玩遊戲，個人經驗值就可以增加，對應到生活、學習、工做也是如此，這也是個人成就感。因此我還可以保持熱忱，與你們分享更多的內容。

內容回顧

數據驅動業務

 

關於數據驅動業務，咱們平時能夠聽到不少這方面的內容，可是更多人是經過我的的經驗和直覺在作決策方面的事情。過去，遊戲競品少，有經驗的團隊就是成功率的保證。但如今是數據的時代，大數據+系統分析所造成的體系，在質與量上都遠遠超過了我的所能累積的經驗。

我在這裏舉一個例子，某個項目團隊，在立項的時候，想作一個MMO+小說IP+武俠題材的遊戲，他們認爲這種組合的成功率會很大。可是咱們數據分析小組，經過總結成千上萬的遊戲所呈現出的數據來看，咱們發現MMO+端遊+仙俠題材的遊戲成功率更高。

其實影響到遊戲成功與否的元素有不少，但數據在許多場合，比我的的經驗相對來講會更可靠一些。

關於數據是否可以驅動業務，有兩個很是關鍵的元素：

1. 團隊老闆是否重視數據；

2. 團隊老闆是否相信數據。

之因此會強調老闆是否相信數據，是由於有些老闆知道數據很是重要，可是他就是不用數據。首先，他認爲這個數據是錯的，錯的數據是不能用的。其二，他認爲數據分析師分析的思路是有問題的，得出的結論不對，或者結論沒有落地實際的業務。在不相信的前提下，老闆天然是不會用這個數據的。怎麼讓老闆相信、消除老闆的顧慮，也是數據分析師急需完成的工做內容。

「數據是否會產生積極影響不在於數據自己，而在於使用數據的人。」

用戶趨勢

 

關於《烈日紛爭》這個上線超五年的遊戲，首先它經歷了一個高開低走、穩定、提高、提高、再提高的完美三連跳。在中國網遊史上，這樣的產品是很是罕見的。

成功緣由

 

這樣的高光產品的成功緣由有哪些？我總結了4點：

1. 好產品；

這款產品是通過5年持續更新，經得住時間和市場考驗的好產品。

2. 市場環境；

許多產品敗也環境，成也環境。這款遊戲在2014上線的時候，經歷了手遊爆發式增加，端游下滑的一個端口。在經歷了5-6年的洗禮以後，市面上表現良好的端遊愈來愈少，用戶能夠選擇的遊戲也愈來愈少，在選擇數量少的前提下，有更多的用戶投奔到了《烈日紛爭》這款遊戲中。

3. 遊戲運營；

運營在整個的產品過程中，是不可忽視的一支力量。當這個遊戲的在線人數和營收下跌到低谷的時候，項目團隊其實承擔了很是大的壓力。財務會認爲收入、利潤降低了，咱們的收入已經回收不了成本了。高層認爲，這款遊戲虧本不賺錢，我爲何還要繼續作這款遊戲呢？而玩家方面，新玩家認爲難度對他們不友好，老用戶打副本組隊，也經常抱怨組隊半小時、一小時找不到人，等等問題。

若是不是項目團隊的堅持，真正的愛這款遊戲，有可能這款遊戲已經被結算下架了。因此真的是愛創造了增加，而不是增加創造了愛。

4. 數據驅動；

在整個的運營過程當中，團隊充分運用數據分析可以得出的結論，推進了市場、運營、研發持續改良。

在《數據驅動遊戲運營》的子頁中，有一個數據驅動業務的全過程圖，在這裏我把它分紅了兩部分，一部分爲數據驅動市場，一部分是數據驅動運營。

數據驅動市場

 

立項期間，咱們作了兩個工做：目標用戶調研和市場分析。

目標用戶調研要包含IP的認知、核心用戶的狀態、用戶畫像、遊戲的市場定位，和目標用戶分析。

在這裏我想須要說明一下IP的認知，有60%的人是據說過《烈日紛爭》這款遊戲，可是隻有10%的人玩過這個IP的單機遊戲。瞭解的人比較多，可是玩過這款遊戲的人比較少。因此當咱們作IP及遊戲的引進時，咱們頗有必要作一個IP認知度的調研。

舉個例子，當咱們要引進一個偶像團體的時候，追過這個偶像團隊的人會認爲這個團體很是火，可是對於市場來講，咱們須要用數據來講明這個團隊的火熱程度。

咱們能夠把市面上擁有高知名度的偶像團體拉出來，讓你們選一選本身認爲最火的團體是誰，看最後的結果如何，經過數據就能知道引進的這個偶像團體的知名度和其餘團體的差別有多大。

最後經過目標用戶的調研和市場分析，就可以肯定一個市場的目標，這個目標包括：最高人數的預估、市場預警、和市場預算、市場計劃。

這裏的最高人數預估是經過競品的百度指數+百度指數與最高在線的關係預估出來的，固然預估在線人數還有其餘多種辦法，這裏描述的是其中的一種方法而已。

人數目標出來後，團隊就會有一個大體的市場投放金額標準，咱們能夠根據這個金額制定一個相應的市場計劃。這是一個從IP到市場計劃，按部就班的流程。

這裏能夠再補充一下，咱們能夠從遊戲人數的預估推導、預估出這款遊戲的收入，再根據這個遊戲的版權金、IDC成本、人力成本等等支出，咱們就可以估計出這款遊戲的收益狀況，這也就是在立項期間的利潤測算。基本每一款遊戲都須要在立項期完成這個數值的測算，公司也能夠防止虧損項目的立項。

在咱們完成立項期的數值評估後，咱們會在封測期作一個市場的問卷調研，經過市場的問卷調研項目組能夠了解用戶來源、目標用戶的驗證、產品賣點的驗證。之因此須要這個步驟，封測期的用戶羣體是參加過遊戲體驗的用戶羣體，這批用戶相對來講更接近公測後的羣體屬性。立項期間的調查羣體爲泛用戶羣體，就好比說咱們在立項期間，得出目標用戶的屬性是MMORPG和二次元用戶，在封測期間咱們就須要去驗證這個羣體是不是咱們真實的目標用戶羣體，若是不是的話，咱們還須要從新修改市場的目標、策略，經過這些數據咱們總體上能夠幫助指定市場宣傳的策略。

前面咱們提到了，市場找咱們須要作什麼樣的工做，拿到數據以後會制定怎樣的活動方案，可是咱們不知道市場是如何解讀這個數據的。他們到底是根據哪個數據點去制定、修改方案的？

這一塊我下了一些功夫去了解，其中一項就是市場營銷的方法論，包含了抓住產品、用戶洞察、市場定位、擊穿用戶、資源觸達，還有數據分析6個步驟：

抓住產品：抓住產品的特點；

用戶洞察：瞭解用戶爲何會喜歡這個產品；

市場定位：基於用戶核心需求制定的市場定位，擊穿用戶是打破用戶心理防線，讓他們真正的喜歡這款產品，按照產品的市場傳播邏輯來看，也就是我是誰？我對誰宣傳？宣傳什麼？

資源觸達：投放金額的觸達，對市場投放的效果進行分析。市場人員經過這個方法定製了一些市場投放的方案以後，在公測期間就會直接執行。

數據分析：我在書中列舉了硬廣的投放，咱們會根據廣告投放期間，素材的吸量狀況來分析：哪些素材吸量高？哪些素材的吸量比較差？而後咱們針對這些吸量效果差的素材咱們再進行替換。

關於內測期UP主的投放，是不管手遊仍是端遊都會去選擇的渠道。咱們爬取了不少UP主的數據，包括視頻數量、粉絲數量、彈幕數量等數據，綜合這些數據的表現咱們能夠計算出UP主的排名，從而選擇和這款遊戲契合的UP主進行相應的視頻投放。最後咱們對投放效果進行一個分析，下次在選用UP主作投放的時候，能夠參考上一次的投放效果作選擇。UP主的投放其實跟渠道投放有一些類似的地方，當你在這個渠道投放過一次後，再投的效果會大打折扣。

數據驅動運營

剛剛說的是數據驅動市場，如今咱們來看數據驅動運營的流程圖。

 

我面試一些工做經歷也比較豐富的數據分析師時，他們的工做其實總體上和我其實差異不大，但當咱們問到你的數據分析工做是否驅動業務的時候，回答確定的人很是少。

其實在我我的看來，數據分析的價值，很大一部分是體如今「數據是否驅動業務」上。固然這是一款理想的因素比較多的概念。

你們能夠看看本身的數據分析工做有沒有驅動業務，若是沒有的話，須要看看是不是本身的數據分析報告沒有體現出價值？是否是報告質量沒有達到？仍是說老闆不怎麼重視數據？不相信數據？亦或是你還不知道你的數據實則已經幫助項目組完成了產品的數據優化？找出這些問題的答案，並逐一擊破後，最後你就會發現驅動業務對你的工做幫助就會很是的大。

首先，封測期間咱們會對首測的數據作一個電話的調研，並對首測的簽到問卷作一個分析。這個簽到問卷是可選的，若是下次測試的時候不須要保存內測的資格，也能夠經過其餘的方法瞭解到核心玩法、用戶接受度、遊戲BUG、玩家建議等等，這一塊是能夠選擇調研方向的。

經過調研，咱們能夠幫助運營解決運營狀況，綜合下來，分別能夠列爲三步：

不能：不能影響玩家的登陸

不會：不會形成玩家的困惑

很差：不讓玩家以爲很差

有了這些數據以後，運營就能夠制定下一個階段的運營市場計劃了。

進入內測節點的時候，咱們更可能是根據內測期間的運營結果，包含預約、預售、遊戲內、市場的數據，從而肯定公測期間的投放資源和運營計劃。假如預定集結的數據沒有達到預期，那咱們會經過市場的模型預測公測市場資源的投入。

其實從封測、內測期間來看，數據分析的平常工做仍是以數據輸出爲主。由於相關的活動都尚未作起來，咱們更多的是出數據日報、一些遊戲的數據分析，還有市場的投放數據。其實這些都是一些基礎，這些也是一種搬磚的過程，都是爲了公測期間作更多的專項分析打下基礎。

公測期間數據分析驅動運營的案例就很是多了，我在書中列舉了一部分的案例，但並無把全部的案例包括全面。運營根據這些分析結論，會採起相應的對策，分別爲拉新、促活、提高收入的活動。

拉新活動中比較經典的案例，那就是新人的等級直升，我後面會單獨爲這個活動案例作一個講解。還有就是根據流失用戶分析，運營瞭解到有的玩家不會作任務，項目團隊就在遊戲中作一個每日一喊話，傳播正能量的活動。

最後是營收，項目組根據打折PK券的收益分析效果，作了一個滿額送券的活動，由於分析出滿額送券得到的收益會更高一些。

等級直升

 

如今就是來跟你們來分享一下等級直升的案例。《烈日紛爭》的活動不少，等級直升算是一個知名度、效果都很好的活動，由於咱們把這個活動的「發現問題、分析問題、解決問題」多環節都均通了。

先來講，咱們是怎麼發現問題的。根據這款遊戲的數據需求，咱們發現上線4個月以後，用戶還在緩慢的流失，用戶對送的東西和活動激勵不是很在乎，首先咱們須要分析緣由 ，咱們須要找到這些下落的共性數據，而後對數據採起措施，對症下藥。

流失緣由分析

 

這個是我當時的分析思路，有5大塊：

1. 用戶總體流失狀況。我會去對比流失、留存用戶之間存在什麼差別；

2. 用戶迴歸的狀況。用戶流失多久後，迴歸率的表現；

3. 用戶切片。我會對用戶作一個拆分處理，區分核心用戶、次核心用戶和泛用戶，經過這些數據去尋找一些規律；

4. 用戶的行爲數據分析。我會看這些流失用戶在遊戲內的用戶行爲是否具備共通性；

5. 帳號餘額。這款遊戲是點卡收費遊戲，經過帳號餘額我能夠從中瞭解到這些流失用戶究竟是由於錢花光了才流失的，仍是說就是不喜歡玩了才流失的，這類玩家的遊戲中仍是有不少錢；

流失狀況

 

先從流失率看，這款遊戲的流失率是會受到遊戲版本上線的狀況影響而波動的，可是版本影響的時間是有限的，好比第一次版本更新上線後第23天流失率就穩定下來了，版本上線期間的流失率是存在一段時間的波動的，在第二次2.3版本上線的時候，上線之後是4天流失率就穩定下來了。

迴歸狀況

 

從遊戲迴歸的用戶狀況來看，經過這張圖咱們能夠看出流失用戶的迴歸率跟流失週期是呈反比的，並且是當它流失到18周，接近4個月的時候，它的迴歸率就接近於0了，說明用戶流失越久，迴歸的可能性越低。

 

固定團打副本的用戶比例是當時肯定運營活動方案時，很是重要的數據依據。其反映出固定打本的團隊讓用戶的留存、流失存在很是明顯的差別。

以2.3版本爲例，有固定團打副本的用戶流失僅佔總流失用戶的1%，而留存用戶中有固定團打副本的用戶比例佔到了86%，二者差別是很是明顯的。所以也得出，用戶的社交關係薄弱、沒有固定團打副本是用戶流失的主要緣由。

流失對策

 

結合這些問題，運營團隊採起了相應的對策。

針對新區，咱們作了一個新區新人充值，就送等級直升禮包的活動，這個活動能夠幫助用戶快速的體驗遊戲，幫助新用戶儘快轉化爲付費用戶，並讓新區用戶跟上大部隊，減小新人的流失。

在老區，咱們作了一個老區招待新用戶，送等級直升禮包的活動，這樣作既能夠拉新，又能促進活躍。咱們將選擇權將給了用戶，用戶根據本身的行爲習慣來決定，喜歡慢節奏就讓用戶慢慢地玩，喜歡快節奏的就能夠領取直升禮包，快速地成長。

提高效果

 

這個活動上線以後，咱們評估了一下這個活動的效果，從使用禮包與未使用禮包的留存數據對比來看，咱們發現二者之間有着很是明顯的差別。但從七留來看，參加活動的七留數是沒有參加活動用戶數的2-6倍之間。

第五期課程預告：

 

彩蛋：直播現場QA環節

Q：什麼叫作緩慢的流失？

A：這個是根據流失率來看的，以流失天數爲橫座標來看，咱們是根據曲線的陡勢來判斷是否緩慢。

Q：市場營銷會作什麼方面的推廣？

A：不知道你們有沒有看過，有coser的漫展表演表演，還有飛機廣告，例如機身貼上游戲的LOGO、角色，具體推廣方式看項目的定義，並且這個端遊項目的推廣思路放在如今不必定會產出一樣的價值效果。

Q：老師您好，您的兩本做品都看過，我感受內容更側重於遊戲市場和運營，遊戲版本迭代和優化案例比較少一些，請問這個方向的數據分析是否應當介入，數據分析師的價值如何體現？

A：目前我輸出的內容和運營的相關性會更高一些。剛纔我也提過，數據分析師會側重於某些業務場景，多者兼得的分析師比較少。

遊戲研發這部分的內容也是咱們如今在作的，之因此尚未輸出相關內容，主要仍是咱們沒有作好充分的準備。可是關於遊戲的系統迭代、玩法優化，這塊的分析咱們都在作，數據分析師的確能夠介入這部分的工做，可是否能夠介入，更可能是看分析師是否有能力幫助到研發團隊的工做。除此以外，還要看高層是否願意作這件事情。

分析師的價值更多體如今你的埋點、結論、建議、團隊是否有采納你的建議，以及採納以後，項目的數據是否有提高，固然這也是研發配合以後的結果了。

咱們平時的相關工做是這樣的，一般在測試期間，咱們與策劃討論他們主要的玩法、戰力、等級的狀況，咱們先了解他們的預期是怎樣的，而後咱們再來看遊戲實際的數據狀況是怎樣的，而後再去分析數據之間的差別是多少？差別的緣由是什麼？最後再根據咱們的分析給出一個建議，這個建議，團隊是否採納，在於他們對這個建議的承認度。

Q：這個等級直升剛出來的時候，貼吧輿論極度負面，請問這個時候，運營團隊有壓力嗎？

A：大多數都是壓力的，關鍵是在於如何去化解這個壓力，其實咱們也在作輿情的分析，作數據實時的監控。最終的效果就是，負面的狀況還沒出現，咱們就可以作到預警，讓運營團隊對方案作到及時的調整。例如，最後等級直升禮包是有師傅帶的，一方面加速新玩家的遊戲進度，另外一方面也能夠加深玩家之間的社交關係。

Q：這款案例是端遊項目，不知道有沒有手遊相關案例？

A：其實兩邊的項目是相通。例如市場營銷的方法論，無論手遊仍是端遊，這個方法論都是沒問題的。

例如剛纔說的硬廣投放，廣告素材的吸量，其實手遊的買量吸量也是一個這樣的分析思路，確實有不少細節是不相同的，可是總體思路仍是一致的，當時對廣告的點擊到購買激活碼的轉換作了分析，經過這個分析能夠找有什麼環節出了問題，這些環節轉換率低的問題是什麼，這些地方的解決辦法是什麼？從而提升購買激活碼的數量。這個漏斗的過程是互通的。

不過我也在考慮之後有機會再寫一個手遊方面的案例。