數據分析，這個詞一直像遊戲公司隔着厚毛衣的癢點一樣，分析師新人們立志爲公司團隊和遊戲產品拔出癢點，但老闆們卻一直對數據分析結果不得滿意，就像隔靴搔癢一樣讓人難受。
一兩年過去，分析師們一邊被說“怎麼不總結一下方法論？”、“這結果也只能作參考，真的決策還得看總監怎麼想。”，一邊只有PPT技能樹瘋狂點滿。
在談起十多年的工作生涯時，參與超50款遊戲項目的盛趣數據分析師黎湘豔如是說道：
“數據是否會產生積極影響不在於數據本身，而在於使用數據的人。”
針對遊戲項目中，數據分析師如何將數據的價值在團隊中發揮最大作用，黎湘豔老師在5月16日數數課堂·第四期《一個運營人的數據分析成長史》中給出了她的崗位理解。
以下是針對本次直播的文字回顧：
這次內容包括了我個人工作經驗的分享，以及《數據驅動遊戲運營》內容的回顧。這次的分享內容主要可以分5大塊：
個人的職業感悟
爲什麼寫第二本書
新書的誕生過程
新書的內容回顧
第五期內容預告
個人職業感悟
我從事數據分析崗位多年，認爲這個崗位的工作內容是一個階梯式向上遞進的過程。
我先從多年的提數搬磚中瞭解了業務需求，再在瞭解業務的基礎上熟悉了遊戲產品所需的關鍵數據指標，然後通過項目的實踐，提煉數據分析的方法論。
當掌握了方法論後，這還僅僅是數據分析的第一步，如何講方法論落地實際業務纔是數據分析的核心。因此，我隨後學習了SQL、Python、R等數據分析工具，並運用結合數據分析方法論，對衆多關鍵數據指標做一個深入的分析。在經過多次的實戰，我擁有了多個項目的實戰經驗，最後能夠根據數據的結論，爲項目組給出合適的優化建議，以驅動業務。
我在面試新人的時候，被大家問到最多的問題是：數據分析工作的主要內容是什麼？
我的回答基本上有4塊的內容：
1. 根據項目的需求來提數。項目需要什麼，我們就給什麼數據；
2. 圍繞遊戲生命週期的數據分析體系工作；
3. 數據挖掘體系的維護。我們內部有建立數據挖掘體系，我們需要根據市場、公司、項目組的需求，在這個已有體系上增加新的模塊；
4. 整個行業和市場的分析。
我也常常會問同學們，這些工作內容當中，你喜歡哪一塊的工作內容？許多人都會去選擇2、3、4，基本上都不會選擇1。
提數其實是一個爲項目組搬磚的過程，但卻是非常重要的過程。因爲提數是數據分析的基礎，只有把基礎打牢了，堅持積累，才能破繭成蝶。
其實在我們跟進遊戲項目的過程中，我們出日報、週報以滿足各個項目需求的過程，大部分的工作都是一個提數的過程，我們如果把基礎打牢了，能夠迅速回應項目組的各類需求，我們才能騰出時間去完成各種具有深度的專項數據報告。這樣纔會讓我們的工作更具價值、更具意義。
我想跟大家分享一段話：
只講大道理的數據分析是不行的，我們得靜下來細細分析，乾點力氣活，夯實基礎。別人可以教給你各種方法論，但搬磚的過程誰都給不了的。別惦記吃個大力丸，功力爆漲。儘管存在山洞裏拿到祕籍，被神仙傳了一身蓋世神功的人，但是絕對不是你我……
爲什麼寫第二本書
我在接到我的老同事的邀請，寫第一本書的時候，那個時候我還不太自信。雖然我經歷的項目非常多，但是我很擔心能否將自己多年積累的數據分析體系完整地展現出來。因此寫作時，我對之前的工作項目做了一個很好的梳理，也對我個人工作生涯做了很好的提煉。
關於第一本書的成績，我一開始是沒有抱很高的期望的，結果印刷了四次，總銷量超一萬多冊了。在互聯網遊戲行業這個細分領域來說，算是不錯的成績。
坦白說，相比銷量這個點，我更關心的是讀者的反饋。自第一本書出版以來，我收到了很多讀者的來信。其中就有兩所大學的老師給我發來了郵件，他們的學校採購了這本書用以教材使用，找我要了一些原始數據文件，便於他們的課堂教學。這本書的出版能夠給很多人的工作和學習帶來了幫助，讓我感受到分享知識是一件很有意義的事情。
在前兩年的時候，有深圳和北京的公司邀請我做課程分享。我在分享的過程當中，感受到了他們對我的課程非常感興趣，他們都非常的熱情。有人反饋給我說，本來需要5年才能積攢的數據分析經驗，通過書本及課程可以直接縮短2-3年的積累時間。這些對我來說，都是很有成就感的。
但促使我再次提筆，創作第二本書的原因，主要還是補足第一本書的一些遺憾。第一本書出版之後，有讀者給我說，這本書的案例是多個遊戲的，如果下一本書僅圍繞一個案例，作詳細的項目分析，實戰案例的可讀性會提升很多。我當時非常重視這個建議。
除此之外，第一本書的主要分享方向是講數據指標及方法論。我在每一個案例的結束總結，會提到這個分析方法可以給項目團隊帶去什麼樣的幫助，但並沒有說明項目團隊拿到數據之後，具體是怎麼落地到運營活動的。也就是說，我沒有把數據驅動業務這一塊的內容寫的很詳細，所以這些遺憾結合我的個人項目經驗，就產出了第二本書《數據驅動遊戲運營》。
新書誕生過程
關於新書的誕生過程，我們可以從選題先說起。一開始的時候我是準備了五款不同品類的遊戲，每一款遊戲作爲一個章節，這五個遊戲分別有MMO、RPG、SLG、卡牌、音樂卡牌。
當我把300頁的初稿交給編輯的時候，編輯就給我說，300多頁的彩頁內容會導致書本的定價超過100塊錢，建議我把頁數控制在200頁左右。收到這個反饋之後，我把4款遊戲的案例全部刪除了，只保留了一款虛構的MMO，也就是大家現在看到的《烈日紛爭》這款遊戲。
我在寫書的過程中，遇到的困難主要有時間太少和缺乏市場營銷知識。我平時的工作比較忙，加班也是常事，我寫書的工作基本上都是安排在工作日的凌晨和週末了。儘管我把時間擠出來了，但是要把市場營銷的內容寫清楚，對我來說是有難度的。
因爲數據分析師的平時業務場景是有偏向性的，有些分析師比較偏向運營，有些偏向市場、有些偏向研發。我個人的工作更偏向運營一些，市場這一塊的知識我是找公司的市場人員諮詢，再看了一些市場營銷方面的書籍，我希望最後呈現給大家的是完整的市場的數據分析方法論，並讓大家能夠從中有所收穫。
關於付出的代價，第一點就是身體的情況。我在寫第一本書的時候，曾經有3個月的時間，每個週末從未出過門，其實是爲了能夠騰出整塊的時間來寫書。然後突然有一天，我早上突然沒法起牀，最後只能側身翻過來用手撐起來。
寫書是一件很耽誤、犧牲個人時間的事情。從寫書開始，我幾乎沒有多少個人生活。其實我還是非常享受這個過程，因爲只要我每天多投入一段的時間，書本的內容就能夠變得越來越豐富。就好比我在遊戲中升級打怪一樣，只要我每天上線玩遊戲，我的經驗值就能夠增長，對應到生活、學習、工作也是如此，這也是我的成就感。所以我還能夠保持熱忱，與大家分享更多的內容。
內容回顧
數據驅動業務
關於數據驅動業務，我們平時可以聽到很多這方面的內容，但是更多人是通過個人的經驗和直覺在做決策方面的事情。過去，遊戲競品少，有經驗的團隊就是成功率的保證。但現在是數據的時代，大數據+系統分析所形成的體系，在質與量上都遠遠超過了個人所能累積的經驗。
我在這裏舉一個例子，某個項目團隊，在立項的時候，想做一個MMO+小說IP+武俠題材的遊戲，他們認爲這種組合的成功率會很大。但是我們數據分析小組，通過總結成千上萬的遊戲所呈現出的數據來看，我們發現MMO+端遊+仙俠題材的遊戲成功率更高。
其實影響到遊戲成功與否的元素有很多，但數據在許多場合，比個人的經驗相對來說會更可靠一些。
關於數據是否能夠驅動業務，有兩個非常關鍵的元素：
1. 團隊老闆是否重視數據；
2. 團隊老闆是否相信數據。
之所以會強調老闆是否相信數據，是因爲有些老闆知道數據非常重要，但是他就是不用數據。首先，他認爲這個數據是錯的，錯的數據是不能用的。其二，他認爲數據分析師分析的思路是有問題的，得出的結論不對，或者結論沒有落地實際的業務。在不相信的前提下，老闆自然是不會用這個數據的。怎麼讓老闆相信、消除老闆的顧慮，也是數據分析師急需完成的工作內容。
“數據是否會產生積極影響不在於數據本身，而在於使用數據的人。”
用戶趨勢
關於《烈日紛爭》這個上線超五年的遊戲，首先它經歷了一個高開低走、穩定、提升、提升、再提升的完美三連跳。在中國網遊史上，這樣的產品是非常罕見的。
成功原因
這樣的高光產品的成功原因有哪些？我總結了4點：
1. 好產品；
這款產品是經過5年持續更新，經得住時間和市場考驗的好產品。
2. 市場環境；
許多產品敗也環境，成也環境。這款遊戲在2014上線的時候，經歷了手遊爆發式增長，端游下滑的一個端口。在經歷了5-6年的洗禮之後，市面上表現良好的端遊越來越少，用戶可以選擇的遊戲也越來越少，在選擇數量少的前提下，有更多的用戶投奔到了《烈日紛爭》這款遊戲中。
3. 遊戲運營；
運營在整個的產品過程當中，是不可忽視的一支力量。當這個遊戲的在線人數和營收下跌到低谷的時候，項目團隊其實承擔了非常大的壓力。財務會認爲收入、利潤下降了，我們的收入已經回收不了成本了。高層認爲，這款遊戲虧本不賺錢，我爲什麼還要繼續做這款遊戲呢？而玩家方面，新玩家認爲難度對他們不友好，老用戶打副本組隊，也常常抱怨組隊半小時、一小時找不到人，等等問題。
如果不是項目團隊的堅持，真正的愛這款遊戲，有可能這款遊戲已經被結算下架了。所以真的是愛創造了增長，而不是增長創造了愛。
4. 數據驅動；
在整個的運營過程中，團隊充分運用數據分析能夠得出的結論，推動了市場、運營、研發持續改良。
在《數據驅動遊戲運營》的子頁中，有一個數據驅動業務的全過程圖，在這裏我把它分成了兩部分，一部分爲數據驅動市場，一部分是數據驅動運營。
數據驅動市場
立項期間，我們做了兩個工作：目標用戶調研和市場分析。
目標用戶調研要包含IP的認知、核心用戶的狀態、用戶畫像、遊戲的市場定位，和目標用戶分析。
在這裏我想需要說明一下IP的認知，有60%的人是聽說過《烈日紛爭》這款遊戲，但是隻有10%的人玩過這個IP的單機遊戲。瞭解的人比較多，但是玩過這款遊戲的人比較少。所以當我們做IP及遊戲的引進時，我們很有必要做一個IP認知度的調研。
舉個例子，當我們要引進一個偶像團體的時候，追過這個偶像團隊的人會認爲這個團體非常火，但是對於市場來說，我們需要用數據來說明這個團隊的火熱程度。
我們可以把市面上擁有高知名度的偶像團體拉出來，讓大家選一選自己認爲最火的團體是誰，看最後的結果如何，通過數據就能知道引進的這個偶像團體的知名度和其他團體的差異有多大。
最後通過目標用戶的調研和市場分析，就能夠確定一個市場的目標，這個目標包括：最高人數的預估、市場預警、和市場預算、市場計劃。
這裏的最高人數預估是通過競品的百度指數+百度指數與最高在線的關係預估出來的，當然預估在線人數還有其他多種辦法，這裏描述的是其中的一種方法而已。
人數目標出來後，團隊就會有一個大致的市場投放金額標準，我們可以根據這個金額制定一個相應的市場計劃。這是一個從IP到市場計劃，循序漸進的流程。
這裏可以再補充一下，我們可以從遊戲人數的預估推導、預估出這款遊戲的收入，再根據這個遊戲的版權金、IDC成本、人力成本等等支出，我們就能夠估計出這款遊戲的收益情況，這也就是在立項期間的利潤測算。基本每一款遊戲都需要在立項期完成這個數值的測算，公司也可以防止虧損項目的立項。
在我們完成立項期的數值評估後，我們會在封測期做一個市場的問卷調研，通過市場的問卷調研項目組可以瞭解用戶來源、目標用戶的驗證、產品賣點的驗證。之所以需要這個步驟，封測期的用戶羣體是參加過遊戲體驗的用戶羣體，這批用戶相對來說更接近公測後的羣體屬性。立項期間的調查羣體爲泛用戶羣體，就比如說我們在立項期間，得出目標用戶的屬性是MMORPG和二次元用戶，在封測期間我們就需要去驗證這個羣體是否是我們真實的目標用戶羣體，如果不是的話，我們還需要重新修改市場的目標、策略，通過這些數據我們整體上可以幫助指定市場宣傳的策略。
前面我們提到了，市場找我們需要做什麼樣的工作，拿到數據之後會制定怎樣的活動方案，但是我們不知道市場是如何解讀這個數據的。他們究竟是根據哪一個數據點去制定、修改方案的？
這一塊我下了一些功夫去了解，其中一項就是市場營銷的方法論，包含了抓住產品、用戶洞察、市場定位、擊穿用戶、資源觸達，還有數據分析6個步驟：
抓住產品：抓住產品的特色；
用戶洞察：瞭解用戶爲什麼會喜歡這個產品；
市場定位：基於用戶核心需求制定的市場定位，擊穿用戶是打破用戶心理防線，讓他們真正的喜歡這款產品，按照產品的市場傳播邏輯來看，也就是我是誰？我對誰宣傳？宣傳什麼？
資源觸達：投放金額的觸達，對市場投放的效果進行分析。市場人員通過這個方法定製了一些市場投放的方案之後，在公測期間就會直接執行。
數據分析：我在書中列舉了硬廣的投放，我們會根據廣告投放期間，素材的吸量情況來分析：哪些素材吸量高？哪些素材的吸量比較差？然後我們針對這些吸量效果差的素材我們再進行替換。
關於內測期UP主的投放，是無論手遊還是端遊都會去選擇的渠道。我們爬取了很多UP主的數據，包括視頻數量、粉絲數量、彈幕數量等數據，綜合這些數據的表現我們可以計算出UP主的排名，從而選擇和這款遊戲契合的UP主進行相應的視頻投放。最後我們對投放效果進行一個分析，下次在選用UP主做投放的時候，可以參考上一次的投放效果做選擇。UP主的投放其實跟渠道投放有一些相似的地方，當你在這個渠道投放過一次後，再投的效果會大打折扣。
數據驅動運營
剛剛說的是數據驅動市場，現在我們來看數據驅動運營的流程圖。
我面試一些工作經歷也比較豐富的數據分析師時，他們的工作其實整體上和我其實差別不大，但當我們問到你的數據分析工作是否驅動業務的時候，回答肯定的人非常少。
其實在我個人看來，數據分析的價值，很大一部分是體現在“數據是否驅動業務”上。當然這是一款理想的因素比較多的概念。
大家可以看看自己的數據分析工作有沒有驅動業務，如果沒有的話，需要看看是否是自己的數據分析報告沒有體現出價值？是不是報告質量沒有達到？還是說老闆不怎麼重視數據？不相信數據？亦或是你還不知道你的數據實則已經幫助項目組完成了產品的數據優化？找出這些問題的答案，並逐一擊破後，最後你就會發現驅動業務對你的工作幫助就會非常的大。
首先，封測期間我們會對首測的數據做一個電話的調研，並對首測的簽到問卷做一個分析。這個簽到問卷是可選的，如果下次測試的時候不需要保存內測的資格，也可以通過其他的方法瞭解到核心玩法、用戶接受度、遊戲BUG、玩家建議等等，這一塊是可以選擇調研方向的。
通過調研，我們可以幫助運營解決運營情況，綜合下來，分別可以列爲三步：
不能：不能影響玩家的登錄
不會：不會造成玩家的困惑
不好：不讓玩家覺得不好
有了這些數據之後，運營就可以制定下一個階段的運營市場計劃了。
進入內測節點的時候，我們更多是根據內測期間的運營結果，包含預定、預售、遊戲內、市場的數據，從而確定公測期間的投放資源和運營計劃。假如預約集結的數據沒有達到預期，那我們會通過市場的模型預測公測市場資源的投入。
其實從封測、內測期間來看，數據分析的日常工作還是以數據輸出爲主。因爲相關的活動都還沒有做起來，我們更多的是出數據日報、一些遊戲的數據分析，還有市場的投放數據。其實這些都是一些基礎，這些也是一種搬磚的過程，都是爲了公測期間做更多的專項分析打下基礎。
公測期間數據分析驅動運營的案例就非常多了，我在書中列舉了一部分的案例，但並沒有把所有的案例包括全面。運營根據這些分析結論，會採取相應的對策，分別爲拉新、促活、提升收入的活動。
拉新活動中比較經典的案例，那就是新人的等級直升，我後面會單獨爲這個活動案例做一個講解。還有就是根據流失用戶分析，運營瞭解到有的玩家不會做任務，項目團隊就在遊戲中做一個每日一喊話，傳播正能量的活動。
最後是營收，項目組根據打折PK券的收益分析效果，做了一個滿額送券的活動，因爲分析出滿額送券獲得的收益會更高一些。
等級直升
現在就是來跟大家來分享一下等級直升的案例。《烈日紛爭》的活動很多，等級直升算是一個知名度、效果都很好的活動，因爲我們把這個活動的“發現問題、分析問題、解決問題”多環節都均通了。
先來說，我們是怎麼發現問題的。根據這款遊戲的數據需求，我們發現上線4個月之後，用戶還在緩慢的流失，用戶對送的東西和活動激勵不是很在意，首先我們需要分析原因 ，我們需要找到這些下落的共性數據，然後對數據採取措施，對症下藥。
流失原因分析
這個是我當時的分析思路，有5大塊：
1. 用戶整體流失情況。我會去對比流失、留存用戶之間存在什麼差異；
2. 用戶迴歸的情況。用戶流失多久後，迴歸率的表現；
3. 用戶切片。我會對用戶做一個拆分處理，區分核心用戶、次核心用戶和泛用戶，通過這些數據去尋找一些規律；
4. 用戶的行爲數據分析。我會看這些流失用戶在遊戲內的用戶行爲是否具有共通性；
5. 賬號餘額。這款遊戲是點卡收費遊戲，通過賬號餘額我可以從中瞭解到這些流失用戶到底是因爲錢花光了才流失的，還是說就是不喜歡玩了才流失的，這類玩家的遊戲中還是有很多錢；
流失情況
先從流失率看，這款遊戲的流失率是會受到遊戲版本上線的情況影響而波動的，但是版本影響的時間是有限的，比如第一次版本更新上線後第23天流失率就穩定下來了，版本上線期間的流失率是存在一段時間的波動的，在第二次2.3版本上線的時候，上線以後是4天流失率就穩定下來了。
迴歸情況
從遊戲迴歸的用戶情況來看，通過這張圖我們可以看出流失用戶的迴歸率跟流失週期是呈反比的，而且是當它流失到18周，接近4個月的時候，它的迴歸率就接近於0了，說明用戶流失越久，迴歸的可能性越低。
固定團打副本的用戶比例是當時確定運營活動方案時，非常重要的數據依據。其反映出固定打本的團隊讓用戶的留存、流失存在非常明顯的差異。
以2.3版本爲例，有固定團打副本的用戶流失僅佔總流失用戶的1%，而留存用戶中有固定團打副本的用戶比例佔到了86%，兩者差異是非常明顯的。因此也得出，用戶的社交關係薄弱、沒有固定團打副本是用戶流失的主要原因。
流失對策
結合這些問題，運營團隊採取了相應的對策。
針對新區，我們做了一個新區新人充值，就送等級直升禮包的活動，這個活動可以幫助用戶快速的體驗遊戲，幫助新用戶儘快轉化爲付費用戶，並讓新區用戶跟上大部隊，減少新人的流失。
在老區，我們做了一個老區招待新用戶，送等級直升禮包的活動，這樣做既可以拉新，又能促進活躍。我們將選擇權將給了用戶，用戶根據自己的行爲習慣來決定，喜歡慢節奏就讓用戶慢慢地玩，喜歡快節奏的就可以領取直升禮包，快速地成長。
提升效果
這個活動上線之後，我們評估了一下這個活動的效果，從使用禮包與未使用禮包的留存數據對比來看，我們發現兩者之間有着非常明顯的差異。但從七留來看，參加活動的七留數是沒有參加活動用戶數的2-6倍之間。
第五期課程預告：
彩蛋：直播現場QA環節
Q：什麼叫做緩慢的流失？
A：這個是根據流失率來看的，以流失天數爲橫座標來看，我們是根據曲線的陡勢來判斷是否緩慢。
Q：市場營銷會做什麼方面的推廣？
A：不知道大家有沒有看過，有coser的漫展表演表演，還有飛機廣告，例如機身貼上游戲的LOGO、角色，具體推廣方式看項目的定義，而且這個端遊項目的推廣思路放在現在不一定會產出同樣的價值效果。
Q：老師您好，您的兩本作品都看過，我感覺內容更側重於遊戲市場和運營，遊戲版本迭代和優化案例比較少一些，請問這個方向的數據分析是否應當介入，數據分析師的價值如何體現？
A：目前我輸出的內容和運營的相關性會更高一些。剛纔我也提過，數據分析師會側重於某些業務場景，多者兼得的分析師比較少。
遊戲研發這部分的內容也是我們現在在做的，之所以還沒有輸出相關內容，主要還是我們沒有做好充分的準備。但是關於遊戲的系統迭代、玩法優化，這塊的分析我們都在做，數據分析師的確可以介入這部分的工作，但是否可以介入，更多是看分析師是否有能力幫助到研發團隊的工作。除此之外，還要看高層是否願意做這件事情。
分析師的價值更多體現在你的埋點、結論、建議、團隊是否有采納你的建議，以及採納之後，項目的數據是否有提升，當然這也是研發配合之後的結果了。
我們平時的相關工作是這樣的，通常在測試期間，我們與策劃討論他們主要的玩法、戰力、等級的情況，我們先了解他們的預期是怎樣的，然後我們再來看遊戲實際的數據情況是怎樣的，然後再去分析數據之間的差異是多少？差異的原因是什麼？最後再根據我們的分析給出一個建議，這個建議，團隊是否採納，在於他們對這個建議的認可度。
Q：這個等級直升剛出來的時候，貼吧輿論極度負面，請問這個時候，運營團隊有壓力嗎？
A：大多數都是壓力的，關鍵是在於如何去化解這個壓力，其實我們也在做輿情的分析，做數據實時的監控。最終的效果就是，負面的情況還沒出現，我們就能夠做到預警，讓運營團隊對方案做到及時的調整。例如，最後等級直升禮包是有師傅帶的，一方面加速新玩家的遊戲進度，另一方面也可以加深玩家之間的社交關係。
Q：這款案例是端遊項目，不知道有沒有手遊相關案例？
A：其實兩邊的項目是相通。例如市場營銷的方法論，不管手遊還是端遊，這個方法論都是沒問題的。
例如剛纔說的硬廣投放，廣告素材的吸量，其實手遊的買量吸量也是一個這樣的分析思路，確實有很多細節是不相同的，但是整體思路還是一致的，當時對廣告的點擊到購買激活碼的轉換做了分析，通過這個分析可以找有什麼環節出了問題，這些環節轉換率低的問題是什麼，這些地方的解決辦法是什麼？從而提高購買激活碼的數量。這個漏斗的過程是互通的。
不過我也在考慮以後有機會再寫一個手遊方面的案例。