
大数据对游戏精细化运营的意义
在大数据时代来临之际,移动互联网面临的挑战有哪些?如何在大数据的背景下做到精细化运营?移动游戏又如何和大数据相结合,在未来找准自己的等位?带着这一系列问题,今天来看看腾讯数据平台部王滔是如何理解的。
王滔(taowang):腾讯数据平台部高级产品经理,曾任职百度数据部门,对基于大数据的移动分析架构设计、移动APP运营以及移动信息推送有丰富的经验,腾讯云分析、腾讯移动推送信鸽项目负责人。
以下是采访实录:
王滔:移动游戏和端游页游最大的区别就是有了渠道的整合。在端游时代,并没有专门的渠道把游戏放在一起,玩家可能只知道CF或者是DNF,但是却很难知道这些游戏的竞品有哪些,在哪里。但是到了移动游戏或者说移动互联网时代,由于有了像APP Store,GooglePlay和国内众多渠道,游戏或者应用就会被放在一起比较。这样就导致了两个结果,第一,用户很清楚自己有多少个选择,并且会知道每一款游戏或者应用的评分是怎么样的。第二,用户的切换成本会降低了许多。举个例子,在PC时代,大家看新闻都会惯性地上同一个门户网站,并没有人会告诉你各个门户的排名和得分之类的信息,在同一个垂直领域并没有知道他们的排名是怎么样的。但在移动互联网时代,这个格局已经明显的改变了,你的游戏或者应用是和很多开发者一起去竞争。特别是在APPStore上,你是和全球的开发者竞争。
腾讯数据平台部王滔:大数据对游戏精细化运营的意义
其次,随着信息的扁平化,全球信息的交流已经越来越快,时间差也渐渐减少,可能大城市发生的事情一分钟之后整个小山村里面的人都知道了。如果说10年前还是赚的是信息不对称的钱的话,随着大数据、信息化的时代到来,你的游戏或者应用要脱颖而出,就变得非常困难。
王滔:现在我发现很多用户都有一个特征,就是喜欢把Top5的游戏都下载下来再进行帅选。所以如何做到差异化,我认为要抓住玩家的最重要一点还是是画面,其实每个人都是外面协会,这个是不可否认的。所以说怎么用画面在游戏的前五分钟抓住玩家是最最重要的。因为那时候玩家还没有接触到你游戏的核心玩法。
留住用户第二步,可以在三十分钟内制造一个小高潮。可以设置一些很绚丽的战斗,或者让用户去战胜一些有挑战性的副本,千万不能在让游戏一开始非常平缓。第一天开始之后就可以让用户接触游戏的核心玩法,告诉自己和别人有什么不同,自己的创新之处在哪。用户在一关关地过关的同时,开发者其实也是在过关,五分钟、三十分钟、一天,如何让用户留下来,才去考虑如何让用户去付费。
通过你们对大数据的分析,导致玩家离开游戏的最重要原因有哪些?
王滔:我们在微信和其他的游戏做了非常大量的统计,设定了几百个变量,通过腾讯对每天过亿的用户计算,最后发现了影响玩家去留的最大因素就是两点。
腾讯数据平台部王滔:大数据对游戏精细化运营的意义
1.挫败感
挫败感是影响用户留存的最重要因素。我们通过对“失败数”、“连续失败数”、“任务完成情况”等这些数据,我们可以看到,一旦这些数值超过一定的量,玩家离开游戏的流失率就会大大增加。通过对数据的研究,发现用户通过率比游戏设定的时候低的时候,这个时候就可以通过降低游戏的难度来提升用户留存。
对于那些因为挫败感离开了游戏的用户,我们可以同对消息的推送或者运营的活动把他们拉回到游戏里面来。对于那些摇摇欲坠的用户,我们可以送他一些道具或者礼包,帮助他通过面对的困难。所以这个就需要数据的支付,针对每一个用户,选择适合他们的运营,做精细化运营。
2.孤独感
现在的移动游戏总有一种孤独感。同样是网游,在端游时代,类似公会、国战、帮派这些玩法,大家用Q群或者YY在相互联系,大家的联系非常非常高。但是现在的移动游戏都在各大孤独的感觉,所谓的网游都像是单机游戏一样。每一款游戏到中后期最重要的一定是社交因素。到目前为止,移动游戏在社交这方面还没有突破性的进展,现在的社交元素只是浅层次的社交。在端游时代,有很多中重度玩家,每天都和另外的玩家一起去打副本、PvP,这样才是最有效的留住玩家的方法。
社交感差导致玩家的孤独感,才是移动游戏平均寿命比较短的原因。一些好的端游和页游寿命长达10年,而在移动游戏时代,游戏寿命能有半年有已经非常不错了,很多开发商把游戏做出来捞一笔就走了。那些寿命比较长的游戏,玩家都是有感情在里面的,主要是里面有一群好的兄弟,这些才是大家留在一款游戏里面的最重要因素。现在的手游也是比较欠缺的。通过我们的数据统计,玩家的好友数量和在游戏上的时常是成正比的,好友数量越多,玩家在游戏里面的时间是越长的。
产品push的意义在哪里,对于移动游戏又有何作用?
王滔:玩过类似COC游戏的玩家,这些游戏有一个特点,就是以时间或者体力作为付费点。而很多不愿意付费的玩家,在建筑正在修建或者体力回复的时候都会其做其他事情。但是大家去做其他事情的时候就很容易把游戏忘记掉,所以这个适合推送就起到了一个十分重要的作用了。如果在建筑修建完成或者是体力恢复的时候有本地消息的同时,玩家会很快地回到游戏里面吗,继续战斗。我们做过统计,一款游戏在有推送的情况下同时在线率会比没有推送的时候提高50%,这些都是有真实数据支撑的。
而且通过我们的信鸽Pro,还能精准地知道每一个用户、每一个玩家的付费风格,游戏时长等等,再来做一个精准的推送,提供成功率。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12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 ...
2025-09-04