热线电话：13121318867

登录
首页精彩阅读游戏行业，大数据该如何应用
游戏行业，大数据该如何应用
2016-09-23
收藏

游戏行业，大数据该如何应用

游戏行业, 我们能做哪些大数据分析应用呢?问题留给大家思考, 先看看下面这些内容是否能给我们带来一些启发呢?

笔者是在一个MMO项目做过两年数据分析，在一家中型公司负责过从头建设数据分析中心，面试聊过不少人，也对大数据有兴趣有过一些了解，思考过这个问题。
1.游戏的数据分析，其总的思路其实是很像大数据的思路。
《罗辑思维》有一期讲，大数据其实核心不是大，而是全数据，是将你各种行为的数据汇总在一起，从而能通过数据看到你完整行为轨迹，进行分析。在日常生活中，比如买衣服，你看了什么衣服，试穿了什么衣服，你重复去买衣服，这些信息商家都是不知道的，而商家的建设就是要全，比如优衣库做的你去试衣服的时候会进行记录，比如很多商家做会员卡，也能起到收集这个信息的目的。
而一个日志建设比较完善的游戏，是可以看到几乎全部有价值的行为的，你做的每一件事都可以拿来分析，而大数据，正是靠这种数据的全，来达成有价值的分析。
2.但是，游戏行业目前能做的绝大多数据分析，其实跟大数据没有任何关系。
我做数据分析，和教数据分析的方法，是像游戏策划一样理解游戏，然后用excel分析。只要懂加减乘除，集合这些概念，最多用一点线性相关，和聚类分析。但是核心是懂游戏。
以前我自己用这套方法的时候还不确定是不是因为我太菜了所以只能用这套方法，后来自己招人建设数据分析中心的时候，面试了很多人，年薪30W在top端游公司的，年薪25W在著名手游公司的，年薪25W带一个3-5人团队的。他们都是用数据挖掘之类的方法做，但是谈到具体做过什么帮助游戏改进的案例，都讲不出什么。其中有一个我以前认识，多聊了两句，他也觉得自己用建模，挖掘这样的办法，适合在有大量游戏的公司，对所有游戏做一些通用的东西，起到一些帮助（这件事的关键是游戏项目组要有足够的数据意识，否则没法配合），而在单个游戏的改进上，确实起不到多大作用。
数据挖掘之类的方法在游戏项目中少有有效应用，核心原因还是单个游戏都太小，用不起很专业的。用数据挖掘最好的应该是电商这种行业，比如亚马逊，因为他们的分析是针对整个公司的，整个公司的销售额都会受到数据的影响，比如亚马逊。而游戏方面，单个游戏年收入5亿以上的才有几个？这些做到高收入的游戏，他们会觉得我不是靠数据做到今天的，我也没必要去投入做数据挖掘（毕竟这种游戏有那么多事情需要投入，动不动就百人团队）。所以针对单个游戏有效的大数据研究方法，目前还几乎没有。
3.数据挖掘目前在游戏行业能做什么？——流失预测
这是我看过唯一一个案例，是数据挖掘在游戏行业很好的应用，但潜力还没有被充分挖掘出来。我见过大公司做的最好的，能达到80%准确率：80%的流失用户被预测到了，80%被预测到的用户真的流失了。也见过能做到60-70%的。这种分析真的是大数据的思路，他不需要理解游戏，只要把足够多的数据放进去，就能预测流失。反倒是从策划角度经过规划的数据，基本是不可能准确预测流失的（面试到讲这条路的，就直接pass了。做过流失预测自己根本不知道准确率多少的也直接pass了）。
说潜力没有挖掘出来，因为这个分析的目的和传统游戏数据分析不同，不是改进游戏，而是运营干涉。发现这些用户快要流失，就想办法给他们好处，留住他们。但是大部分游戏的框架并不允许做这件事，而没有足够数据训练的游戏项目组，也很难配合起来。
所以这种方式的应用，需要足够大的公司（有钱投入数据挖掘团队），足够多的项目（为一个项目性价比差），有足够数据训练的游戏项目组（数据挖掘如果是单独团队，和项目组的配合就是最大的问题）。
插一段：
这种流失预测的挖掘，本身也是最符合大数据的思路，不要因果性，只要相关性。你不需要知道玩家为什么流失，没有一个游戏是能完全不流失的。但是你知道有些人要流失了，给他们一些好处，有可能他们就会留下来。只要知道相关性，针对性的采取措施就好了。
沃尔玛的啤酒尿布案例，害了太多人。这个案例让人觉得，这种相关背后是有一个我能推导出来的逻辑因果的。其实沃尔玛还有很多很多完全看不出逻辑的案例，什么晴天蛋糕卖得好，雨天面包卖得好之类的，罗辑思维那期里有讲。沃尔玛不需要知道原因，只要晴天把能蛋糕多准备一点，多摆出来，就好了。
在看得见的未来，数据还不能，也不应该在游戏业被很深的应用。想想zynga。
有一位从zynga离职的人说过：那些说A/B测试成本高的公司，都是配套机制建设的不好，在zynga，一次A/B测试可能半天就能做好。但是A/B测试真正的成本，不是执行的成本，而是把设计者的思路限制在数据上，限制在能用A/B测试看出区别的微小改进上。
拓展思路:
从另一个层面,我们联系到实际出发来看看, 目前数据源比较成熟的，主要包括社交数据（包括社交网站、论坛等来源）、搜索数据和位置数据。
社交数据：关注分析。分析用户在发布会展相关的内容的时候，其他关联词汇的热度。例如伴随“水果+会展”出现频率最高的是“农药”、“安全”一类的词汇，那可能会帮助水果展销会的站台和服务设置，例如增加绿色水果展位，或者采摘服务展位。
社交数据：用户态度分析。社交网站如果能开放用户的详细信息的话，你也可以分析哪些人对哪类会展持正面态度，哪些人持负面态度。
搜索数据：跟社交数据类似，分析关联搜索热词，判断用户关注什么和态度。
位置数据：分析参加展会（非受邀的）的人来自何处、去向哪里，以便下一次展会重点在哪里投放广告和推广。


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

大数据 数据分析 数据挖掘

数据分析咨询请扫描二维码

上一篇回归系列（一）| 怎样正确地理解线性回归
下一篇2020美国总统竞选大戏开锣，川普当选的奇迹会再发生吗？
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询