分析游戲業(yè)務(wù)的主要思路之一，就是探尋用戶從哪來(lái)、做了什么、會(huì)不會(huì)流失，其中每個(gè)環(huán)節(jié)都有相應(yīng)的指標(biāo)，但熟悉指標(biāo)本身，并不代表真正學(xué)會(huì)了分析游戲。
·除了留存率，還能怎樣觀察用戶黏性？
·ARPU 提升了，該給老板報(bào)喜嗎？
·LTV 跟游戲設(shè)計(jì)有什么關(guān)系？
·怎樣測(cè)算未知概率？
·AI 機(jī)器學(xué)習(xí)在游戲中如何落地？
對(duì)以上問(wèn)題的處理方式，與對(duì)指標(biāo)的運(yùn)用相關(guān)，也能反映出游戲人分析游戲的能力。
典型游戲指標(biāo)的進(jìn)階分析方案
縱觀游戲業(yè)務(wù)的分析流程，可發(fā)現(xiàn)其中存在很多不同類型的指標(biāo)，我們可以通過(guò)幾個(gè)不同的問(wèn)題來(lái)了解不同的指標(biāo)分析方法。
首先，除了留存率，還能怎樣觀察用戶黏性？其實(shí)可以通過(guò) DAU 與 MAU 這兩個(gè)指標(biāo)去做更深入的分析，在這想引進(jìn)的概念是 DAU 和 MAU 的比值。
DAU 是每天的活躍用戶數(shù)， MAU 是一個(gè)月里去除重復(fù)用戶后的的活躍用戶數(shù)。假設(shè)現(xiàn)在每天有 2700 個(gè)人在一個(gè)月里面每天登錄游戲，那么這個(gè)月里的活躍用戶數(shù)為 2700，這時(shí)候如果算一個(gè)比值，用 DAU/MAU，這個(gè)值是 1，就屬于用戶黏性非常高的情況。反過(guò)來(lái)，如果 DAU/MAU 的值無(wú)限接近于 0，就說(shuō)明用戶黏性很低。
因此，游戲發(fā)行商可以借助這個(gè)比值去觀察到底哪個(gè)游戲更受歡迎，分析單一產(chǎn)品時(shí)，也可以借此區(qū)分不同投放渠道的用戶，從而更快找到目標(biāo)用戶。
第二個(gè)問(wèn)題，該什么時(shí)候給用戶推送活動(dòng)信息？這個(gè)問(wèn)題旨在思考什么樣的時(shí)間去做什么活動(dòng)會(huì)有更好的效果。此處可以使用另外兩個(gè)指標(biāo)的比值做參考，即 PCU 與 ACU。PCU 指的是一天里高峰時(shí)段的在線人數(shù)， ACU 指平均在線人數(shù)。
這兩個(gè)指標(biāo)的比值能夠代表什么意義？舉一個(gè)極端例子，從 0 點(diǎn)到 23 點(diǎn)，如果每個(gè)小時(shí)的在線人數(shù)都是 31 人，那么 PCU 為 31，即每個(gè)小時(shí)都是在線人數(shù)的最高點(diǎn)，此時(shí)用 PCU/ACU，數(shù)值為 1，說(shuō)明游戲的運(yùn)行情況非常平穩(wěn)。因此，如果 PCU/ACU 的值越大，推送活動(dòng)的時(shí)間就越重要，只有找到高峰時(shí)段去推送活動(dòng)，用戶的參與度才會(huì)更高。
第三個(gè)問(wèn)題，ARPU 值提升了，該給老板報(bào)喜嗎？ARPU 指的是單個(gè)用戶的付費(fèi)金額。如果提升，就說(shuō)明每個(gè)用戶在游戲中有更多的消費(fèi)金額。這是好事，但其實(shí)也有需要注意的地方。觀察上圖中的情況 A，可發(fā)現(xiàn)付費(fèi)總金額并沒(méi)有任何的變化，呈現(xiàn)比較平穩(wěn)的狀態(tài)，但分母下降才導(dǎo)致整個(gè)分?jǐn)?shù)的比值上升，這種情況其實(shí)不該報(bào)喜。
判斷這個(gè)問(wèn)題時(shí)，我們可以借助價(jià)格需求彈性系數(shù)的概念來(lái)建立游戲的彈性系數(shù)指標(biāo)，用彈性系數(shù)與數(shù)值 1 進(jìn)行比較，再結(jié)合 ARPU 值的升降來(lái)得出結(jié)論。彈性系數(shù)越高，就說(shuō)明分子的變化比分母快。當(dāng)我們把這種彈性的概念引申到 ARPU 值后可發(fā)現(xiàn)，參考圖中的公式，當(dāng)比值大于 1 時(shí)，說(shuō)明分子即付費(fèi)總金額的變化更快，由此可以再判斷到底是該給老板報(bào)喜還是報(bào)憂。
再來(lái)看下一個(gè)問(wèn)題，LTV 跟游戲設(shè)計(jì)有什么關(guān)系？LTV 指總付費(fèi)金額除以 DAU 后得出的每位用戶的生命周期價(jià)值。
我們并不能知道每一個(gè)用戶真正的生命周期有多長(zhǎng)，所以一般情況下會(huì)統(tǒng)計(jì)用戶登錄的第 7 天、14 天、30 天產(chǎn)生了多少付費(fèi)金額，根據(jù)這些時(shí)間節(jié)點(diǎn)，可以跟市場(chǎng)投放的數(shù)值進(jìn)行比較，來(lái)查看游戲的回收周期。
同時(shí)，通過(guò) LTV 還可以去看目前用戶的付費(fèi)響應(yīng)情況。假如有一個(gè)游戲，LTV 在增長(zhǎng) 21 天之后基本上不動(dòng)了，說(shuō)明游戲刺激用戶付費(fèi)只在前兩周有效果，就需要去思考游戲設(shè)計(jì)的問(wèn)題。比如，是否充值活動(dòng)在兩周之后讓玩家覺(jué)得沒(méi)有意思，或者是玩家在前兩周充值后所獲得的資源能夠使用很久，就難以刺激玩家在短時(shí)間內(nèi)的再次付費(fèi)。
想要更快更直觀地分析問(wèn)題，首先可以參考的是波士頓矩陣，又稱市場(chǎng)增長(zhǎng)率-相對(duì)市場(chǎng)份額矩陣。波士頓矩陣認(rèn)為一般決定產(chǎn)品結(jié)構(gòu)的基本因素有兩個(gè)，即市場(chǎng)引力與企業(yè)實(shí)力。市場(chǎng)引力包括整個(gè)市場(chǎng)的銷售增長(zhǎng)率、競(jìng)爭(zhēng)對(duì)手強(qiáng)弱及利潤(rùn)高低等。其中最主要的是反映市場(chǎng)引力的綜合指標(biāo)——銷售增長(zhǎng)率，是決定企業(yè)產(chǎn)品結(jié)構(gòu)是否合理的外在因素。通過(guò)以上兩個(gè)因素相互作用，會(huì)出現(xiàn)四種不同性質(zhì)的產(chǎn)品類型，形成不同的產(chǎn)品發(fā)展前景。
當(dāng)一個(gè)產(chǎn)品剛進(jìn)入市場(chǎng)的時(shí)候，它可能是銷售增長(zhǎng)率高、市場(chǎng)占有率低的問(wèn)題類產(chǎn)品，隨著市場(chǎng)占有率與銷售增長(zhǎng)率的同步增高，它就會(huì)變成一個(gè)明星類產(chǎn)品。
從上述的描述中可知，這是一個(gè)典型的矩陣分析方法。
我們可以通過(guò)橫坐標(biāo)和縱坐標(biāo)，去代表不同的概念，切分出象限后，再對(duì)每一個(gè)象限做定義。當(dāng)你計(jì)算出自己產(chǎn)品的市場(chǎng)概率與增長(zhǎng)速度后，我們就可以去看這個(gè)數(shù)值對(duì)應(yīng)的是哪個(gè)坐標(biāo)，對(duì)應(yīng)在哪個(gè)點(diǎn)，落在哪個(gè)象限，從而判斷它是哪個(gè)類型的產(chǎn)品，再根據(jù)產(chǎn)品的特征進(jìn)行不同的戰(zhàn)略規(guī)劃。
這就是整個(gè)矩陣分析的方法論。首先定義好坐標(biāo)系，找到合理的切分標(biāo)準(zhǔn)，再對(duì)切分出來(lái)的象限進(jìn)行解釋。散點(diǎn)落在哪個(gè)坐標(biāo)系，就用哪個(gè)象限進(jìn)行歸類解釋。這一方法可以很好地應(yīng)用到游戲分析里面。
對(duì)照上方的散點(diǎn)圖，首先我們可以去定義一個(gè)適用于分析游戲用戶的橫縱坐標(biāo)。比如講橫坐標(biāo)為用戶單服的登錄天數(shù)，縱坐標(biāo)是用戶的付費(fèi)金額，然后可以用平均值來(lái)進(jìn)行象限劃分，對(duì)四個(gè)象限來(lái)進(jìn)行解釋。
在我們對(duì)四個(gè)象限都進(jìn)行定義之后，這些用戶落在哪些象限，我們就把它定義為具有哪些標(biāo)簽的用戶，這也有些像是在精準(zhǔn)營(yíng)銷里給用戶打標(biāo)簽的行為。
在分析完如何做更精準(zhǔn)的數(shù)據(jù)分析之后，關(guān)于經(jīng)典數(shù)據(jù)模型在游戲中的應(yīng)用部分，涉及到 KANO 模型，A/B Test 方差分析，以及 NBY 樸素貝葉斯的相關(guān)知識(shí)。
通過(guò)上述這些經(jīng)典的數(shù)據(jù)模型，可以分別定位至以下幾個(gè)游戲行業(yè)中的問(wèn)題：
什么樣的功能是用戶喜歡的
開(kāi)發(fā)的時(shí)候怎么排
怎樣驗(yàn)證改版或運(yùn)營(yíng)活動(dòng)的有效性？
怎樣測(cè)算未知的概率？
用 AI 賦能游戲業(yè)務(wù)
至于強(qiáng)化學(xué)習(xí)在游戲行業(yè)里的應(yīng)用，常見(jiàn)的比如 Ai-Bot，指通過(guò)強(qiáng)化學(xué)習(xí)的一種方式，去學(xué)習(xí)人在游戲里面是怎么玩的，由此，Ai-Bot 在知道游戲的方法之后，開(kāi)始試圖超越普通玩家的玩法，去給自己創(chuàng)造新的環(huán)境，這個(gè)時(shí)候就會(huì)生成一個(gè) AI 的戰(zhàn)斗。比較出名的例子如王者榮耀，就是做了一個(gè) AI 戰(zhàn)隊(duì)，同時(shí)還創(chuàng)造了很多新的玩法。因此，Ai-Bot 其實(shí)能夠輔助我們?cè)O(shè)計(jì)游戲關(guān)卡、檢驗(yàn)平衡性以及測(cè)試創(chuàng)新玩法。
其實(shí)在做 Ai-Bot 的時(shí)候會(huì)有一個(gè)比較難的點(diǎn)，以 MOBA 類游戲?yàn)槔?，在機(jī)器進(jìn)行學(xué)習(xí)的過(guò)程中，整個(gè)游戲主圖上，涉及到大量的點(diǎn)位，同時(shí)還有一個(gè)先后和幾個(gè)隊(duì)友之間的動(dòng)作序列，包括站位、招數(shù)等，其中的復(fù)雜度是非常高的。
此外，在強(qiáng)化學(xué)習(xí)的過(guò)程中，機(jī)器反饋也很重要，這需要我們根據(jù)對(duì)抗網(wǎng)絡(luò)快速生成響應(yīng)，因此對(duì)計(jì)算能力的要求是非常高的。
以上三個(gè)部分，從游戲指標(biāo)的運(yùn)用到數(shù)據(jù)模型的使用方法，詳細(xì)說(shuō)明了游戲行業(yè)內(nèi)對(duì)于指標(biāo)的進(jìn)階應(yīng)用思路，更加精準(zhǔn)的數(shù)據(jù)分析與數(shù)據(jù)挖掘方案，依賴每一位游戲人持之以恒的探索。
數(shù)數(shù)科技
專欄
甲骨文公司 （NYSE：ORCL） 創(chuàng)立于 1977 年，總部位于美國(guó)德克薩斯州。甲骨文公司是一家全球性的企業(yè)云技術(shù)提供商，致力于賦能各種規(guī)模的企業(yè)的數(shù)字化轉(zhuǎn)型。甲骨文公司提供自治數(shù)據(jù)庫(kù)、大數(shù)據(jù)、分析及機(jī)器學(xué)習(xí)等高科技產(chǎn)品，及在銷售、服務(wù)、市場(chǎng)營(yíng)銷、人力資源、財(cái)務(wù)、供應(yīng)鏈和生產(chǎn)制造等基于云技術(shù)平臺(tái)的集成應(yīng)用。
閩公網(wǎng)安備 35010202001226號(hào)
