DataEye CEO 汪祥斌：游戏行业或将率先进入数据买量时代

数据猿导读

 

2016年整个游戏行业崛起了一股买量潮流，一些主流广告平台的采量正代替应用市场成为游戏持续获得用户的主力手段。在2017年买量成本还会有更大幅度的提升，竞争将会比2016年更加激烈。

作者 | 汪祥斌

本文长度为2000字，建议阅读4分钟

本文为数据猿年关策划活动《大数据的2016，我的2016》系列稿件，感谢本文作者 DataEye CEO 汪祥斌 先生的投稿。

敬请期待2月16日，由数据猿与中欧商学院、腾讯视频共同举办的高端领袖线下演讲栏目中欧微论坛之《超声波》。

刚宣布获得新一轮融资的大数据公司DataEye迎来2017年的开门红，这对于2016年在资本市场遇冷的其他创业公司来说，无疑是个极为振奋人心的消息，值得祝贺！2015年DataEye获得第一轮融资，时隔一年再次获得资本青睐，技术与实力兼备的DataEye未来业务将会如何发展？

以下是DataEye CEO 汪祥斌的专访实录：

DataEye做了3年的游戏行业数据分析服务，2016年我们感受最深刻的是大家对于数据的重视大幅度提升。在传统应用商店流量锐减的情况下，商业模式高度清晰的游戏行业率先感受到移动互联网下半场流量去中心化的威力。2015年移动人口的红利结束，整个流量市场开始重新走向分裂，而2017年移动互联网的流量将进入全面的去中心化阶段。

一、流量去中心化之后，买量正取代传统渠道成为游戏行业的主要导流手段

2016年整个游戏行业崛起了一股买量的潮流，一些主流广告平台的采量正代替应用市场成为游戏持续获得用户的主要手段。从DataEye全年数据的追踪来看，游戏行业买量从年初到年尾成本几乎增长近3倍。一方面买量正成为主要的获得用户手段，而另一方面也加剧了整个采量市场的巨大竞争，造成了买量风险的成倍增加。而在2017年，买量成本将还会有更大幅度的提升，竞争会比2016年更加激烈。

对于成本的上升，更多游戏厂商只能从两方面进一步应对：

第一是技术性的控制买量成本，拓展新的流量渠道；

第二是提升产品的数据运营能力，深入分析玩家行为获得单体的最大回报。

二、2016年数据在游戏行业的应用将更加纵深，数据驱动买量或将成为一种新的技术手段，未来成为标配

数据驱动买量将深刻体现在以下几个方面：

1、用户画像的刻画以及数据精准匹配后，大幅降低用户成本

从2016年DataEye与主流的广告流量平台在数据挖掘层面深度合作来看，数据在降低流量成本方面是可以发挥更加重要的作用。但在这个领域我们也发现一些问题：

第一是数据的有效利用率很低，在流量端包括一些竞价平台对数据的消化和利用率目前基本处于一个很低的水平，这就导致我们在扩量阶段很难最大化数据价值；

第二是数据噪音，现在大家都很认可数据，知道数据当中的价值，但缺乏有效的评估手段。我们每天帮流量方以及竞价平台处理海量的数据，我们发现其中有大量的数据是低效无价值的，大家只知道自己有很多很多数据，但不知道其实只有10%是真正有效的能刻画直达用户的数据。

某流量方用户的不同偏好对于某类游戏的点击与激活的影响

2、买量效率的大幅度提升

目前大部分的买量团队依赖的还是精细化的人工投放，这个过程当中效率是比较低的，而且对于流量优化的手段也只能局限于素材，太过于依赖投放人员的个人经验。如何有效运用数据、利用数据分析与挖掘大幅度提升效率也将是买量下一阶段PK的重要一环，也是目前我们希望能通过一些技术与数据手段去解决的问题。

3、试错成本（对新渠道的摸索所付出的成本）将大幅度降低

2017年在一些知名的主力渠道上的买量PK将会非常惨烈，是否拓展新的流量渠道也是需要慎重思考的决策，而这首先要考虑的就是成本。在2017年成本大幅上涨的背景下，试错的成本也将会非常之高 。利用数据的分析与挖掘降低自身的试错成本是一种非常好的策略。DataEye在其中的位置就是提供数据的指引帮助流量买卖双方尽可能匹配，第一降低买方的试错成本，第二提升卖方的转化成功率。

三、数据在垂直行业的应用将越来越深刻

DataEye是一家数据公司，是一家专注于一个垂直行业的数据公司。这三年我们对数据有了更加深入的理解，对我们所从事的行业也有了更加清晰的认识。

我们认为数据变现和数据技术变现是两回事。数据变现是通过挖掘与分析找到数据背后的商业价值和模式去实现变现，而数据技术变现是输出数据相关的技术产品帮助客户去实现变现从而实现自己的价值。

目前国内大部分的大数据公司其实都是通过技术变现帮助客户去实现价值输出，包括我们之前做的很多统计分析类的产品，广告追踪类的产品等等，其实都是利用自身的技术产品手段去帮助客户实现一些价值转换，这种商业模式很成熟但本质上利用的并不是数据本身的价值。DataEye在不断探索的过程中，逐步明确我们要做的是数据的价值模式，而不是工具模式。

数据要实现变现，其效率与数据资产质量成高度正相关，注意是数据资产质量而不是数据规模，数据真正的价值不在大而在用。在平台及数据商业价值转化阶段，质量是比规模更为制约变现效率的重要因素，而且也一个是很难逾越的坎。未来数据在各个垂直行业的应用会越来越深刻，越来越触动行业的痛点，也会越来越深刻的与业务进行揉和，没有和业务结合的数据是没有价值的。

— 关于作者 —

汪祥斌，DataEye CEO ，2005年创办中文开源社区Joomlar，拥有4万活跃开发者；

2011年初年加入腾讯，在互动娱乐部门从事游戏组件及运营支撑系统的核心研发工作，支撑过多款知名游戏的运营工作；

2013年7月，从腾讯离职创立DataEye。成立以来，DataEye一直保持高速稳健发展，目前已经成为一家专业的面向垂直行业提供基础数据的服务商。

注：本文由 汪祥斌 投稿数据猿发布。

欢迎更多大数据企业、爱好者投稿数据猿，来稿请直接投递至：[e-mail]

推荐阅读：