
大数据非万能,游戏营销得“阴阳迭运”_数据分析师培训
好吧,柴静在鲜有的情感克制下,做出了雾霾纪录片《穹顶之下》,火爆后,却硬生生被解读出各种营销的鸡汤味,撺掇出阵阵假高潮……不得不说这是个“被鸡汤”的年代。
而在营销领域,扮演类似角色的便是“大数据”,近两年,许多用惯了大波妹、“老婆不在家才能玩”等噱头的游戏商家们也视大数据为玩转营销的万灵丹,但显然,它也沦为了看过去高大上的噱头。
就在春节前,曾因Facebook而名声大震的Zynga悄悄关闭了中国分公司。似乎,国内71名员工每年700万美元的花销,也成了大洋彼岸负担。如今,这家上市游戏公司的市值从最高70亿美元跌落到25亿美元,日活跃用户数从2013年二季度的3900万滑至2014年四季度的2500万……
早几年,也是这家公司,声称将“功能开发15%”的游戏直接撂到线上,以数据分析来改进,就能轻易成功;而在营销手段上更要完全仰赖数据……可惜,它忘记社会有多复杂,营销就有多复杂,简单的大数据定量分析,会让人做出看似科学实则轻率的决策……结果,便落到如今这般田地。
再仔细回味近年来的游戏圈,参与者们往往因“爆品”一炮而红,之后,便拿手中积累的数据“说事”,一味的模仿、换皮,营销洗用户,到头来,则不断演绎《桃花扇》中“眼看他起朱楼,眼看他宴宾客,眼看他楼塌了”的悲剧。
的确,游戏营销就是要打动人心,这是一件比卖货难上百倍的事情,打动一次可以,想总能打动,除非是心脏起搏器。
纵观行业,小郝子发现,倒是数据资源丰富的腾讯鲜少提及大数据,而腾讯游戏无论在端游时代还是手游时代,都duang、duang、duang地占据各种游戏榜单,并超越索尼、微软,成为全球收入最高的游戏服务商。这个庞然大物到底怎么看待大数据?
最近,小郝子与腾讯游戏的市场营销团队深入交流,深觉其营销要诀不止于依赖大数据,而在“阴阳迭运”——数据化分析、反馈、洞察、修正为“阳”;用户调研与数据的互为印证、品牌的精准策划、创意、媒介、公关、活动等各团队协同合作,高效执行为“阴”。按照大儒朱熹的话说:“阴阳迭运……其理谓之道”。游戏营销之道,便大致如此。
阳——大数据玩法
比如,数年前,射击游戏《逆战》刚刚面世。当时,通过各种渠道,腾讯游戏用研团队收集到的数据显示,玩家吐槽它与老牌游戏《穿越火线》玩法缺少差异性,竞品太多缺乏鲜明特色……因此,项目团队便开始从差异化、加速用户认知下手。
用户数据显示,《逆战》主要玩家为13到22岁之间,FPS中低端用户,地市级城市分布明显,大部分高中及以下学历。而用户研究表明,70%的90后,认为自己是“泛娱乐派”——玩咖、娱乐至死,且多为音乐发烧友,追逐草根崛起的明星……
于是,基于如此种种要素,《逆战》市场团队经过数轮筛选,确定张杰为代言人,打造专门主题曲,契合潜在玩家感受,引发情感共鸣,放大身心带入感,不断吸引用户,进而,积累更丰沛的数据,改进营销手法以及游戏玩法、场景等,最终使张杰通过专辑、演唱会、跨年晚会等方式深度介入《逆战》泛娱乐营销,共同打造的“逆态度”不仅是游戏吸引了更多用户,也为张杰聚集了更多粉丝,使《逆战》营销走向“马太效应”正循环。
可见,从本质上,大数据解决的是游戏营销的效率问题,避免“黑岛工作室”那般的“孤阴不生”——期待不断打动玩家,也有制度、体系配合,却缺乏有效信息获取途径、数据分析能力,市场反馈迟钝,以至于在盲目、低效、反复决策中错失众多机会,走向泯灭。
阴——协作执行
而与上述情况相对,同样重要的是,大数据指路后,各市场团队协同一气,共同精准定位、发现问题、分析问题、解决问题、验证结果后,高效执行。避免Zygna那般的“孤阳不长”——让半吊子游戏随意上线,用大数据方法造势之外,却没有用研团队定性地提醒:长此以往,玩家们被Zynga伤N遍,还有谁待你如初恋?没了玩家,便失去了一切的基础。
设想下,若腾讯游戏没有用研团队对玩家反馈的定性总结,《逆战》品牌策划团队如何能寻得营销进化的路径?若没有后者的针对修正,前者又如何得到有效的验证,进而沿着相关思路拓展,给予更多有效的建议?
与此类似,有赖于腾讯游戏创意设计团队制作的视频《上帝爱消除》,2个月、30万元就换来800万次网上播放和疯传,帮助《天天爱消除》获得大批珍贵的种子用户;也正是在数据团队广告投放分析体系下,腾讯游戏广告投放的千人注册成本才数倍低于行业的均值,让有钱的腾讯避免了在营销上的任性……如此种种,多部门形成连横合纵的“集团军”式协作,才推动腾讯的游戏营销变得“好玩有趣超Happy,内涵装B接地气”。
这样的机制下,个人、部门、项目如高度耦合的齿轮,彼此咬合,快速运转,进而实现游戏营销的“飞轮效应”。
有人说:“好的游戏是艺术与技术的完美结合”。其实,好的游戏营销也是如此——关键之道,在于营销的艺术与大数据技术能阴阳迭运,相得益彰——当然,这同样是门功夫,游戏的营销作手们都该明白,如王家卫电影里的台词:“功夫,一横一竖,对的,站着,错的,倒下”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29