遊戲行業，大數據該如何應用？

01-15

求問遊戲行業，大數據該如何應用？

在一個MMO項目做過兩年數據分析，在一家中型公司負責過從頭建設數據分析中心，面試聊過不少人，也對大數據有興趣有過一些了解，思考過這個問題。

1.遊戲的數據分析，其總的思路其實是很像大數據的思路。

《羅輯思維》有一期講，大數據其實核心不是大，而是全數據，是將你各種行為的數據匯總在一起，從而能通過數據看到你完整行為軌跡，進行分析。在日常生活中，比如買衣服，你看了什麼衣服，試穿了什麼衣服，你重複去買衣服，這些信息商家都是不知道的，而商家的建設就是要全，比如優衣庫做的你去試衣服的時候會進行記錄，比如很多商家做會員卡，也能起到收集這個信息的目的。

而一個日誌建設比較完善的遊戲，是可以看到幾乎全部有價值的行為的，你做的每一件事都可以拿來分析，而大數據，正是靠這種數據的全，來達成有價值的分析。

2.但是，遊戲行業目前能做的絕大多數據分析，其實跟大數據沒有任何關係。

我做數據分析，和教數據分析的方法，是像遊戲策劃一樣理解遊戲，然後用excel分析。只要懂加減乘除，集合這些概念，最多用一點線性相關，和聚類分析。但是核心是懂遊戲。

以前我自己用這套方法的時候還不確定是不是因為我太菜了所以只能用這套方法，後來自己招人建設數據分析中心的時候，面試了很多人，年薪30W在top端游公司的，年薪25W在著名手游公司的，年薪25W帶一個3-5人團隊的。他們都是用數據挖掘之類的方法做，但是談到具體做過什麼幫助遊戲改進的案例，都講不出什麼。其中有一個我以前認識，多聊了兩句，他也覺得自己用建模，挖掘這樣的辦法，適合在有大量遊戲的公司，對所有遊戲做一些通用的東西，起到一些幫助（這件事的關鍵是遊戲項目組要有足夠的數據意識，否則沒法配合），而在單個遊戲的改進上，確實起不到多大作用。

數據挖掘之類的方法在遊戲項目中少有有效應用，核心原因還是單個遊戲都太小，用不起很專業的。用數據挖掘最好的應該是電商這種行業，比如亞馬遜，因為他們的分析是針對整個公司的，整個公司的銷售額都會受到數據的影響，比如亞馬遜。而遊戲方面，單個遊戲年收入5億以上的才有幾個？這些做到高收入的遊戲，他們會覺得我不是靠數據做到今天的，我也沒必要去投入做數據挖掘（畢竟這種遊戲有那麼多事情需要投入，動不動就百人團隊）。所以針對單個遊戲有效的大數據研究方法，目前還幾乎沒有。

3.數據挖掘目前在遊戲行業能做什麼？——流失預測

這是我看過唯一一個案例，是數據挖掘在遊戲行業很好的應用，但潛力還沒有被充分挖掘出來。我見過大公司做的最好的，能達到80%準確率：80%的流失用戶被預測到了，80%被預測到的用戶真的流失了。也見過能做到60-70%的。這種分析真的是大數據的思路，他不需要理解遊戲，只要把足夠多的數據放進去，就能預測流失。反倒是從策劃角度經過規劃的數據，基本是不可能準確預測流失的（面試到講這條路的，就直接pass了。做過流失預測自己根本不知道準確率多少的也直接pass了）。

說潛力沒有挖掘出來，因為這個分析的目的和傳統遊戲數據分析不同，不是改進遊戲，而是運營幹涉。發現這些用戶快要流失，就想辦法給他們好處，留住他們。但是大部分遊戲的框架並不允許做這件事，而沒有足夠數據訓練的遊戲項目組，也很難配合起來。

所以這種方式的應用，需要足夠大的公司（有錢投入數據挖掘團隊），足夠多的項目（為一個項目性價比差），有足夠數據訓練的遊戲項目組（數據挖掘如果是單獨團隊，和項目組的配合就是最大的問題）。

插一段：

這種流失預測的挖掘，本身也是最符合大數據的思路，不要因果性，只要相關性。你不需要知道玩家為什麼流失，沒有一個遊戲是能完全不流失的。但是你知道有些人要流失了，給他們一些好處，有可能他們就會留下來。只要知道相關性，針對性的採取措施就好了。

沃爾瑪的啤酒尿布案例，害了太多人。這個案例讓人覺得，這種相關背後是有一個我能推導出來的邏輯因果的。其實沃爾瑪還有很多很多完全看不出邏輯的案例，什麼晴天蛋糕賣得好，雨天麵包賣得好之類的，羅輯思維那期里有講。沃爾瑪不需要知道原因，只要晴天把能蛋糕多準備一點，多擺出來，就好了。

在看得見的未來，數據還不能，也不應該在遊戲業被很深的應用。想想zynga。

有一位從zynga離職的人說過：那些說A/B測試成本高的公司，都是配套機制建設的不好，在zynga，一次A/B測試可能半天就能做好。但是A/B測試真正的成本，不是執行的成本，而是把設計者的思路限制在數據上，限制在能用A/B測試看出區別的微小改進上。

最近在看《額外生命》

額外生命 (豆瓣)

書里提到一件有趣的事：某屆DICE上有一個演講，某小組研究了上萬個遊戲角色，分析了遊戲角色的特點以及哪些特點
可能是受歡迎的。當時SCE聖莫妮卡的部門主管就在台下，他說：「大事不妙。」後來他解釋說，明天各大公司的高層就會讓市場部拿著這個報告去審查旗下所有
的遊戲項目，保證「遊戲的設計符合玩家最廣泛的需求」。

這件事尷尬的地方在於，如果是小說，編輯可以根據市場調查決定要不要出版某本書，但一般不會干擾作者的創作，而在電影業和遊戲業這種集體創作中，市場的魔手從一開始就介入了創作。這種做法並不能提高遊戲的質量，只會抹殺遊戲中剩下的那些閃光點。

https://zhuanlan.zhihu.com/p/21335157

這裡提到一個例子，STG《宇宙巡航機》有一個革命性的設計，每關的場景風格都不一樣，遭到公司置疑，「這樣搞豈不是風格不統一了？」，因為之前所有成功的STG，關卡風格都是一樣的。而最終這遊戲成了STG類遊戲的里程碑。業界總是存在一些看似有理實則狗屁不通的條框。

簡單概括下我在騰訊內部推動過的大數據使用案例:

1、精細化商業化:

A. 根據玩家在付費和活躍維度的不同，在同一個商業化活動中設計不同的禮包和折扣。比如部分抽獎，可以有效保護付費玩家的體驗

B.根據玩家在遊戲內喜好的模式，在付費活動的推薦列表中推薦其可能更有付費意願的道具，提升轉化率，也可以優化遊戲內商城

C.把用戶分為高，中，低付費群里，每一個類別都設計不同的符合其心理賬戶的禮包道路，並對這些群體進行追蹤和分析

2、精細化運營活動

A.對於活躍用戶，設計相應的拉登陸天數，拉登陸時長的活動，也有周期性的拉PCU活動，嚴格監測遊戲內的各項數據，一旦發現有下降就會啟動相應的活動

B.根據歷史數據預判遊戲中即將流失的玩家的模型，當現有玩家符合即將流失的模型，會有觸發性的有挽回活動

3、精準營銷: 騰訊的數據非常龐大，平台上的用戶的行為可以打成興趣標籤，根據用戶的興趣標籤，可以推送不同的廣告和遊戲促銷信息。評論里有人說精細化發tips，其實不全，騰訊的廣點通和O2系統早就實現了媒介側的精細化營銷，提升了廣告的效率，但可以放心的是騰訊保護用戶的隱私，不會針對個別用戶進行數據拉取，而且在群體行為進行聚類，和信息推送。

4、工作室打擊和對抗：根據工作室的行為數據，可以精準抓到壞人進行封號處置

由於數據側涉及過多的商業機密，我只能說個大概，如果對這方面有興趣，騰訊內部的同學可以參加我的課程，或者找我探討。

我覺得對當下的遊戲行業，最好的應用方式就是不應用。

1.除了騰訊，沒有哪家公司算是真正掌握「大」數據的。樣本=全局這個明顯做不到。

2.解讀方式的問題，當下很多遊戲的數據內容往往存在非常多的解讀可能性，從業者素質還沒有普遍高到足以輕鬆解決的地步。現實中兩個栗子：一個遊戲在晚上的某個時間在線急劇下降，在那個時間加了很多活動還是在線低，後來分析可能是因為快樂大本營在那個時間播放；另一個遊戲運營反饋這周的雙倍充值返還效果不如上周的三倍充值返還，申請下周再開三倍。

3.沒有意識到大數據的工具化本質，很容易將某幾個數據的解讀當做行動指南。數據體現的東西往往只代表過去，算出市場產品供給缺口針對開發這種事，還是留給騰訊吧。

Zynga發家的時候就很喜歡搞大數據挖掘，後來不也沒落了。

創意行業，數據分析結果隨時有可能被顛覆，他們永遠也算不出flappy bird這樣「弱智」遊戲的爆發。所以想用理性來分析人類的感性，勝算太低。

從市場角度看，更有意義的大數據分析並不在遊戲內，而是在遊戲外的。可以更好的對人群進行畫像，從而提高廣告的效率。

在國內市場最有能力做的就是騰訊，騰訊能夠獲取一個QQ號背後海量的信息，你在騰訊系各種應用中的行為都會被納入騰訊對你的分析中，最終騰訊可以非常準確的知道你的特點、你的習慣、你的喜好，從而把最適合你的廣告展現到你面前。

事實上騰訊也是這麼做的，PC時代的各種Tips彈窗、聊天框廣告等等，都已經不斷優化升級了很多代。現在進入移動時代，手機帶有了更多的私人信息，比如地理位置、健康數據等等，大數據帶來的好處也會越來越多。

在同時做5個title的遊戲數據和microtransaction數據分析，個人感受是在目前階段在很多行業，大數據在數據挖掘和可視化分析方面的價值要遠大於預測性分析。就遊戲行業而言，big data的最高價值是支持決策和引導決策而非決策本身。

而且不管在哪裡，業務和技術都是互補增益的關係，不可武斷說哪個蓋過哪個吧。

大數據不是萬能的，樓上把Zynga的沒落歸功於對大數據的應用是非常錯誤的。Zynga內部項目迭代按照嚴格的A/B Test執行，但這並非是大數據的應用。

建議大家了解一下ThinkingGame平台，專門將大數據和人工智慧技術應用於遊戲領域的公司，下面是他們的部分服務:

遊戲數值系統合理性評估

玩家流失預警

玩家屬性聚類

潛在付費玩家定位

玩家個性化推薦系統

玩家行為預測服務

異常數據自動檢測

遊戲生態健康度評估

競品遊戲深度分析報告

官網：http://www.thinkinggame.cn

可以反作弊。。

大數據是對以前的總結，而不是未來的預測

所以大數據一般也就是應用一些常年不變習慣性的行為

以遊戲為例，你無法預測玩家什麼時候「厭倦」。很多時候你只有觀察到才能總結出「死亡」而既然已經觀察到了，就已經確定離死不遠了。

作為遊戲策劃，幾年前我也試過總結一些內容，將正經對接下來的設計有一些好處，但也只是一些而已，提升程度一般。

絕對絕對絕對不要對「未來的設計」搞大數據，但確實可以使用數據+自己的經驗（缺一不可）對目前已有內容進行修改。

根據用戶使用記錄，個性化提供服務

遊戲作為一種綜合體驗，很多是建立在眾多理性上的感性產品，數據只需要證明相關性，不需要解答邏輯