
大数据为游戏实现流量精准分发_数据分析师考试
我们看一下过去几年为什么大数据能够变得这么热。
大家知道小米手机过去几年卖的非常热,但是大家可能不知道在它背后更让人吃惊的是我们看到的数据,今天小米手机活跃用户超过了970百万,这些用户创造的数据在过去12内用积累的有400亿张照片,看到有超过500亿短视频,看到整个数据量超过100PB,大家想想这是一家创意公司,这是一家手机上市不到4年的公司,可以想象整个手机互联网每天所创造的数据大概有多少。当然在手机周围还有一系列跟手机相连的智能硬件包括摄象头、空气净化器、手环等一系列小米非小米的设备,我们从金山云后端看到的是每天新上传的数据超过400T,如果大家想一下的话,回顾一下5年前全国的数据,每天新数据上传量差不多这个数据。正因为有这两个例子,来看今天数据革命的爆发,我们有一系列的探讨新的技术方案,更重要的是数据革命爆发带来新的商业机会。
商业机会不光是在传统设备上,无论是手机信息还是汽车信息,这是基本数据量的爆发和带来为这些设备本身不断改良的数据,更重要的是设备应用APP所创造的数据,可以推导出开机率和下载量,更重要的是从这些数据导出的一个产品发展趋势,或者是消费者的趋向,我们大家玩游戏的爱好,玩游戏的时间和玩游戏的类别,所以今天我们看到的已经出现的大数据时代的不光是基础信息更重要是在应用数据,更重要是在客户行动数据。那么刚才腾讯讲到互联网概念,大家在腾讯用到微信的时候,在过去一年大家都会碰到,为什么微信发布这么多次广告,结果你一次都没有收到过?一方面可能觉得很悲摧,被腾讯忽略掉,另一方面很窃喜,微信还没有把你的脸谱给画好。那么我们谈到脸谱,其实我们今天谈到大数据时代,我们的核心能力实际上不光是获取这些数据,更重要是能够对这些数据进行分析,从而从数据中抽出信息,从信息抽出价值。我们看一看,在游戏行业在今天所看到的互联网各个行业,都已经自觉不自觉地用大数据。
在一个更广泛的领域,就是整体在移动应用领域,我们雷豹移动所经历的迅猛扩展的经验,其中很重要的一条是我们对用户行为的数据挖掘,从而对于市场了解,我们知道雷豹移动去年5月份在美国纽交所上市,这个上市的背后其实靠的是几款非常广泛应用的APP,其中一个是雷豹清理大师,充分满足人们两个基本的痛点,尤其用安卓手机的痛点,电池不够用,游戏越幼越慢。这款应用在安卓市场爆发之后,我们充分利用它在每时每刻的手机上的应用,当用户下载一个新的应用到手机上的时候,不需要做更多的分析,我们已经知道这款应用会给他手机带来什么样的影响,会不会使电池消耗更快,正是因为我们对后台应用的理解和前端对用户的理解,精准度非常高,从而认为广告过来的时候不是一种干扰,而是一种帮助。你想象这款游戏给你带来新的手游的来的时候,是知道你过去一段时间喜欢玩哪游戏,大概在地铁上玩还是在家里玩,喜欢玩悠闲类的还是喜欢什么类的,这时候帮你推游戏的时候精准度非常高。同样的方法,一个游戏上线的时候,导来的流量就很多。我们看一下在小米手机上的游戏,这种量的增加很大程度上取决于小米用户的增加,也是我们对流量的分类变的越来越精准,从事而开发者分到的金额有数量级的增加。更重要的是我们对于流量分类的精准性。
今年在过去12个月内我们知道有几个比较成功的游戏,去年12月份上线的爆品,人们想到的是它的玩法、设计和整个游戏故事内容,但是可能会忘记到背后还有许多一眼看不到的秘密,比如说你上线之后你的引流,从是盲目引还是比较精准引,还是通过精准分类来引,你是在某一个时间段引哪类流量过来,对于流量预测对于计算量的预算对于用户上线时间的预测,这些都是需要经过精准计算的,而这个背后是需要大数据的引擎,背后需要的是非常强的弹性云计算能力。那么我想今天在游戏行业,尤其在手游行业,其实今天已经普遍接受一个概念,我们的后端一定要把服务建立在云上,无论是大数据还是你的虚机服务,这样才能够获得更好地弹性计算能力。
谈到技术的能力,其实选择合作伙伴是非常重要的一点,你要对你的服务它所需要的平台能力和它能力所带来的必须的架构,我们可以举一个非游戏的例子,就是足迹的应用。这款应用在几天就火爆,日活跃超过300万,他们自己对产品本身预估不足,后端选择云的供应商本身的技术能力有限,在它突破300万之后就产生崩盘,这种崩盘在于事先没有对量的上涨做好的分析,这是大数据里面一个非常难的地方,本身数据量还不够,所以不可能产生预测的效果和准确的预测,这时候如果你后端云供应商也不给力的话,就会造成崩盘的情况。所以也是在这种情况下,金山云能够及时入场,帮助足迹同事一起重新把他们的应用移到新的架构上移到金山云上。我们谈到一个很好的大数据知识一个很好的服务端知识,就是三点,尤其对于游戏的运营商来说,有一个非常好的混合云方案,如果你现在已经有一些内部服务机,自己的内部云主机,如何利用公有云弹性能够在你量突发性暴涨的时候,能够把新的计算量算进来。我们今天中国游戏运营商已经开始走向国际,如何把中国的非常好的爆品游戏带到国际市场,是需要有一个全球化的网络。
正是因为手游与云计算、大数据的结合,才使得两个市场都出现了繁荣,我们可以看到过去几年上线的一些大游戏,我在这想再说一下,我们的全民奇迹游戏运营在金山云的时候,第一天超过260万,没有出现过一次服务器故障。我刚才说到游戏厂商天然和云是好的搭档,当一个游戏上线的时候,不知道爆发量由多少,上线以后不知道量往下走还是往上走,更重要需要更多的数据分析,更好地和云服务商合作,对于量的预测和弹性的能力。
很高兴看到的是国内所有一流游戏CP也好还是运营商也好,都开始进入了云时代。有了云有了大数据,是不是对于我们来说一切就万事大吉,其实也不尽然,因为当你在上线那天在做数据分析,才进行调配云支持的话,依然满足不了我们的需求,当紧急情况出现的时候,你很难在很短时间内进行处理。这款需要的是整个游戏产业链内建立一个非常好的生态,把测试和整个计划从一开始就和云打通,金山在这方面的服务做了一个非常大的布局。
我们有金山云作为基本的云服务提供商,在金山云底下通过投资世界互联提供中国最好的IDC服务,在上面通过小米运用包括雷暴应用在大数据上对用户某一个时候的数据有很好的把握,从而形成真正的生态链,在游戏进行测试的时候就已经进入生态链里面去。生态链要想成功的话,其实我们不光是在游戏调优上,更重要是在哪个点上哪个团队哪些人进去,我们谈生态不是空的概念,更重要是解决游戏开发到上线之后每一步之间出现的所有问题。
金山云一个很好的体会,就是说做出一站式凭证服务,从开始游戏进行注册、封测、公测,每一个阶段云都进行了适配,每一个阶段都进行了数据分析,从而能够很准确地预测出一款游戏在上市之前就预测出上市之后可能的表现。在这个基础上,加上投资和孵化的环境,加上和游戏引擎平台的配合,把引擎作为服务的一部分,这样的话才能真正打造完备有效的生态链。
大家在游戏行业可能对云已经非常接受,在座有很多领导有很多同事是在一个泛娱乐行业里,包括文化产业、电影,在这些领域里甚至包括传统领域里,人们可能对于云的时代是否到来还有一些疑问,我想我给大家分享几组数据,这是整个产业界的数据。第一就是说我们看一下咨询公司对于市场的调查,我们看到2013年整个全球市场IT预算的分配,IT人员占整个IT支出40%多,而IP硬件占16%,今年数据在很大幅度上降,到2018年时候我们预测是服务会涨到45%,人们更多会利用云所提供的服务,内部IT人员成本所占的比例降到20%左右,这是一种IT整个趋势。另外一个如果从服务器供应商角度来看,今天服务器供应商已经很明确知道,以前的大客户这些中小企业今天已经逐渐往云上转,在2018年的时候,50%以上服务器已经不是卖到企业里面去,而是卖到云的运营商手里,而中小企业所用的服务计算的平台服务,大部分开始往云上转。
在这块我也想分享一下上个礼拜,亚马逊发布第二季度财报,云服务收入已经达到18亿美金,人们可能觉得收入很高,是不是赚钱?18亿美金的利润有4亿美金,经过十年的卧薪尝胆,亚马逊已经告诉我们当规模上去以后,当人民开始把以前传统IT全部转移到云上的时候,云的时代就真正到来了。所以金山集团在下半年做了一个决定,把金山的未来放在云上,把所有的堵住一次性压到云上去,我们相信云和云上面的大数据和云上面的游戏,云上面的金融、云上面的教育,云上面的医疗,会为我们未来生活和工作创造更大的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03