起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識游戲運營數據分析指標
數據分析工作可以從宏觀數據和微觀數據（細分數據）說起，這種方式也是我比較喜歡的，正如小強所言，宏觀數據是對總體趨勢的預測，以及對異常數據的敏感性把握。而微觀數據分析的來源一方面就是從宏觀數據的異動而產生的需求，二者是一種相互依托的關系。當然如果不是專業做DA工作，也許按照這種方式是沒有什么問題的，因為畢竟工作時間和精力不允許有更多的研究工作。從我這個菜鳥DA來說，其實還有很多的工作要做，而采取的形式是另外一種形式，不過其內涵與之前的是一致的。
如下圖，大概每個行業的數據分析體系都是這個模式：
網游的常規數據的把握和檢測更多的是針對人氣（總登，峰值，APA，注冊，流失，在線時長），消費（ARPU，充值，消耗，滲透率）。
專題數據挖掘目前在網游數據分析領域應用比較小，即使有這方面的研究也屬于公司的核心技術，這一部分的研究是對整個游戲玩家的游戲行為，購買行為，情感行為，游戲心理，游戲壓力，游戲壽命，游戲體驗，游戲交互，IB購買關聯喜好，經濟系統運營分析等等深入的專題研究，不是為了解決某個問題而解決，而是一項基于海量數據的定期專題式的研究分析，只有深刻了解了用戶的需求才能做出和運營好符合玩家口味的產品。
用戶調研其實在網游數據分析工作處在一個邊緣的位置，很多玩家不清楚自己想要什么，所以某種程度上我們來做這種調研工作往往會得到錯誤的玩家信號，所以很少會用調研手段來分析玩家。
按照這個方式總結起來如下圖：
這里的深度尋因是一種長期和固定的針對用戶各種特征的尋因。
那么對于我們而言，要做有兩塊工作，常規數據分析，專題式的數據挖掘研究。常規數據分析除了在宏觀把握數據的趨勢和異動之外，還要在微觀上，將異動的數據指標進行細分，從微觀角度找出問題的所在解決問題。而專題的數據分析是我們主動的提出一些問題，進而去尋找數據并進行研究，并不是為了解決問題而解決。這看似不能最直接的解決問題，然而這些數據的解讀，我們能夠掌握
玩家想要什么（what）；
為什么要（why）；
從哪里可以得到（where）；
什么時候我們做（when）；
哪些玩家針對哪些運營策略（who）；
我們應該給多少（how much）；
以什么形式進行（how）；
通過5W2H的方法，結合分析手段來解決這些問題。以下為根據網絡總結的數據分析的一些注意點和方法。
常規數據分析的思路–從收益角度
但我們面臨收益下降時，需要我們定位問題，從收益角度出發來解決問題。
常規數據分析的思路–從人氣的角度
通過以上的數據解讀和針對這些宏觀數據的細分，我們可以完成一些異動數據的分析和緊急的需求。
而在做好這項工作的同時，我們也需要做好專題式的數據分析工作，提供運營人員更多的運營決策。
針對游戲數據挖掘的專項研究目前來說總結如下幾點：
在專題的數據挖掘與分析模式，有以下的幾種形式：
?用戶生命周期模型
?流失因素函數及模型計算
?網絡媒體效果分析
?游戲活動及系統風險評估
?游戲經濟系統預警評估
針對專題式的數據挖掘，目前還在一個緩慢的研究過程，這一塊確實
是比較困難，不同于傳統零售，金融，電信行業。網游具有著獨特性在具體的分析過程中，需要結合特點，合理應用理論和技術解決問題。
轉發：cnblogs
- 目前還沒評論，等你發揮！
