游戏数据分析中的几个误区 别看指标看事实

在游戏行业中，越来越多的关于数据分析的内容和观点也井喷式提出，“数据驱动下的精细化运营”，“玩家群体的定量研究”，“移动游戏数据分析体系”等等概念的提出，可以看出游戏的研发和运营过程中，对数据分析的需求是无穷无尽的，相应的，对数据分析的讨论也是各抒己见。而盲目过度依赖数据，或者主观的解读数据，带来的损失则是无法估计的。以下，我将结合自己的工作经历，阐述以下数据指标会骗人和游戏数据分析中的几个误区。

1.未理解数据定义，盲目比较数据

近来，同行们乐于去关注关于行业各类型游戏的benchmark，诸如S级游戏的次日留存，S级游戏的ARPU，S级游戏的ACU/PCU等等一些运营常见指标，在我看来，比较是数据的价值之一，是用来衡量产品优劣差距度量最直接的方法，而数据比较是建立相同的数据采集方法和数据指标计算方法上的。所以在比较数据前，请先明白benchmark的计算标准及数据采集方法，这样才能体现数据比较的意义。

2.过度依赖分析方法，沉迷于数据建模过程

作者在大学期间，读的便是统计学专业，大学参加过数学建模比赛拿到较好的名次，也做过一系列诸如BP神经网络，贝叶斯决策树或是聚类分析等项目，在刚接触游戏数据分析时，十分兴奋，便用了各式各样的方法对数据进行分析。渐渐的我发现，在实际工作中，数据分析并不像学术研究那样严谨，更需要对数据表现作出快速判断，不需要在每次分析前都去验证样本群体是否符合某种统计分布，也可能不需要用“人工神经网络”等“高科技手段”去预测产品将来的用户数，甚至给出“A>B”的结论时也用不着做“显著性检验”，考验得更多的是对业务的理解的把握能力。所以在开展数据分析工作过程中，切勿过度依赖分析方法，而应重视游戏业务的把握。

3.数据是客观存在的，切勿主观误读数据

对于在一线工作过一段时间的同行来说，做数据分析经常会走入这样一个怪圈，在我们提取数据的过程中，我们会看到部分的数据表现，而且对各种各样的现象都有了一些自身理解的结论，在这样的思想指导下，总有方法去用数据去验证自己的结论。在我看来，数据是客观存在的，解读数据也需要秉持客观中立的态度，千万需要避免为了自身观点去解读一份数据。

4.不明确数据分析目的，模糊分析需求，分析不完整，应该做一份300%的分析报告

明确分析的目的及需求，比如不要将核心用户研究误认为活跃用户分析。产品经理跟你提出做一份COC的活动数据分析报告，去衡量活动效果，一般情况下，你会将活动前期，中期，后期的游戏宏观数据拿出来，然后画图看各个阶段的表现，然后做出判断。然后欢欣雀跃的拿着报告交给产品经理，这样就觉得了事了。如果从一个数据分析师的角度看来，这样的报告是很廉价的。别人提分析需求时，可能他有10个问题，但是只给我们描述了3个问题，我们并不能简单解决这样3个问题，我们应该更多的是中立客观的从多个角度去思考这样一个问题，然后从产品自身，产品玩家，产品运营等等多个角度，全面的去衡量这样一个问题，去发现潜在机会，然后做出一份300%的分析报告，而不是100%。