数据分析是如何推动游戏行业发展的?

  2018年,电子游戏行业收入达到434亿美元,再创新高,同比增长18%。这一蓬勃发展的领域孕育了更为复杂和广泛的游戏格式,包括桌面、移动、控制台、VR等。事实上,数据分析师和BI开发人员正在成为游戏公司中真正有用的员工。

  这些多种格式带来了大量多源用户数据:游戏时间、用户交互、退出点和游戏风格等。数据分析师和BI开发人员可以仔细检查这些数据并将其转换为有价值的见解。因此,有了这些见解,游戏公司就能更好地定位自己的产品,设计更具沉浸感的游戏,带来更多的个性化以及同样重要的创造更多利润。

  数据分析影响游戏行业主要有以下三种方式。

  跟踪主要KPI

  为了准确地衡量一款游戏的整体表现,创造者不可避免地需要回答一些问题。游戏中每天活跃的用户数量是多少?每月有多少活跃玩家?上个月有新用户吗?如果有,有多少?

  这些问题与游戏分析最基本的KPI相一致,包括DAU(每日活跃用户)、MAU(每月活跃用户)和ARPU(每个用户的平均收入)。使用数据分析和BI工具进行计算和可视化可以帮助回答上面列出的问题。此外,公司可以更好地理解游戏应用出问题的原因,并制定更有效的策略。

  使用数据分析来理解这些kpi的好处是,它还允许跟踪某些趋势,无论是积极的还是消极的。例如,如果一款游戏每天都吸引新用户,那么其中一些人升级到付费账户(如果有的话)的可能性将呈指数级增长。知道了这一点,游戏公司可能会在某种程度上重新考虑他们的定价政策。此外,MAU速率的降低可能意味着即将到来的用户损耗,如果及时检测到这种损耗,仍然有可能避免。

  加强游戏设计

  数据分析还可以帮助游戏公司提升游戏设计,为游戏构建交互式和复杂的场景需要大量的创造力,但也需要正确理解哪些场景对用户有用。

  例如,分析可帮助公司检测用户出问题的游戏时间。实际上,数据可以显示某些级别可能过于简单,某些级别可能过于具有挑战性,而某些级别可能包含不允许用户继续前进的bug。

  这就是King Digital Entertainment曾经遇到过的事情。这个著名的游戏开发者曾经遇到过最受欢迎的游戏“ Candy Crush Saga”无法预料的问题。用户大量放弃65级,原因不明。总共有725个级别,对于Candy Crush Saga而言,这种情况非常麻烦。King向数据分析师透露,大多数人都放弃了,因为一个特定的游戏元素没有让用户越过65级。在开发部门的某些设置之后,该元素被删除,从而用户保留变得正常起来。

  Valve Software是一家游戏公司,推出了Half-Life和DOTA等热门游戏,是游戏界的技术先驱。例如,它使用深度学习来防止游戏中的欺诈,并检测作弊者。该公司也以同样的方式利用了数据分析的力量。Valve的另一款顶级游戏是两支5人团队之间的比赛。该公司收集并分析了特定的用户数据,包括团队选择了哪些枪支、他们在游戏中如何改变行为、他们是如何杀人的以及他们是如何死的。这样做是为了调整游戏平衡,并确保特定的团队不会因为游戏设计中的关键点而被打败。结果就是比赛更加公平,两队之间的平衡感更强。

  总而言之,数据分析可以帮助游戏公司解决游戏设计的问题,用户可以获得更好的游戏体验。

  提高盈利

  数据分析还可以帮助游戏公司了解如何为自己带来更多收益,从而相应地调整他们的盈利策略。事实上,如果一家公司知道许多用户更倾向于定制他们的盔甲或武器,那么提供游戏中的装甲和武器增强是非常合理的。

  然而,它不仅仅是关于武器和装甲。比如,游戏公司Zynga的主导商业模式是免费的,也提供了一个优质的、无广告的帐户。但问题是,通常只有2%的玩家实际付费。后来,该公司在数据分析的帮助下找到了吸引用户订阅的方式。

  事实上,在他们最受欢迎的游戏之一Farmville的第一个版本中,用户喜欢与最初只是装饰的动物互动。一些用户甚至开始购买动物,因此在以后版本的游戏中,Zynga将动物作为一个核心特征,甚至创造了“稀有物种”以刺激用户进行消费。

  这种以数据为导向的货币化方法不仅实现了游戏公司的高投资回报率,也引起了用户的共鸣。游戏公司提供用户想要的游戏,这就是游戏创作者如何提供个性化、更有针对性的功能和产品。

  数据分析——让努力有回报

  事实上,为了让数据分析发挥最大的作用,游戏公司应该不懈地朝着建立数据驱动文化的方向前进。收集、统一、可视化、清理和分析数据本身就是一项巨大的任务。不过,那些已经在向基于数据的决策迈进的企业应该保持耐心和坚定。最终他们会发现,数据分析是值得努力的方向,游戏行业有很多例子可以证明这一点。

用户喜欢...

大数据如何改变社交媒体营销

如今,大数据在市场营销中发挥重要作用,并以许多方式正在改变社交媒体营销。 大数据是近年来促进营销领域的最令人印象深刻的技术进步之一。虽然在某些圈子里,大数据已经成为一个流...


区块链如何改变大数据行业?

很多人都听到过大数据这个术语,它可能出现在与科技行业相关的视频中,也可能出现在人们的办公室里。大数据是2019年的热门话题之一,每个技术爱好者都在讨论它带来的变化和影响。 大数...


为什么每个组织都需要数据分析师

如今,当组织需要从数据中获得一些见解时,他们首先倾向于寻找数据科学家的帮助。但这真的是一个更好的选择吗?人们需要了解数据科学家和数据分析师的角色有何不同,以及为什么希望聘...


如何在多云环境中管理数据?

在多云环境中建立数据治理策略没有灵丹妙药。在这里,我们将讨论为什么会有这种说法的原因,以及有关多云环境的IT领导者如何思考数据治理的一些方法。 数据治理有点像健身:它不仅仅...


数据隐私是新的战略差异化因素

数据隐私往往面临很多的风险,创业公司通常有9到18个月的时间在数据隐私方面进行竞争。 在某些情况下,后见之明被视为一种微弱的洞察力。这一观点是显而易见的,因此任何由此产生的洞...


大数据是否会导致更多量化的战略决策模型?

大数据正在改变组织决策的未来。阿莱因科技大学教授Belkacem Athamena撰写了一篇关于决策中大数据演变的白皮书。由于新的大数据技术使决策更加可靠,因此企业将比以往更加重视量化决策模型...


晋城市大数据应用取得重要进展

这是晋城市机构改革的一个创新亮点。今年1月30日,晋城市大数据应用局正式挂牌运作。作为政府工作部门,其主要工作职能是统筹谋划、综合协调、专业指导、基础建设、技术服务。近8个月...


大数据主导的七大领域 看看你是否身处其中

在《大数据:一场改变如何我们生活,工作和思考方式的革命》一书中,Viktor Mayer-Schnberger和Kenneth Cukier认为,大数据分析是一种革命性的工具,主要用于商业,科学,研究,媒体行业,和社交...


Hive和Spark究竟是凭借什么优势而大获成功?

Hive和Spark凭借其在处理大规模数据方面的优势大获成功,换句话说,它们是做大数据分析的。本文重点阐述这两种产品的发展史和各种特性,通过对其能力的比较,来说明这两个产品能够解决...


6个用于大数据分析的最好工具

大数据是一个含义广泛的术语,是指数据集,如此庞大而复杂的,他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源:传感器,...


大数据时代如何避免陷入“算法崇拜”?

数据在今天从来没有如此被广泛关注,以往我们毫不在意地填写手机号码等信息,如今却变得谨慎起来,原因是怕自己的隐私泄露,一个手机号码可以关联到自己诸多的数据。但现实当中,一...


新零售时代如何让沉睡数据发挥价值

马云曾说过未来更值钱的是数据。虽然不少零售企业拥有大量的数据,但90%沉睡在数据库中,并没有真正发挥价值。在今年的新零售私董会圆桌论坛上,上海久久丫CIO俞荣标、前罗莱生活互联...


制造企业如何利用大数据提升竞争力?

人类正从IT时代走向DT时代,信息社会已经进入了大数据(Big Data)时代。大数据的涌现改变着人们的生活与工作方式,也改变着制造业企业的运作模式。 在这信息化时代,企业运营的方方面面都...


大数据技术如何强化风险治理

随着城市规模逐渐扩大、城市人口日益多元复杂,城市社会风险也随之加剧。不过,大数据时代的到来,使得城市灾害风险治理模式有望出现重大变革。根据过去发生的灾害风险来分析把握现...


大数据分析及其建模应用

在数字经济时代,互联网、物联网、5G、大数据、智慧城市等各类形式的信息技术呈爆炸式增长,使得数据以令人难以想象的速度不断增长,企业经营的各个阶段都可以被记录下来,产品销售的...


常见的大数据分析模型 可以从两个角度来区分

今天我们主要为大家讲解在做大数据可视化时,有哪些常见得到数据分析模型。 数据模型可以从两个角度来区分:数据和业务。 一、数据模型 统计数据视角的实体模型通常指的是统计分析或...