游戏内数据分析--产品调优的数据分析方法

游戏内数据分析—产品调优的数据分析方法

游戏内数据分析是指对游戏运营过程中对通过后台统计到的数据进行分析，从而客观的分析判断玩家行为，从而找出影响玩家体验和游戏营收的问题，提出优化玩家体验和增加游戏营收的意见。游戏内数据分析可以从用户的等级驻留，任务关卡驻留，系统使用次数，游戏内道具消耗，游戏内道具消费，充值分布，货币消耗等多个方面进行分析。
在进行数据统计之前建议先阅读一些关于数据统计方面的专业书籍，补充一下数据统计的基础知识，用科学的方法进行数据统计，以免出现通过片面的数据得出以自我主观为导向的错误判断。在分析数据的时候尽可能分离干扰变量，找出所有相关影响量，并判断他们的影响大小，从而尽可能得出接近准确的判断。
游戏内数据统计需要技术做对应的支撑工作，即对需要统计的点进行技术处理，在游戏后台生成对应的数据，在给技术提数据统计需求之前尽可能的先想好统计方法和分析方法，** 下面通过一张列表来举例说明一下要几个关键的统计的数据即可以用的统计方法：

这个表格不一定要做，但是在给后台提需求的时候一定要想清楚预期的统计报表，在后续的游戏后台设计中我们会详细介绍。

流失分析
导致玩家流失的主要原因有游戏bug，核心玩法缺乏深度，游戏内设置的玩法障碍过高，玩家缺乏目标等因素，我们一般通过等级驻留，关卡驻留，任务驻留这些与时间线性相关的玩法来寻找玩家的流失阶段和流失点。
一般rpg游戏玩家等级与时间关联度最高，因此我们再分析流失的时候一般以等级驻留分析为主，任务驻留和关卡驻留为辅查找流失原因。假设例如我们通过后台得到第二天的玩家等级驻留数据报表。然后我们根据测试和预期补充上到达对应等级所需要的时间。


通过以上的数据报表我们可以得到如下判断：
1：1-3级属于正常流失，这个阶段流失与游戏资源加载，游戏美术效果，游戏题材与目标用户的吻合度相关。
2：5级流失异常，在同等时间消耗下，用户流失应该波动不会太大，若波动过大则需要进行检查。同理可得出在9级，10级，11级，14级，17级，24级，31级的时候可能发生了类似的问题。而30级尽管数据比较大，但是因为相隔一天，也可能没有问题。
3：通过数据我们可以判断9级的时候可能是第3关的难度出现问题，也可能是强化系统导致玩家流失。而通过10级，11级对应的关卡也流失大，那么关卡难度出现问题的概率比较大，再通过关卡玩家驻留我们可以判断出是否真的是关卡难度出现问题。
4：14级和17级的没有关卡的障碍，但是开启了2个玩法，那么可能是这2个玩法出现了问题导致玩家流失。
5：31级的玩家流失可能是次日流失的分布导致。也可能是正常现象，若占比过大则需要考虑次留和次日上线的体验是否出现了问题。
以上是浓缩的一个分析例子，当数据量比较庞大时还需要借助图形或整理数据进行分析，得出结论后还需要通过自身再次体验和通过收集玩家意见进行确认，得出更加准确的结论，然后再进行调整。


充值分析用来判断计费点设计是否合适，付费模块设计是否合适，游戏付费深度是否足够等，充值分析包含用户付费额度分布分析，计费点使用次数分析，充值人数与次数等。
下面我们看一份玩家充值额度的分布表：

从这份数据我们可以得到如下判断：
1：257服相对256服中等付费玩家比例增加，付费结构相对好转。
2：首冲玩家仍然占比过大，需要进一步进行转化。
3：大r的付费额度有所下降，可能缺少大r的付费空间和动力，需要进一步进行检查。
这里的例子只截取了2个服务器的数据进行分析，全面分析需要综合多个服务器的数据进行分析，检查是否在付费率，付费分布上出现问题，比如出现大r的概率是否稳定，是否小r占比过多，是否持续付费过少等。


通过道具销售分析我们可以得出游戏内养成系统的消费周期，消费额度是否达到预期，道具消费分析通过观察其统计周期内的消费额度和消费占比进行判断。判断道具消费的时候不能片面的观测某个系统或者某个道具的消费提升了或者占比提升了，而是需要观察其高或者低理由和变化的原因，若某个道具在某个时间段内占据了过多的付费占比，对全生命周期的用户消费可能并不是一件好事。观察道具消费的时候要对不同系统产生的消费进行合并统计，得到如下表格。

在进行销售分析的时候我们尽可能的把影响付费的活动和其他相关影响量要标注在旁边。例如在分析前期销售的时候我们可能有以下的影响因素。
1：系统开放节奏。
2：系统性价比，主要是某些系统养成到了一定阶段性价就下降了。新的高性价比系统出现这个系统就失去了性价比吸引力。
3：活动，活动会影响阶段时间里面的充值和消费活动。需要综合进行判断。
4：基金这种付费统计需要剔除，因为这种是付出后返还钻石。
例如以上的表格我们大致可以得到如下的结论：
1：开服竞技活动（对某个养成系统进行战力或者消耗进行排名并给与奖励，配合对应的打折促销活动刺激进行养成）
例如从上面的数据报表可以得到如下的可能结论
1：寻宝消耗成为了主要的收费途径，需要检查参与人数，我们淘宝定位是大r付费点，如果参与人数过多，则可能是产出性价比过高，挤压了其他系统的付费可能。
2：根据开服竞技主题引导付费，神器没有发挥其作用，需要调整性价比。
3：技能预期是付费主题，然而并没有产生预期的付费，因此需要查找是信息传递出现了问题，还是功效出现了问题。
……
道具消耗分析是游戏分析中相当重要的一环，也是分析游戏收入与的主要途径之一，道具消耗分析关联的因素比较多，对每一个结论的得出需要仔细检查其关联因素，例如一个新系统的道具销售比较好，不能简单的判断这个系统做的好，而需要同时检查同时期的所有养成系统当前的性价比，当前所投放的活动产生的促销折扣，当前剩余玩家的付费结构和游戏生态环境等诸多影响因素。

其他的分析还有计费点分析，道具获得分析，玩家在线时长分析，玩家登陆次数分析，玩家参加工会分析，玩家聊天次数分析，玩家参加活动分析等等，不同的游戏有不同的统计数据和分析侧重点。一款游戏进行完全分析可能精力上不太允许，因此我们在做数据分析的时候一般根据基础的留存，付费上面表现出来的问题逐一进行猜测，然后通过数据验证进行排查可能出现的症结点和问题。
在运营和研发进行协作的时候，尤其在运营过程中，尽量不要只提供干巴巴的数据表现，尽量提供数据，结论，和可提供的解决方案。而在研发的反馈调整方案中，也尽量提供针对的数据的调整方案和可能预期的结果，如果这个行程正向的循环，可以大幅度提高我们调整的准确度和对数据的判断。