《游戏数据分析的艺术》章节试读

《游戏数据分析的艺术》的笔记-一二章 - 一二章

##引入
由于本身是做技术统计数据并展示给游戏项目组的策划或者运营看的，所以看了一二两章后感觉自己只是在游戏分析的流程里面占了其中数据加工的一步。这里说下这五个步骤：方法论，数据加工，统计分析，提炼演绎和建议方案。不过呢，就算说自己是只是主导了其中了一步，但是每个步骤也都是承上启下的，相互之间有关系的，谁都不能没有谁。还是需要系统的学习下游戏分析。
##了解游戏数据分析
首先是前面说的五个步骤，
- 方法论
这一步解决了定向问题，即游戏数据的埋点，指标，记忆如何组织数据。
至于文中提出的高逼格方法论模型，AARRR，和我厂的PRARA。这些可以具体看书
>此阶段定义的指标不是越多越好，所以要加深对于指标的深入理解，借助数据分析问题，而不是罗列数据
- 数据加工
实际上这步就是清洗数据。按照我的理解是，原始收上来的数据是又乱又多，需要舍弃的舍弃，需要归类的归类。包括很多游戏指标都是在这一步计算出来并持久化到数据库中。
这一步主要是业务理解和技术开发。
在数据采集方面服务端和SDK的优势分析
>通过SDK植入游戏客户端的采集方式，在有关游戏用户终端设备的信息，用户会话时间等方面具备优势，而通过服务器端的数据采集，则在游戏内诸如等级分析，关卡任务分析等方面具备优势。
另外后面还提到
>服务端受到网络等因素制约，用户信息无法上报时就被舍弃，所以不存在SDK接入统计就一定不准确，服务端统计就一定准确的说法。
这点赞同，移动互联网存在的不确定因素比端游多很多，网络只是一方面。
- 统计分析
>统计分析包括统计和分析两个方面，统计分析是商业智能的一个方面。
实际上这个步骤和上面那个步骤个人感觉还是有重合的部分。但是呢这一步就是更加智能化了。就是：
>对于经过整理和加工过的数据，如何提炼有用的决策信息。一方面依托于系统的数据采集和整理，另一方面则需要分析师最终进行分析才会发挥价值。

- 提炼演绎
在整个数据分析环节中有80%以上的时间是用在整理数据，所以如何有效的形成方法和经验就变得更加重要。
>实际上分析结果本身并没有什么价值，如何活用分析结果，最终得到的价值也是不同的。
- 建议方案
通过数据分析的结果对目标对象进行营销，做到数据分析结果的最大化利用
##游戏数据指标
这一部分比较有意思的是以前所谓的病毒营销其实有个不坏的名字叫自传播。
关于两个模型在这一部分有详细的介绍。
游戏指标：
这里仅仅列出几点，具体的可以看书。
- 日新登录用户
这是游戏的基础数据。
本书在这里比较耳目一新，他会详细把该指标所会影响到的解决问题都罗列出来。
比如新用户：
- 渠道贡献的用户份额
- 宏观走势
- 是否存在大量垃圾用户
- 注册转化率分析
- 用户留存。
> 留存率更加关心的是从用户获取的角度综合分析获取用户的渠道方式是否合理，产品用户规模是否能够增长。而流失率则关心为什么有些用户离开游戏，这可能是在用户获取阶段就存在的问题，但是当游戏存在稳定用户规模后，一个付费用户的流失，却可能让游戏收入大幅下滑。
>理性看待次日留存，它在一定意义上代表游戏的满意度和产品初期的体验效果不一定就是游戏玩法有多好。