編輯推薦
《遊戲數據分析實戰》貫穿整個遊戲生命周期，提供了豐富的數據分析案例，從預熱到封測，再到公測， 均為作者在實際工作中經歷的真實案例。案例分析包含數據來源、分析方法、分析過程、分析結論及小結。通過學習本書不但能較深入地學習數據分析方法，還能了解到運營和市場的相關知識。
內容提要
《遊戲數據分析實戰》主要針對遊戲策劃、遊戲運營、遊戲數據分析、產品數據分析挖掘、數據平台開發維護人員及對數據分析感興趣的讀者，介紹怎樣利用數據分析遊戲生命周期中各階段遇到的問題。
《遊戲數據分析實戰》主要分為三部分：第一部分主要介紹遊戲數據分析相關指標體系，通過這套體系，可以初步監控遊戲整體運營情況；第二部分主要介紹遊戲正式發行前期的市場調研、渠道用戶質量分析、競品分析及投資收益預測，對遊戲品質進行定位，評估正式上線後的效果；第三部分主要對遊戲正式發行後的用戶流失、活躍用戶分類、付費習慣、版本疊代效果、區服合併等主要問題進行深入探討，實現遊戲的精益化運營。
《遊戲數據分析實戰》的特色是以詳細案例為主，通過SPSS、Excel 等工具逐步展示實施步驟，用手把手的方式讓讀者快速掌握遊戲數據分析方法。
目錄
第 1 章 “數羊”與數據化運營 1
1.1 “數羊”的故事 1
1.2 數據分析的定義及步驟 2
1.3 數據分析的價值 6
1.4 一份好的分析報告應具備的要點 7
1.5 圖表製作的要點 7
1.6 怎樣成為一名優秀的數據分析師 12
1.7 遊戲業務相關數據 15
1.8 案例：不同寫法的分析報告分享 16
第 2 章 遊戲關鍵數據指標 21
2.1 轉化率 21
2.2 留存率 23
2.3用戶付費指標 26
2.4 導入用戶成本 27
2.5 LTV 28
2.6 ROI 29
2.7 手遊和端游的區別 30
第 3 章 遊戲發行預熱期 32
3.1 案例：預訂用戶分析 32
3.2 案例：預訂用戶轉化率預估 45
3.3 案例：競品分析 51
第 4 章 遊戲封測期 57
4.1 案例：封測用戶調查分析 58
4.2 案例：渠道用戶質量分析 83
4.3 案例：客戶端大小對用戶轉化率的影響 92
4.4 遊戲公測前期收入、活躍預測 96
4.5 最優市場費投放預估 101
4.6 案例：用戶流失原因分析 105
第 5 章 公測期市場分析 118
5.1 案例：預熱期的競品調研 119
5.2 案例：遊戲伺服器數量確定 126
5.3 案例：廣告投放效果分析 132
5.4 案例：用戶手機機型分布分析 141
第 6 章 公測期用戶分析 153
6.1 用戶流失原因分析 153
6.1.1 案例 1：合理定義流失用戶 154
6.1.2 案例 2：玩家等級副本流失分析 159
6.1.3 案例 3：流失率與當前等級流失率分析 162
6.1.4 案例 4：等級付費轉化率分析 163
6.1.5 案例 5：卸載客戶端的用戶流失分析 166
6.1.6 案例 6：套用 5W1H 分析法分析流失用戶 173
6.2 活躍用戶細分 189
6.2.1 聚類分析——快速聚類 189
6.2.2 案例：《全民×××》聚類分析 SPSS 實現 189
6.3 案例：預訂且登錄用戶分析 196
第 7 章 公測期付費分析 202
7.1 案例：用戶付費習慣分析 202
7.1.1 分析方法概述 202
7.1.2 數據來源 203
7.1.3 各個付費模組的用戶消耗情況 203
7.1.4 不同類型玩家單一消耗分布 204
7.1.5 不同類型玩家的消耗分布 205
7.1.6 分析結論 208
7.1.7 小結 209
7.2 案例：高端用戶預流失模型 209
7.3 案例：裝備定價策略分析 214
7.4 案例：遊戲收入下降原因分析 217
7.5 案例：分析遊戲的收入指標完成情況及數據預警 219
7.5.1 分析方法概述 219
7.5.2 分析結論 224
7.5.3 小結 225
第 8 章 公測期版本分析 226
8.1 案例版本更新效果分析
8.1.1 分析方法概述 226
8.1.2 《遊戲 A》更新版本後的效果分析 227
8.1.3 分析結論 237
8.1.4 小結 238
8.2 案例：活動效果分析 239
8.2.1 分析方法概述 239
8.2.2 某遊戲全年活動效果對比分析 240
8.2.4 小結 245
8.3 案例：開新服效果分析 245
8.3.1 分析方法概述 245
8.3.2 《遊戲 A》開新服後新用戶和收入大漲原因分析 245
8.3.3 小結 251
8.4 案例：區服合併分析 251
8.4.1 區服合併後的平均線上人數、消耗 ARPPU 值 251
8.4.2 平均線上及平均線上消耗相關性關係 254
8.4.3 合服前後等級分布、人均 PVP 以及敵對勢力均衡情況 254
8.4.4 《全民×××》區服合併玩家問卷調查 256
8.4.5 主要結論 257
8.5 聊天內容分析 258
8.5.1 案例 1：《遊戲 A》遊戲內聊天記錄分析 258
8.5.2 案例 2：《遊戲 B》 QQ 群聊天記錄分析 266
8.5.3 案例 3：《遊戲 C》貼吧發帖記錄分析 275
精彩節摘
1.8.3 《遊戲 C》：VIP 玩家和客服聊天分析
根據《遊戲 C》 VIP 玩家與客服聊天的記錄進行分析，主要結論如下:
（1）公會跨服戰、遊戲更新期望、戰魂技能脆弱是近期 VIP 玩家關注的熱點；
（2）外掛導致遊戲平衡性缺失；
（3） 26%的 VIP 玩家提及不想玩，要“棄坑”。
玩家不想玩的原因：
（1）轉職業造成新職業缺少金幣去點技能；
（2）隨便封號；
（3）遊戲官方對 bug 放任不理，長時間不修復；
（4）玩得火大；
（5）都是固定性東西，缺乏即時性；
（6）別人都不玩了。
遊戲整體負面情緒為 33%。
針對玩家諮詢的公會戰開放時間，可以考慮以公告的形式在登錄頁顯示，轉職業需要點新技能消耗金幣，是否考慮將金幣獲得的量加大，途徑增多。
點評：
以上總結了玩家反饋的主要問題及不想玩的原因， 但既然研究對象是 VIP 玩家與客服的聊天，溝通過程中 VIP 玩家會根據自身對遊戲的理解，提出相關的建議，加之 VIP 玩家在遊戲中貢獻的收入占比較高，因此，總結大 R 玩家（指高付費玩家）的建議對遊戲的最佳化尤為重要。同時，也可以將每條詳細的建議放到郵件附屬檔案中，供研發策劃和運營人員參考。另外，對於分析報告結論，建議用編號分段，而不是用項目符號。
修改後：
根據《遊戲 C》大 R 與客服聊天記錄分析（樣本量： 19201），所得結論如下：
（1）公會跨服戰、遊戲更新期望、戰魂技能脆弱是近期大 R 玩家關注熱點。
（2）外掛導致遊戲平衡性缺失。
（3） 26%的大 R 提及不想玩，要“棄坑”。不想玩的主要原因如下 ：
① 轉職造成新職業無金幣點技能；
② 隨便封號；
③ 遊戲官方對 bug 放任不理，長時間不修復；
④ 都是固定性東西，缺乏即時性；
⑤ 別人都不玩了。
（4）最近一個月玩家負面情緒比例為 67%，玩家消極對待遊戲，失望、變態、敷衍等詞語頻頻出現在聊天中。
（5）玩家建議：
① 針對玩家諮詢的公會戰開放時間，可以考慮提前以公告的形式在登錄頁顯示。
② 轉職業需要點新技能從而消耗金幣，是否考慮將金幣獲得的量加大，途徑增多。
③ 增加獎勵類型，提高玩家積極性、活躍性。
④ 針對 iOS 開服晚於套用寶等 Android 區服問題，根據 iOS 玩家 VIP 等級給予補償，並發郵件說明何時開服。
⑤ 針對玩家購買過的遊戲物品在活動時初級玩家可以免費獲得的問題， 應當給購買過此類物品的玩家其他獎勵，以保持玩家的積極性和平衡性。
作者簡介
黎湘艷，盛大遊戲數據分析專家，具有9年遊戲行業數據分析、數據挖掘工作經驗。從2008年開始在盛大遊戲從事數據分析工作，先後主持或參與50多款遊戲的數據分析工作，主要產品有：《熱血傳奇》《傳奇世界》《龍之谷》《永恆之塔》《最終幻想14》《血族》《超級地城之光》《Love Live》《城與龍》等。其研究方向貫穿遊戲整個生命周期，例如，精確定位遊戲品質、評估市場投放和運營活動效果、分析用戶遊戲行為、用戶畫像、流失預警和建立收入預測模型等，對運營效果有顯著提升；撰寫各類專題分析報告超過100篇，報告能緊密貼合業務，是遊戲運營和發行的重要參考信息，在一定程度上驅動了業務開展，提升了運營收入。
葉洋，游卡桌遊資深數據分析師，具有7年遊戲行業數據分析、數據挖掘工作經驗。
媒體評論
作為盛大遊戲前任總裁譚群釗先生的資深秘書，黎湘艷幾乎親歷了盛大遊戲從零開始創立遊戲數據分析規範的全過程。這套規範至今仍在指導著大部分成功遊戲公司數據部門的工作思路，即使它可能換了各種“皮膚”。能把這些經驗整理出來是了不起的，相信未來的遊戲行業精英，會感謝自己買了這本書。
陳大年，盛大網路創始人
入行16年，黎湘艷是國區域網路遊行業第一批遊戲人。本書從遊戲數據分析的角度解析了她對於行業的理解，講述數據分析如何支持和影響遊戲的運營表現以及遊戲與用戶的關係。書里系統總結了她對於遊戲數據分析的方法論、實際套用案例、產生的結果，也具象說明了如何埋點數據、建立數據模型，如何進行數據加工、生成數據結果指導業務等一系列對實際工作具有指導意義的案例。值得數據分析工作者一讀。
譚群釗，盛大集團前總裁/盛大遊戲前董事長兼CEO、豐厚資本創始合伙人
隨著數據成為新的生產資料，數據分析對各行各業的價值愈發重要。盛大遊戲作為國內較早探索及實踐遊戲數據分析的公司，從端游、頁游到手遊，從早期的PRAPA到現在的AARRR，黎湘艷完整歷經其中並逐漸成長為遊戲數據分析專家。本書集結了她完整的數據分析思想及50多個遊戲項目數據支持的積累提煉，內容翔實、案例精彩，想要了解或加深理解遊戲數據分析的讀者，不容錯過。
岳弢，巨人網路聯合創始人、豐厚資本創始合伙人
前言
序言1
2001 年，我剛開始負責《熱血傳奇》的運營，當時還沒有專業的數據分析崗位和數據分析師，那時候主要是由運營人員自行統計線上人數、線上時長、玩家等級等諸如此類的基礎數據，由此驗證或調整我們的運營方向。
2002 隨著業務的發展和人才的培養，我們在數據分析領域也湧現了大量的人才，為業界提供了很多重要的指標和算法，這都是在深入業務後，結合專業知識得出的重要成果。
2003 如今，市場環境、用戶習慣和推廣方式都在發生快速的變化，精通業務的數據分析師在遊戲發行、市場投放等運營決策上所起的作用越來越大。用數據去分析用戶的特徵，尤其是在核心用戶和非核心用戶的遊戲與消費習慣的觀察上，對於精細化運營非常有幫助；雖然數據增長的原因有很多，但想辦法複製成功案例並將其最大化是所有人都期望的。數據分析不是先知，望天算卦逢凶化吉，數據分析也不是醫生，不要在遊戲出現問題以後再想著通過數據分析來包治百病，合理地運用分析工具的前提更是要對自己的遊戲及玩家有深刻的認識。
本書的兩位作者都具備多年的遊戲數據分析經驗，能很好地配合遊戲項目，深入了解遊戲，主動給出各項有價值的分析報告，為項目決策提供很好的參考。他們能將平時積累的工作和經驗
在本書中分享給大家，是件值得稱讚的事情。本書乾貨較多，希望各位讀者能從中得到收穫和啟發，在實際工作中得到幫助。
最後，對於數據分析人員，我想說的是分析數據需要熟悉業務，並與項目團隊緊密溝通，才能發揮出數據分析的最大價值。
沈傑
盛大遊戲副總裁，傳奇工作室、群星工作室總經理
序言2
從遊戲產業誕生開始，數據分析就一直伴隨遊戲的研發和運營的全過程。 2001 年，盛大網路通過《熱血傳奇》開啟了中國網路遊戲產業。網路遊戲的 24 小時線上和高度的用戶互動，為遊戲數據分析提供了前提條件；通過數據分析輸出的結果，及時有效地反饋到遊戲的研發設定和線上社區，形成了良性和有效的循環。
早在 2003 年，盛大網路向行業輸出了 PRAPA 分析模型，針對遊戲的用戶推廣（Promotion）、註冊用戶（Register）、活躍（Active）、付費（Pay）、平均用戶收益（ARPU）進行有效的分析指導，為遊戲行業的成熟提供了標桿。在當時的盛大內部，我們針對遊戲的用戶體驗瓶頸環節，設立“卡外掉充安”（卡機、外掛、掉線、充值、安全）專項，通過數據分析不斷進行驗證和調整，使得用戶體驗滿意度持續行業領先。
同時，遊戲數據分析還指導著產業變革。在 2005 年，盛大率先變革遊戲商業模式，從之前的時長計費變為道具收費，這意味著之前的逾 10 億元年收入歸零後重新開始。在此之前，公司內部已進行了超過半年的數據分析和業務試點，最終全面施行，深刻影響了遊戲產業。伴隨數據分析技術的發展、遊戲形態從端游到手遊的進化、渠道與社交網路的演進，基於大數據的用戶畫像和數據多維交叉分析，為遊戲的精細化運營提供了新的契機和動力。
作者是盛大遊戲數據分析專家，從事遊戲行業 16 年，歷經多種崗位，親歷了中國遊戲行業從萌芽到蓬勃發展的歷程。《遊戲數據分析實戰》一書的出版，是作者支持逾 50 個遊戲項目，歷經遊戲全生命周期的數據分析工作經驗的沉澱。書中案例多為作者親身參與和實操的案例，通過生動翔實的業務背景描述、圖表、效果對比，呈現了遊戲數據分析的理論、方法、工具及與業務深度結合的特性，相信能夠為有意向投身遊戲數據分析或運營、研發的朋友提供有效的指引和啟迪。我與作者相識近 20 年，也一路見證了作者個人的快速成長，期待後續能夠持續輸出優質的內容給讀者和遊戲行業。
郭忠祥
前盛大創新院常務副院長， WiFi 萬能鑰匙 CEO 辦公室主任
前言
2016年 9 月，我接到老同事葉洋的電話，邀請我與他一起寫一本關於遊戲數據分析的書。因為自己平時的分析工作更多是針對項目本身，分析內容比較零散，有些分析通用性不強，所以擔心自己不能很好地將經驗整合，將分析體系完整表達，但在寫作的過程中使我對過去的分析經驗進行了一次回顧與總結，希望讀者能夠從中有所收穫。很感謝這樣的機會，對我自己來說也是一次很好的工作提煉。
2017我從 2008 年開始進入公司數據中心， 2013 年開始參與公司項目組支持新遊戲上線工作， 2016年正式調入手遊事業部（目前的群星工作室）。在近 10 年的工作中，經歷並參與了超過 50 款以上的端游和手遊每個測試節點的數據分析相關工作。在沒有進入項目組之前，數據分析工作主要圍繞封測和公測節點的留存率評級及數據異常分析，進入項目組之後，接觸一線業務，才發現原來一款遊戲的數據分析有這么多的事情可以做，每一件事情，都能得到業務方的反饋，比如哪些地方分析得很到位，哪些地方還需要進一步分析，看到這些數據後該採取什麼樣的對策（包含版本最佳化、運營活動和市場活動等），數據分析結論得到反饋並能產生落地的效果，這是數據分析最大的價值。做有價值的事情，並找到樂趣，有了樂趣就能把事情做得更好，我想這就是工作的良性循環吧。
有很多數據分析人員都有一個困惑，他們大多是數學專業相關的研究生，但總在做一些查詢統計的相關工作，分析的成分非常少，因此認為數據分析工作很枯燥。其實，要將分析工作做好最重要的是主動了解業務，不深入遊戲項目了解業務，分析工作就相當於閉門造車，其分析結論也是空中樓閣，當你的分析結論得不到業務方的認可時，久而久之，你的分析工作就會停留在查數據的層次上，沒法和遊戲項目組溝通達成一致的業務理解，從而形成惡性循環。分析師的工作體現不出價值，項目組對分析師的工作僅依賴其給出一個數據結果。
在歷經多個項目的深入實踐和分析後，我逐漸整理出了一系列的方法，且對各項分析有了一套較完整的分析思路，趁著編寫本書的機會，能把部分工作做出總結，將碎片化知識體系化，並為相關人員提供參考，是非常有意義的事情。也希望能為業內和業外想了解數據分析和從事數據分析相關工作的人員提供一些幫助，不管是分析思路還是遊戲分析的主要工作內容。
本書貫穿整個遊戲生命周期，提供了豐富的數據分析案例，從預熱到封測，再到公測，均為作者在實際工作中經歷的真實案例。案例分析包含數據來源、分析方法、分析過程、分析結論及小結。通過本書，不但能較深入地學習數據分析方法，還能了解到運營和市場的相關知識本書案例中用到的數據均按公司要求做了必要處理，僅供參考，並非真實數據。
作者分工：
第 1 章，第 2 章，第 3 章，第 4 章 4.1 節～4.3 節、 4.5 節、 4.6 節，第 5 章的 5.1 節、 5.3 節，第 6 章 6.1.4、 6.1.5， 6.3 節，第 7 章 7.1 節、 7.5 節，第 8 章第 8.1 節、 8.2 節、 8.3 節、 8.5 節為黎湘艷編寫；
第 4 章 4.4 節，第 5 章 5.2 節，第 6 章 6.1.1～6.1.3 節、 6.2 節，第 7 章的 7.2 節、 7.3 節、 7.4節，第 8 章 8.4 節為葉洋編寫。
本書適合讀者：
遊戲行業內初、中級分析師；
遊戲行業內運營、市場、研發人員；
對數據分析有興趣，或者想了解遊戲數據分析的工作人員。
本書案例均來源於實際工作，其中的部分結論，可能不適用所有遊戲，而是要區分不同的套用場景。
