【淺談遊戲數據分析的理解與經驗分享】 - By RF
延續前篇文章提到的營運基本素養，本文來說明筆者對於數據分析的理解與經驗分享，
數據分析可簡單分為三個區塊 Data→ Information → Solution
產品的每日數據表、鑽石產出消耗統計、禮包購買狀況等這類經統計出的「數字」，可視為 Data：
舉例: 每日鑽石產出約150-200萬鑽，但在5/6產出400萬鑽；
深入挖掘造成其數字變化的「背後原因與傳遞出的資訊」，可視為 Information：
舉例: 造成此5/6的鑽石產出變化原因，可能有bug被洗大量鑽石、有大型儲值活動吸引大量付費玩家出來付費、有大R怒儲100萬鑽、活動獎勵配置錯誤等原因；
最後根據其數據分析得到的資訊與結論，做出「相對應的決策與後續計畫」，可視為 Solution：
舉例: 本次活動獎勵配置原先預期A獎勵較吸引中小用戶，經分析後發現是B獎勵命中大R用戶需求，導致大R瘋狂付費，此時可以重新檢視品項設計與用戶需求內容，並思考該如何延續本次的活動成效，同時也要評估是否會過度投放而造成道具失效的狀況。
以下為筆者過去在數據分析時得到的經驗，提供大家參考。
1. 資料驗證
錯誤的分析結論可能會導致錯誤的決策，所以《資料正確性》為首要注意的項目。
營運人員大多從數據後台或請技術撈取資料，尤其在額外撈取的資料當中，有可能因需求說明不清楚或是一時疏失導致撈取欄位或內容錯誤，故在撈取資料前要預先想好如何檢驗資料正確性，且拿到資料後第一時間需做資料驗證。
舉例: 想瞭解A產品在 5/1-5/7的每日營收，在資料撈取需求時可以額外拆分付費渠道(GP、IOS、官網)，來進行資料比對與驗證，當拆分付費渠道後的營收加總與每日總營收不同時，此時可以先回頭確認資料源哪裡有異常。
2. 數據結構
《用戶特性差異巨大》，根據自身運營的產品統計，所有用戶中僅10-20%的用戶會付費，在付費用戶中的前20%大R用戶會貢獻約75%-85%的營收，在判斷所有數字時要盡可能瞭解其用戶輪廓，且要有更多種面向的數據來進行輔助判斷。
舉例: 在分析鑽石產出消耗時，如果是所有用戶一起看，可能會無法定位到明確的問題，如果細分成免費用戶、付費用戶(大中小R)等細分數據，則可瞭解各階層用戶花費鑽石的地方，進而找到用戶需求。
3. 輻射思維
大部份情況下，可能是因為看到某個數字異常值或是想解決某個問題而進行分析，建議可以從問題中心進行《射放性的假設與思考》，如果是單線性的思考，過度聚焦於某個論點，容易花了很多時間最終發現方向錯誤導致浪費時間，甚至演變成先射箭再畫靶的情況。
舉例: B產品因為調整活動獎勵，預期ARPPU會從1200元提升至1500元，最終結果提高至2000元，此時如果只是「說明」本次如何調整活動所以達到此結果，而沒有思考其他可能性的話，有可能會忽略真正發生的原因。
4. 善用工具
最常使用也最容易入門的是Excel，其中最重要的功能是「樞紐分析表」，可以將大量資料依自身需求快速轉換成清楚明瞭的統計報表；其次如vlookup等函數，可以加速資料處理與比對，這些基本功除了多使用還是只能多練習來熟能生巧，更進階的也能學習SQL語法、Python、Tableau等軟體與工具來加快資料處理的速度。
5. 挑戰自己
在數據分析的過程中，不斷挑戰自己的想法與觀點，同時切換不同視角來審視自己的分析與結論，除了可以發掘不同問題與報告缺陷外，也可以提前預想上級主管或聽講者會想得知哪些資訊與提問內容。
「重分析，更重結論與後續追蹤」
剛開始接觸數據分析的營運人員容易太重分析或太相信數字，反而忽略了「產品體驗」與「解決問題」，進而導致輕易下結論或缺乏有效驗證其方案。
數據分析雖不是萬能，但也是遊戲營運一項必備技能，時刻關注數據變化，培養數字敏銳度，才有辦法一眼看出異常值！
希望以上內容對你有所幫助，也歡迎大家一起多多交流。
--
本篇為客座專欄，作者RF，現為知名遊戲公司營運主管，希望藉由分享自身經驗，給有志於遊戲營運的朋友一些啟發。
python統計分析入門 在 課程試聽｜Python大數據分析入門實作- 課程實戰1 - YouTube 的推薦與評價
課程連結: https://mastertalks.tw/products/ python -bigdataPython在所有程式語言中排名第三，為現在熱門的程式語言之一，學會 Python 可以透過 Python ... ... <看更多>