1.4 游戏数据分析师的定位

如同一名游戏玩家一样，游戏数据分析师最关键的是寻找解题思路。

游戏数据分析师目前并没有确切的成长体系和规划，在如今比较火热的数据领域，我们看到的很多是从技术和业务分析两条线路对数据分析师进行规划的，不过在最近一本《数据分析：企业的贤内助》书中，对于数据分析师做了比较深度的解析。在本书中，我们从游戏的角度，力求简单明了地解释游戏数据分析师的含义。游戏数据分析师不只是分析数据，在本书中不做重点讨论关于数据分析师的成长和职业发展，重点在于强调游戏数据分析师的定位和能力要求。

游戏、数据和分析师，这3点组合后才是完整的。这3点包含了业务、技术和方法的概念，同时也是游戏数据分析师所要代表的3种角色。在下面的阐述中，将围绕这3个角色定位展开。

如图1-9所示，我们看到一个游戏数据分析师扮演的角色和从事的内容是非常多元的，既要扮演玩家、分析师、策划等角色，同时又要懂得诸如经济学、营销和统计等知识。这点不同于我们认识的常规数据分析师，数据分析师在成长的过程中要不断了解业务，但是业务理解能力的提升，是需要更加深度和广泛地涉猎和学习，这点在游戏数据分析师的成长过程中是极为关键的。游戏数据分析师要具备自身业务以外更多的知识和理解能力，简单来说，在具备内在的方法论的同时，知识体系和内容的丰富性决定了在游戏数据分析师后期发展的高度。

1.4.1 玩家——游戏用户

玩家的任务是运营体验，游戏体验，站在玩家的角度理解游戏，感受游戏乐趣、玩法、体验。

任何领域的游戏数据分析都强调对业务的理解，而业务的理解一般分为两层——微观和宏观。从微观上来说，探讨的是对产品机制和内容的理解，强调自身理解；从宏观上来说，探讨的是对产品存在的环境和外部因素的理解，强调环境理解。

从用户的角度，突出的是自身理解，充分地理解产品自身才有更大的话语权去完成分析。作为玩家的分析师，大致需要具备以下的能力。

·版本及运营刺激深度理解。

·运营策略及方法研究分析。

·反馈建议收集，掌握用户。

·用户研究（价值及分类）。

·渠道平台特征分析。

·运营总结分析（KPI衡量）。

在以上的内容中，我们看到有关于运营策略及方法的内容，也有关于用户研究的内容，其侧重点是分析师要从用户的感受和实际体验出发，具备同理心。相对于游戏设计者，从用户的角度看待和分析产品，是任何分析师必须具备的能力。

对用户的深入研究是具体的，对游戏设计的研究是抽象的，反映到用户方面的是具体的美术、体验设计、产品的外在成就、乐趣等，而从产品设计角度反映的是游戏核心机制，基础的解题模式。在体验游戏时，是从具体逐步走向抽象，不断理解游戏创造的世界观，核心诉求。产品设计在用户导入的初期，是不断向用户推销游戏的玩法和内容的过程，即所谓的新手教程等。

如上述所提到的，对于用户来说产品就是具体的，对于设计者，产品就是抽象的。如何将抽象具体化，将具体抽象化，都是判断游戏成功的标准。如果我们非要从数据层面来看，例如初期用户的留存率、生命周期长度和价值等，这些数据指标可以来评判产品是否成功。当然，这种方式是最为直接的产品素质反馈。然而，产品的形态不同，数据表现也是不一样的，例如，策略类型游戏就比卡牌类型游戏的付费周期更加长久和滞后，所以在首日或者首周付费方面的表现不一定相同。

作为一名玩家，同时也是分析师，需要非常客观理解游戏、体验游戏，并非作为游戏的设计者去试图认为用户就是这样。例如，在移动游戏市场，如果开发游戏时基本上是在PC上完成的，当我们测试游戏登录或注册模块的流畅度时，会发现在PC上，基本上在5~10s就可以完成，但移动游戏的场景更加复杂，比如在地铁站、公交车上，用户的登录或注册输入的成本非常高，主要的原因如下。

·受限于网络，用户在移动终端登录或者注册的响应比在PC上更加漫长，PC具备稳定的场景和网络条件。

·信息输入方式发生本质变化，移动设备要依托手指完成输入，而PC依托键盘快速完成，二者的输入成本完全不是一个水平。

·开发环境的制约，使得开发人员的多数功能设计、视觉设计和体验设计都是基于PC屏幕完成的，一旦部署在移动设备，屏幕变小后，诸多的适配、体验问题纷至沓来，这是因为没有在用户的实际使用和游戏场景中体验过而造成的。

总结起来，作为游戏玩家且作为分析师要有3个方面的重要能力，如图1-10所示。

有关产品运营策略及方法的理解在此处不做过多的解释和说明。本节就产品体验分析进行初步的总结。体验分析从来就不只是UI/UE设计师的独门工作，作为游戏数据分析师，必须具备对产品体验的敏感性和专业性，从体验中折射出来的问题往往直接代表用户面临的问题，然而这方面却是诸多分析师最容易忽略的地方，无法有效确立指标，且难以衡量，导致了在影响留存率、用户转化最关键的区域没有被重视。

对于面向用户的产品，最重要的就是产品的体验。从用户的角度分析。首先就要深度进行体验分析。对于一款游戏而言，需要不断总结符合评估规范的游戏体验要素。例如，对于移动游戏而言，基本的体验要素分析包括如下内容。

·注册模块。

·加载模块。

·输入法调用。

·网络连通性。

·文字情感。

·弹窗能力。

·推送能力。

·按钮，UI设计。

·触摸设计。

·流畅性设计。

以上所有分析要素都是可以基于数据追踪来完成数据采集和分析的，相比我们在后续章节介绍的标准指标，这些有关体验的数据分析，则是需要更加深入业务场景才能够完成的分析。如同我们在进行网站分析一样，相比提供的内容质量和深度，我们很多时候却忽略了用户的使用和体验环境。Garrett在《用户的体验要素》一书中曾这样写道：“无论用户体验对网站的成功具有多么重大的战略意义，在大多数网站的发展过程中，仅仅‘去理解人们所想和所需’这样一件简单的事，都从来没有得到过重视。”

同样，在游戏数据分析方面，我们也在走着同样错误的道路，相比网站分析，其实我们移动游戏市场面临的关于体验的麻烦和问题则更加严峻，因为我们的用户游戏环境（比如地区、设备、网络、系统以及分辨率等）呈现了前所未有的多样化。对产品体验的分析就是要去解决产品环境的综合问题。

关于体验分析的指标追踪，前面也谈到了是需要深入业务场景进行定制和设计。Garrett从用户体验的角度，把这些有用的指标称为“成功标准”，并赋予了定义：“对于驱动用户体验决策而言有意义的成功标准，一定是可以明确地与用户行为绑定的标准，而这些用户行为也一定是可以通过设计来影响的行为。”

产品体验分析的核心目的不是获取新客户，更多的是如何去影响那些已经进行游戏的用户，深刻影响这些用户的二次打开或登录游戏。从这点来说，留存率的存在核心是在检验产品的体验，尤其是次日留存率。但很多时候，很多分析师或者游戏制作人员没有学会走路，就已经开始跑步了，导致基本的产品体验解决不了，用户无法进行游戏。至于游戏运营策略和核心玩法，是在用户已经变成了你的资源的前提下，才可以讨论和分析的。另一点需要说明的是，运营策略有一方面也会对潜在用户在口碑或营销上起到作用，前提是游戏有良好的质量和体验基础。

1.4.2 分析师

分析师的任务是综合各方面的知识，客观运用数据进行理论分析，提供决策方案。

作为一名游戏数据分析师，要完成的工作不仅仅是找出问题、提供方案、评估效果，也要挖掘目前游戏的优点和设计亮点，当然，这几点也是站在运营和设计的角度来理解的，而基础都是数据和分析。

分析师强调作为玩家的能力、策划设计的能力，同时也强调其他的几个方面的知识，例如概率统计学知识、经济学知识、营销学知识、广告学知识、心理学知识和互联网知识等。这些看似和游戏业务无关的领域和内容，恰恰会丰富分析师的综合知识和经验。这在早期对数据分析师职位的规划较少提出，因为数据工作一直以来都在强调分析业务理解能力而没有重视其他学科知识的学习，这会在分析师成长过程中慢慢形成理解和分析的障碍。而从游戏数据分析的工作来说，越来越需要具备这样的知识，深层的业务理解建立在一些基本的认识和理解基础之上，但这些能力的提升很大程度上并不来自于对业务的学习。

例如，从互联网知识中，我们会了解诸如免费、长尾理论等诞生于互联网的内容，在这些内容最初的发展和演进中，我们会了解到这些理论最初是如何被发现的，如何运用的，这一点恰恰会启发我们分析问题的思路。

在谈到分析师的能力时，很多人可能会罗列出以下的内容。

·掌握游戏数据分析体系及指标。

·了解基础统计学的知识及应用。

·掌握一到两款常用分析工具。

·具备各种报告撰写和分析能力。

·提供可行解决方案和评估报告。

以上的内容还是比较分散的总结。真正从发展角度来看，分析师更多的时候需要站在旁观者的角度来分析，但这不意味着不深入业务，所以这里也提到了分析师也要具备玩家和设计的能力。如果从分析师本身出发，可以将分析师的能力做如图1-11所示的规划。

1.专业数据解读

大部分的数据分析师，都是面向业务的，这就决定了在其业务范畴内，在理解业务的前提下，要具备充分的数据解读能力。而每一个行业的专业数据解读都是从基本的指标开始的，这是数据分析师必修的课程。不过，这个阶段的指标必修，旨在要非常清楚指标的定义和原则。如果不了解原则和存在的意义，只记住了指标的标准，是没有实际价值的。

指标的存在是自上而下的过程，通过顶层的目标和需求的设计，将指标逐步分解成为具体的可观测的指标。从游戏数据分析角度来说，我们关注的顶层目标和需求如图1-12所示。

在图1-12中，比较粗略地组织了从游戏数据分析角度来说需要关注的一些目标和需求，此处是较为简单的向下分解，并最终落实到了具体的分析方向，而此后再次分解，就是具体的指标。对于分析师而言，无论从上而下（即从需求战略向具体分析指标），还是反过来的过程，都需要全面地理解指标、解读指标，了解指标究竟能够代表和分析哪些业务和具体问题。这项能力是在不断成长的过程中逐渐练就出来的。

与此同时，随着分析师的数据分析探索和理论知识学习，专业的数据解读会不断地深入和强化。

2.数据分析探索

游戏数据分析与其他行业的数据分析不同的是，游戏综合了经济、心理、社会和社交等方面的内容，是一个庞大的数据分析体系。例如，关于游戏内货币的通货膨胀问题，就需要我们通过经济学的角度来解释，并加以分析。再如，有关游戏中虚拟社会的社交关系，需要我们通过社会学的方法和策略进行分析，所以游戏数据分析从来不是一个保守的和按部就班的领域。

数据分析探索的内容较多，一方面可以认为探索源自对数据本身特征和分布的探索，此点更多是就数据本身层面的分析和摸索；另一方面基于一定业务场景，进行一些前瞻性的数据分析，如前面提到的关于游戏社会（公会）和社交部分的探索，就曾经在Playon项目中针对“魔兽世界”进行过关于公会的数据分析，并在论文《“Alone Together？”Exploring the Social Dynamics of Massively Multiplayer Online Games》中进行过详细的阐述。该论文指出，公会核心的成员并不会和很多的公会玩家一起游戏，在30天中，一个公会中平均每两个玩家游戏时间是22.8分钟，然而这一数据在核心成员之间则是154分钟。另外，公会核心成员之间彼此联系很紧密，相当于一个核心小组，65%的公会只有一个核心小组，13%的公会有两个核心小组，而3%的公会有3个核心小组。如图1-13所示，在针对中型公会的网络分析时有一些新的探索发现。

在某个公会的41名成员中，有17名成员从未与其他玩家在一个地图中相遇过，而余下的24名成员主要是靠一个8名核心成员的小组维持较高的游戏活跃度，这意味着这8名成员彼此之间的联系时间是非常长的，关系更为紧密。

上述对公会关系的分析，是对社交关系是否会影响游戏流失及活跃度的探索。而诸如此类的对游戏内容、设计的分析有很多，再如在游戏内进行用户聊天记录的文本分析，抓取用户的关键词，及时了解游戏内的动向和用户关心的内容。

在最近几年，游戏数据分析和研究开始逐渐流行，由于游戏产业的特殊性（文化创意领域），同时整个行业更加关注用户获取和用户营销，导致基于产品本身的数据运营和优化并没有得到应有的发展。这一点在移动互联网时代愈发明显，越来越多资金用于营销和用户获取，但是长久以来，在获取用户后，如何精细化经营用户和挖掘价值，却始终没有更多突破。不过，令人高兴的是，在进入2014年后，越来越多的游戏开发者，越来越多渠道开始注重留存率、付费率等数据的提升和优化，这已经是巨大的进步了。

然而，从整体形态上我们看到，游戏数据分析的发展还是迟缓的，数据指标体系、方法和思想还停留在早期的端游市场以及页游市场。进入了移动智能时代，数据分析需要更多的探索和变革，因为用户的终端更加多样和复杂，对用户而言，我们提供的移动游戏不再是公平的，有人可以正常打开游戏，有人却不得不面对游戏闪退等问题，虽然用户获取游戏的机会在变大，但是用户的选择性和流动性也在变强，所以谁能更好地提供服务，完善了体验，才会被更多的用户选择。

移动游戏用户比以往任何时候都挑剔和追求体验，因为移动设备本身就是提供体验的平台，这对开发者、数据分析师提出了全新的挑战，所以我们需要进行全新的产品探索、数据分析探索。例如，我们的产品提供符合移动智能设备系统设计规范的UI、体验和服务，而对于数据分析来说，我们将更加注重用户全生命周期的价值、不同设备用户的行为表现、渠道用户的质量和收益贡献、优化投放和调整经营策略。数据分析强调对于业务的理解，不仅仅是对产品业务本身的理解，还有对产品环境的理解，这点在当今的移动游戏领域是非常明显的。就分析本身而言，任何方法理论的诞生，都是在不断解决业务问题的基础上，进一步探索和实践才形成的。

3.理论知识学习

在数据分析探索一节中提到，探索的依据、探索的挖掘都是要基于大量的背景知识的，如果无法跳出游戏业务本身，站在更加高的角度来审视游戏，则很多分析都无法展开。例如，需要了解游戏中的付费转化率指标。下面结合设计体验和统计学来说明付费转化率的内在含义。

如果从设计体验来看，对付费转化率的分析就是在解决付费环境的问题，即转化率的高低代表了支付需求实现和支付环境的质量。例如，只需要4步就能完成游戏支付，但是实际设计时需要5步才能解决，从这点来说，多了一步支付过程，就多了一步用户的转化流失。

另一个很好说明设计体验的例子如图1-14所示，在一个手机游戏中，当用户购买道具时，用方向箭头的加减方式来确定购买数量，比手动调用输入法确定购买数量方便很多。此外，当我们发现用户对于某一种道具的消耗量确实很大时，则可以默认提供对应需求的道具数量，此时，对于多数用户而言，则是选择默认购买，很少会有用户选择购买9个或者8个，这点设计无形中提升消费数量，并且培养了消费习惯。

从体验设计来看，这种设计避免如图1-15所示的输入麻烦，减少转化步骤，效果自然就会好很多。这个例子可以说明，作为一名游戏数据分析师，你需要站在设计的角度来关心用户，完成你的数据分析。

此外，如果从统计学的角度来看待付费转化率，其实对免费游戏而言，付费只是针对一小部分用户，而这部分用户的付费，在某种意义上是因为他们达到了某些条件，或者到了一个不得不付费的阶段或状态。从概率角度来理解，付费转化率就是一个概率，即在免费用户中，发生付费的概率，这其中就蕴含了一些条件，在这些条件成立的前提下，我们有很高的概率发生付费。

所以，我们很关心用户在什么等级、时间或者任务发生首次付费，这些条件的寻找，就是在不断寻找用户发生付费转化的最大可能性，或许我们发现用户在30级发生付费转化有60%可能性，35级发生付费转化有80%可能性，通过一系列的数据探索，不断优化我们的分析结果和最终结论。这些不是仅知道游戏业务就能确立的分析角度和思考方式，还需要更多的概率知识。

通过以上案例，我们了解理论知识对于从事游戏数据分析工作的作用。游戏的确是一个包罗太多领域的产品，因此对数据分析师的要求就更加全面。前面我们只提到了设计体验、概率学，其实还有很多的内容是需要我们了解的，如图1-16所示是需要我们了解的内容。

除了以上的内容，还有其他的知识需要学习。总体来看，在这些知识领域中，我们主要要探究的是以下两点。

（1）问题分析的思路及方法

其他领域的问题分析和解决方案会最大程度帮助游戏数据分析师建立和完善方法论，以便可以从不同的角度剖析问题，提出解决办法。因此，如果仅仅局限在游戏业务内寻找办法解决，往往得不到答案。在这方面，笔者自身的经验十分丰富，例如互联网经济时代诞生的众包、免费、长尾理论，都是基于一些数据和思想方法而发现或者发展的理论，而这些理论或内容都将在游戏领域发挥巨大的作用。

（2）跨领域知识的运用实践

游戏数据分析的发展，其实还在起步阶段，从行业来看，我们还没有真正借鉴数据走向精细化运营。在这条路上，还有许多需要了解和学习的知识，如贝叶斯理论在游戏领域的应用、产品生命周期的管理、用户生命周期的管理、游戏用户CRM系统的建立，包括跨运营平台游戏的用户深度营销、推送和评估分析等，这些都需要我们不断探索。伴随大数据技术的不断进步，带动了各行各业进行有效的数据管理和加工，并且深入影响了用户和产品的运营，游戏中也应用了大数据技术、数据挖掘技术、广告技术，开始了全新的数据运用。此处，我们以playon项目对于“魔兽世界”升级时间的分析为例来阐述一下统计学知识的应用。

“一些玩家的升级速度很快，这些极端数据可能影响了总体数据。为了更清楚地认识这些数据，我们计算玩家升级速度的标准分（normalized scores）Z分数，计算公式如下。

Z分数=（X-平均分）/标准差

如图1-17所示，大部分玩家的升级时间确实是在平均数附近。在转换成标准分后，从1级到60级的平均时间是15.3天，中位数是13.9天。”

在这个例子中，首先强调的是业务理解，其次就是方法的运用。另一个例子就是很多人都会提到的ARPPU（游戏总收入/游戏总付费用户数），很多时候，该指标被拿来衡量用户付费能力，但是经过仔细的分析会发现，游戏中有超过70%~80%的收入是由20%甚至更小比例的鲸鱼用户（大额付费用户）贡献的，只是这部分用户占据游戏付费用户的比例非常低。此时，更多的付费用户则是“被平均”了。从根本上说，很多的数据分析师和指标的使用者在并不了解其背后的算术平均数使用时需要注意一些问题和使用限制。所以，我们需要懂一点儿统计学。同样，需要了解更多的其他行业的知识，并了解如何运用和发展。如果你学习一点儿统计学知识，你会发现，例如众数、中位数和几何平均数都是一些可以大胆使用的方法。

游戏数据分析也要借鉴电商的转化率和订单分析，网站的流量分析，购买消费中购买决策分析等，这些内容经过加工后，在游戏方向会有很好的应用场景和价值。

1.4.3 策划——游戏设计者

游戏设计者的任务是从游戏设计的视角审视游戏机制和内容，分析产品的深层次问题。

作为一名游戏数据分析师，要担当的一个角色就是“游戏设计者”，这里的游戏设计者并非是一个真正的游戏设计者，而是需要具备基本的游戏设计的理论基础和能力，因为这一点有助于开拓分析思路和维度。例如，在进行等级分析、任务关卡分析、虚拟道具消费分析、UI/UE分析等时需要这些知识。

按游戏公司自身的职能划分，可将其称为数据策划，注意不是数值策划。目前多数分析师被划分在运营体系中，然而，一款游戏的数据分析对游戏方向的干预，仅从运营层面去实施，效果和质量显然是有限的。这也是为什么多数的游戏数据分析师在多数企业中找不到认同感和实现价值的重要原因。有一个观点是大家都认同的，那就是作为一个数据分析师，所有建立的分析和方案都要和业务紧密结合。因此，作为游戏数据分析师，首要的任务就是深入了解游戏，以设计者的角度，去看待一款游戏，深入理解和掌握游戏设计的优点和弊端。

在此，我们对数据策划需要完成的工作做了以下的规划和设计。

·理解游戏核心玩法。

·游戏体验设计原则。

·游戏类型设计原则。

·游戏消费设计原则。

·游戏等级关卡设计。

·制定业务指标体系。

·设计问题解决方案。

·数据进行版本规划。

·竞品游戏学习调研。

数据策划是在深刻理解游戏的基础之上，根据游戏的设计情况以及每个版本的情况，利用数据进行分析，最终提供策划和改进方案。当运营体系数据不足以支持深度的产品分析需要时，就要运用更多的游戏设计知识来开拓分析思路。当然，提出数据策划的意义是，未来数据分析师将能够真正地发挥分析作用，提供方案和效果分析，最后进行改进。

提出数据策划的另一个核心原因是，每一类游戏的设计和数据分析的维度都是不同的，在深入了解游戏的设计和核心机制后，制定数据指标就相对轻松很多，这也为游戏分析师发现问题、解决问题提供了思路。

因此，从这个角度来看，应该把分析师称作数据策划。这个角色在游戏的每个时期都扮演重要的角色，无论是产品刚刚进入封测，还是上线公测，抑或是未来的商业化运营，都发挥了巨大的作用。如果面向业务的游戏数据分析师无法对业务发展和运营提供决策指导，那么就无法发挥最大的价值，最终只能完成常规的数据报告和运营数据整理。和业务的结合，意味着游戏数据分析师要有数据探索能力，发现深层次问题的能力，并有提出具有指导意义的方案的能力。