《游戏数据分析的艺术》之游戏数据分析的流程.docxVIP

1.3.1方法论

《游戏数据分析的艺术》之游戏数据分析的流程

1.3游戏数据分析的流程

游戏数据分析整体的流程将分为几个阶段，这几个阶段则是反映了不同企业数据分析的水平，从另一个角度，也是在解析作为一名数据分析人员究竟该如何参与到游戏数据分析业务中，与之有关的游戏数据分析师的工作我们将在1.4节重点阐述。

如图1-2所示，对于游戏数据分析系统及数据的利用，我们分为了五个阶段，方法论、数据加工、统计分析，提炼演绎、建议方案。从工程技术、统计分析、数据挖掘以及用户营销几个方面进行了覆盖和研究。

图1-2游戏数据分析流程

方法论是数据分析的灵魂，是解决问题的普遍原则，贯穿分析始终的思想指导。这个阶段决定了我们如何埋点数据，如何设计分析指标，如何采集，如何组织数据。

方法论多数是将业务进行了抽象，形成了一套可以解决若干业务问题的思路。就游戏业务来说，从游戏数据分析角度，目前已经存在几套方法论，比如游戏早期市场提及的是PRARA，在进入移动游戏领域，以TalkingData的AARRR模型则提及得最多，这套方法论综合了PRARA、网站分析、社交网络分析等诸多分析的特色，结合移动游戏市场的情况，加以整理并提出的。在后续的章节中，我们会重点介绍AARRR模型。

方法论存在的意义就是要去解决问题，是对于问题、目标、方法和工具的概述。一方面解决业务问题，另一方面则是分析思维的指导。在后续有关游戏数据分析师的描述中，我们强调对分析思想的锻炼及方法的驾驭，学会基于不同角度和领域去看待业务问题，这需要高度的抽象和概括能力。从图1-2我们也可以看到，方法论的确立，决定了我们在游戏数据分析方向上要解决的问题、采取的方法和使用的工具等。

当我们缺少这样的体系支撑时，即使我们确立目标，但是在实践操作时将会变得非常缓慢，效率低下。因为在整个的过程中，我们要完成游戏数据分析的工作，需要开发人员、设计人员和运营人员的参与，当大家无法在统一的思想和方法的指导下，就无法进行有效地任务分配和需求理解，进而导致今天我们看到这种现象：在很多的游戏公司，运营人员与开发人员的沟通中频频会出现各种数据标准理解的不统一，分析功能开发得南辕北辙。这些问题的出现不仅仅是沟通的

问题，更是对于游戏数据分析的体系和思想未形成一致的认识造成的。在方法论的阶段有如下的两点是需要重点关注和解决的。

(1)业务需求

方法论是对业务需求的最高层级的抽象，涉及具体业务时，在方法论的指导下，我们需要对业务需求进行拆解，而这个阶段，从数据分析的角度来看，就是该如何进行数据埋点。

数据埋点就是通过客户端或者服务端，通过在某些游戏位置追踪玩家游戏行为而得到的相关数据。这些位置则是未来对特定业务分析的基础数据支撑。比如，我们在进行用户注册分析时，需要在用户注册的相关代码和逻辑位置进行数据采集点的设计，这样当游戏有玩家参与时，我们就可以通过采集到的数据，进行整理，形成可计算的指标。

经过长期的发展后，基本上已经形成了一些特定的数据指标，而这些指标也可以涵盖大部分的业务数据分析。多数时候，我们常常会苦恼于如何进行数据埋点，如何进行基础的数据分析，实际上，我们通过一些行业通用的数据指标白皮书就可以在短时间内明确该如何进行数据的埋点和基础数据统计分析，这方面可以参考TalkingData在2012年发布的《移动游戏运营数据指标白皮书》。

(2)指标体系

当我们形成了基本的数据指标后，我们要形成完整的指标体系，并且要建立在方法论的指导基础之上。在多数情况下，指标具有很强的业务导向性和监测作用。比如在我们进行数据日报的制作过程中，我们就需要按照一定的逻辑组织我们的数据，用户类数据，收益类数据，渠道数据等等。与此同时，在这些指标基

础之上，数据分析人员可根据需要，进一步加工和变换指标，从而完成深度分析，比如我们对于新增付费用户的研究，用户生命周期价值的探讨等，就需要在基础数据的指引下，进一步建立新的数据规划和指标拆解。

这部分指标工作看似是最基础的部分，但是最重要。理清了业务需求，我们需要基于目标驱动构建指标体系，在类似AARRR模型的指导下，整体构建并不会有太多的特殊性，但重要的一点是，所构建的指标体系需要能够和业务匹配起来，比如更具业务需要，重点予以关注的指标数据，或者关键业务的评估需要微型的指标体系来实施。这一类是在方法论指导原则下完成的。

在指标体系中，指标重在理解和标准化，如果在构建指标体系阶段，定义的指标标准不够清晰，那么在具体的开发实施阶段，就会产生很多问题，最终造成了类似统计数据不准确等问题。此外，在此阶段定义的指标不是越多越好，所以