大数据时代的游戏运营
如何利用大数据技术挖掘海量数据的潜在价值?怎样提供更有价值的产品和服务?这是游戏行业的公共课题。在近日举行的,首届游戏运营技术论坛上,以“大数据时代的游戏运营”为主题,业内众多大公司的核心高管与技术大牛,共同探讨了大数据时代之下的游戏运营之道。其中,我们也采访到了腾讯游戏运营部总经理崔晓春先生。听他讲述对对于当前游戏运营的深刻理解。
CSDN:对于大数据的游戏运营,目前游戏圈里大家都在讨论什么话题?
崔晓春:我们看到,国内近4 年网民的增速从19%到9.9%。同样,游戏新增用户从14.7%到
3.7%,一直呈逐步下滑趋势。人口增长的红利越来越小,现在已经不像10年前,依靠一个大作就可以积聚人气,插根扁担就可以开花了。即使拥有巨大用户的平台,如果不注重运营技术的提升,进行精细化的运营,产品就算有再多的推广,找不到你的目标用户,不知道他们所想所为,留不住你的用户,所做一切都会事倍功半,产品表现平平,在游戏这个红海里将渐渐迷失方向。
图:腾讯游戏运营部总经理 崔晓春
CSDN:对于大数据的游戏运营,您觉得最需要突破的难点在哪里?
崔晓春:大数据的处理能力和真正的落地应用是大数据的2大难题。没有分布式计算、存储和实时计算的能力,一切都是空谈;同样,没有真正落地的应用,空有大数据,也等于拥有一堆垃圾。
CSDN:目前现有的数据报表,只能反映已有的历史数据趋势。大数据下,真的就能提供更丰富、更长远的未来趋势和走势吗?其中的关键点在哪里?
崔晓春:在网络游戏这个虚拟世界里,我们也可以用大数据来提升游戏的运营能力。基于用户行为的大数据,除了产出一堆运营报表之外,我们还可以将它应用于come-stay-pay模型,做精准拉新、市场规模预测、用户挽留、精准推荐等等,甚至,我们还可以通过游戏用户的行为分析,验证游戏的数值设计是否符合预期,以便迅速做出游戏内容的调整,可以说是事半功倍。
但,大数据不是起死回生,最多是锦上添花。Facebook、Google和一些公司为我们做出了一些成功与失败的榜样。若我们局限于玩家制造的数据本身,却不去思考为什么是这样,我们就很容易掉到大数据的陷阱里,弄巧成拙。
CSDN:现在腾讯一款游戏需要多少游戏运营人员?对于一个游戏运营人来说,需要具备什么素质?什么性格?什么背景?什么知识?
崔晓春:作为一个运营人员来说,第一个最不可缺少是他是否能保持良好的心态。我先将心态放在技术的前面,因为技术是可以学的,而心态是很难调整的。
第二个是技术,运营人员是一个集大成者,操作系统、网络、数据库、编程、数据分析等等,甚至项目管理方面的知识,虽然不要求样样精通,但最好都懂一点。这是他所需要具有的一些基础技能。此外,海量数据的处理能力、数学建模则是新的要求。
理论上说是开发、测试、运营的人数,基本上应该是N:1:1的关系,这是一个传统模式。但是我们可以通过平台化和模块化的建设,将运营的技术人员比例进一步缩小。一个人负责好几款游戏的上线和故障的处理,这种情况在腾讯很常见。而达到这个目标,必须通过平台化的建设,工具化的建设,自动化的建设。这个数据要看不同的公司,对运营的重视程度、公司规模、自动化程度而定。
CSDN我们讲游戏的大数据运营时,端游可能更多一点。那现在移动互联网的手游份额越来越多,不同类型的游戏,玩法不同的游戏,它们之间又有什么不同的运营特点?
首先上午有一位嘉宾分享得非常好,不是数据越多越好,数据越多了就等于没有数据了,这是一个很实际的问题。手游和端游是不太一样的。
跑酷、快消类的手游,我在等电梯的时候可以玩一把,在等地铁的时候可以玩一把。但它和页游、端游就不太一样了。端游设计一个副本或任务,需要玩家花费很长时间,持续玩游戏。但是手游上没有这种时间,表现方式也不够。所以可能更需要关注手游的用户人群定位,如何在极短的时间内给与用户最佳的体验。
手游有一个优势,基本上它会比端游更实名,更接近人一些。比如说我的微信好友,我能确认那个人就是我的朋友或者同事。可以通过SNS的方式和他们进行交互,信赖感也会更强,游戏设计也可以基于此。
另外,和端游相比,手游的生命周期短,用户转换快,但手游的种类更多,这就需要做好用户在平台内不同游戏间转换的相关性分析,尽量承接,减少用户的流失。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20