网络游戏运营中的数据分析.pdf

网络游戏运营中的数据分析

作者：毛豆（gillian.feng@）

近几年来，随着网络游戏运营的成熟，越来越多的公司强调用数据说话。网络游戏兼具互联网和软件的特征，所

有的数据都是可以进行记录、监控和分析的。随着数据分析的深入，网络游戏的运营、市场管理可以越发精准。

在一般初入行的人或者业外人士眼中，网络游戏的数据分析是一项非常神秘而深奥的工作。现在做联运的产品越

来越多，很多联运商都会要求得到开发商的运营数据，我看过很多这方面的表格，要的数据五花八门，其中不乏

只是在要数据，而并不知道要这些数据会有什么意义的厂商。

数据分析到底是怎么回事呢？其实跟任何一家消费品生产商都会分析自己产品的销量波动、区域偏好、功能倾向、

用户增长等数据一样，是对自己业务数据特征的分析和总结。通过一些特征数据的提取和分析，可以一方面深入

了解产品的特征，另一方面了解游戏的运营状况。数据分析的初衷是更透彻的了解自己的产品，为决策提供支持

的。

在网络游戏运营早期，运营商还对运营数据没有一个明确的概念，那时候游戏一般是CPS（comepaystay）的模

式。在运营产品的过程中，不断的产生一些对数据了解的需求，逐渐的开始了游戏数据的监控和分析。

比如说，一款新游戏从预热到上线，会有很多用户进来，运营者就会问了：到底多少人对我们游戏感兴趣呢？开

始检测注册用户数。

而这些感兴趣的用户，又有多少真得要开始玩我们游戏呢？开始检测客户端下载量。

这些想玩的用户是不是都进来了呢？开始检测新登录用户数。

这些已经进了我们游戏的人，有多少会真正玩下去呢？开始监测留存用户数。

监测了这些数据后，就开始会分析下载转化率、激活转化率、留存率等数据。

下载转化率低说明什么？可能是客户端太大，可能是下载速度太慢，可能是广告对注册太具诱导性而产品本身却

对用户吸引力不足……

接下来，在cps模式下，收入直接跟用户的在线时长相关，于是开始分析用户的平均在线时长。

那为了提高用户的在线时长，自然需要做活动带动了，这时候要知道这些用户的在线特征，他们都什么时候玩游

戏？在哪些时间点做活动更有效？于是开始监控在线人数曲线。

人数曲线开始监控了，就能够做一天前和一周前的对比，也就更清楚游戏的运营趋势了。

服务器越开越多，发现人数曲线的监控还有另一个作用，就是不用在游戏里就能知道服务器的运行状况。人数急

跌，一般是某个游戏服务器宕了；人数缓跌，可能是登陆服务器宕了；人数归零，可能是机房网断了，可能是数

据库服务器宕了；人数波动，可能是网络波动……根据这些曲线状态，可以更有针对性的对游戏进行检查。

接着，随着网络游戏的发展，逐渐开始CSP模式了，也就是先玩再付费，主要道具收费了。

这时候游戏的付费转化率，就成了一个新的特征数据。

光付费转化率高还没有用，还需要单位用户付费也高，所以开始分析arpu值。arpu值是单位用户的付费金额，

是需要对条件做界定的，如月arpu值，日arpu值，日均在线用户arpu值，单独说arpu值是个没什么意义的数

据。

既然收入和转化率及arpu值两个数据相关，那为了分析游戏的收费能力，就需要把这两个指标综合起来，于是

产生了千人收益的概念。什么是千人收益呢？就是平均下来一千个用户对游戏贡献的收益。这个数据也是需要做

条件限定的，如新用户千人收益，日均千人收益，月千人收益……而千人收益，又是可以通过保有率、转化率和

arpu值计算出来的。

有了千人收益的指标，游戏的品质就好评估了，通过cpa和千人收益，就能知道来一批用户需要多少投入，多少

产出，再计算下其他成本，就很容易知道游戏的盈利能力了，盈利能力强的游戏，怎么投入都不过分。

以上都是些基本的数据定义，做数据分析还一定要注意数据的曲线变化，对同一产品的关联数据曲线分析，并对

多款产品进行对比分析，这样才能发现产品的特性。比如同样是每天激活用户数、登录用户数、平均在线人数的

曲线，不同的走势就能反映不同的特征。从游戏开放那天起，激活用户数和登录用户数就应该是两条从一点逐渐

分离的曲线，其中登录用户数在上。激活用户数和登录用户数的剪刀差越大，说明游戏的留存状况越好。而平均

在线人数和登录用户数趋近，说明游戏在线时长在提高，游戏在向更好的方向发展……而两个游戏的这几个数据

曲线对比，就能反映出两个产品的特征差异了。

上面讲的这些，还都是宏观上的数据分析。根据游戏自身特点，还需要更细化的数据分析以了解自己产品的特征，

发现问题和解决问题。而针对游戏自身特点需要分析的数据就要因游戏而定了