PPT 下载 | 龙创悦动游臣隽：数据在游戏行业的落地应用实践
在以“矩·变”为主题的 2019 神策数据驱动大会现场，龙创悦动数据负责人游臣隽发表了名为《数据在游戏行业的落地应用实践》的主题演讲。以下内容根据其现场演讲整理所得。
温馨提示：文末点击阅读原文，可下载完整版 PPT。
本文将重点为你介绍：
网游的商业逻辑
网游的产业结构
产业结构下的决策机制
不同视角的数据用途
查询与分析
多变的数据与应用架构
一、网游的商业逻辑
心理学中有一种关于“人皆自恋”的说法，大意是指人们需要一定的承载物来获得满足感，从而满足内心的自我愉悦——“自恋”。当人们无法在日常工作、学习中排位“前列”时，内心的“自恋”感就很难得到满足，但网游却为大家提供了一个虚拟环境，用来填补“自恋感”的空白。
通常情况下，从玩家角度出发可将游戏分为两种：单机、网游。单机游戏的商业逻辑偏向“买断式”，当玩家一次性购买时，即意味着交易结束，由于在单个购买玩家身上所获取的商业价值有限，所以，购买游戏的玩家越多，所获的商业价值也随之增大。
但网游不同，如上述内容所示，“自恋”是网游的底层逻辑，网游提供了一个承载玩家“自恋”的环境。另外，网游的规模必然存在一定的限制。为了满足“自恋”感，玩家需要在游戏中力争排位前列，但当前列的位置过于拥挤时，很多寻求实现“自恋”感的玩家无法得到这种满足，便会流失。比如《王者荣耀》的商业逻辑依托腾讯的社交圈，利用好友圈的形式把玩家限定在游戏环境中，通过好友之间竞争的形式，打怪升级后不断排位，从而满足玩家内心的“自恋”，这其实就是通过“好友”的方式而建立的一种规模限制。《魔兽》也一样，通过分服、分联盟的方式，在游戏环境中划定范围，之后做规模限制。
网游之所以限定规模并给予玩家达到前列的标准，是因为这些内容承载着网游的核心商业逻辑：
钱 => 能力
游戏公司希望玩家用真金白银提升角色能力，不断与其他玩家竞争，获取前列的位置，能力越强，投入的资金就随之变大。
在我创业初期，被投资人问过无数次——你的盈利模式是什么？我当时并不知如何回答，总是说：只要有人来玩，我就能赚钱。但其实，那时候我根本想不清楚实际原因。
直到现在我才明白，网游真正的商业逻辑就是“钱 => 能力”，不管游戏的外层要做何种包装，但本质上需要满足一个良好的上升通道，承载玩家自恋的逻辑，从而不断吸引其他玩家加入。通过网游“钱 => 能力”的商业逻辑，可发现大部分网游玩家的付费金额都不高，但高付费用户的付费总额却能占整体付费额的极大比例，这意味着少部分高付费群体（或者说是满足了“自恋”或者正在追逐“自恋”的群体）撑起了整个网游市场。
这与“走量”的互联网业务不同，许多互联网生意希望在每一位用户上都获取一部分收益，高额的利益获取靠“量”来支持，赢在“薄利多销”，而网游不需要庞大的体量，需要这些“量”中包含着“大鱼”，从数据角度而言，数据越精细，时效性越高，就越容易找到这部分高付费群体，越能通过各种手段取悦这群玩家。
二、网游的产业结构
首先解释几个网游行业中的角色名词。
开发：研发制作游戏
运营：在开发之后对游戏进行运营与维护
发行：利用广告、营销等手段将游戏商业化
不同的游戏品类在不同的时间段内侧重的结构不同。
对于单机游戏而言，开发之后交给发行即可，需要依靠发行的力量将游戏推广至不同平台、不同广告，直至下一次版本更新时，才会需要开发介入。
对于网游而言，通常分为两种。一种游戏相对较为轻度，比如一些休闲游戏，代码较为固定，开发较为短期且集中，上线后偏重运营，通过拉新活动、奖励津贴等促活玩家，更像产品结构中的制造业。另一种游戏较为重度，比如上述提到的《王者荣耀》《魔兽》，玩家会持续在该类游戏中投入大量的时间（可能长达几年），该类游戏的开发周期几乎和运营周期一样长，更像产业结构中的服务业。重度游戏的开发需要不断对游戏进行更新，需要让前列的头部玩家有人挑战，让中部的玩家有成为头部玩家的可能，才能促使游戏良好地运转下去。
要保证良好的运转，数据必然作为强有力的支持。负责运营的同学，会不断通过内部活动刺激玩家，根据当天的数据结果，对部分道具等付费品价格进行调整，采取一些打折优惠等销售手段。
负责发行的同学，需要及时关注外部环境的趋势和热度，通过大数据分析，将目标人群和游戏场景、题材等因素相匹配，吸引更多潜在玩家的注意力。前些日子，有家公司的中世纪游戏的留存率忽然升高，最后发现是由于游戏中的一条巨龙与刚发布的《冰与火之歌》中的元素场景相似，于是搜索量大大提升，留存率随之上涨。
在得出这一结论后，发行的同学在推广过程中，将巨龙本身加入飞舞、喷火等动态特效，吸引相关题材的潜在玩家，游戏新用户注册量持续提升。这些看似毫不相关的因素，都是发行方面需要日常思考和考虑的关键点。
三、产业结构下的决策机制
产业结构的本质是分工，分工可以提升总体效率，不同分工中又包含不同的目标，按照《国富论》中的经济学原理而言，最好的决策出自市场，通过大量的尝试、以及时间考量，优胜劣汰是市场的自然选择。从大的尺度来看，这是公司之间的竞争，从小的尺度来看，这是公司内部多种尝试最后产出的结果。但在实际工作中，由于资产成本、机会成本、时间成本的限制，所以很难对某些潜在可能性事物进行过多的尝试，此时，数据则为一种最优选择。
在之前某款游戏的初期，DAU 的数字并不好看，制作人认为首要原因可能是题材小众，需要提高平均付费率，于是将每一个付费点对应至每一位相关同学，精确了解玩家真正关注的内容所在。这种方式，即为数据导向。
同时，还可以通过数据加速的方式，调控整体节奏。业务人员可以根据从业经验给出阈值，当达到阈值后，决定是否继续进行，避免在投入大量人力物力后，出现无法及时止损的情况。这与文锋认为企业的本质是效率机器的观点不谋而合。
四、不同视角下的数据用途
这部分内容将视角分为三类：用户视角、服视角、国家和渠道视角。接下来会逐一讲解。
1. 用户视角
使用神策分析的客户应该对“用户视角”非常熟悉，用户视角指从单个具体的用户角度去看他所包含的数据，比如历史行为、属性等神策分析天然就支持的模型。
部分游戏因为开发周期较为匆忙，经常存在 bug，玩家会在后台跟客服抱怨，也会有一部分羊毛党利用 bug 薅羊毛，在接入神策之前，只能通过逐一排查的方法，效率较低。接入神策之后，客服可以非常方便地去查看某位玩家在某个时段的具体行为操作，再匹配其反应的具体情况，做出相应的决策。
开发人员一般较为在意高付费玩家的动向，开发人员在测试版本中会不断观察高付费玩家的反应程度和满意程度，去利用数据追踪特定用户的行为。
运营同学一般较为关注活动的相关数据，以及一些“小号”数据。这些“小号”会不断骚扰玩家，利用加微信等方式对玩家进行福利吸引，导致玩家为了获取福利信息而离开游戏平台，造成平台的用户流失。运营人员可通过查看单个用户行为，并总结其行为规律，利用总结出的规则锁定“小号”群体，在神策的支持下，现在已经可以通过机器学习的方式，去甄别“小号”群体，并将这类“小号”一网打尽，维护平台的良好环境。
2. 服视角
服视角指从服务器的角度去看单服的整体数据。上文中提过，网游有一定的规模限制，为了扩大或突破规模限制，出现分服、活动、社交裂变等多种手段。在这部分的生态视角中，其数据本质是需要监控该限定规模的环境是否健康、玩家比例是否合适等，开发、运营、发行三个角色都会较为关注该部分的生态视角。
3. 发行视角
发行视角指从渠道和国家的视角去看待数据，发行角色的同学对该部分会较为关注，他们需要甄别出不同渠道的优质程度和不同地区潜在玩家对不同题材的喜好，从而尽可能触达到更多的高付费人群。
五、查询与分析
在上述众多的视角中，可以总结出数据的两种用途：查询与分析。接下来会分开解释说明。
1. 查询
首先，查询的条件要相对灵活，其次是较好的时效性，第三是较快的速度。其中速度方面会被很多人忽略掉，认为查询的速度慢一点并没有什么太大的影响，但在实际业务中，每天能做出的查询动作是有限的，查询速度的滞后性会阻碍下游分析层面的进度。在接入神策后，公司希望大家可以随时登陆系统中进行一些查询行为，或许可以在不经意间刺激优质思路的诞生。
2. 分析
分析其实更加考验的是个人能力，在头脑风暴后，需要一个机制将这些跳跃的思维进行规范化地整理，将不同的数据和思路放在一起进行比较分析，归纳总结，剥离出可以对决策进行支持的内容。
目前，龙创悦动在应用查询和分析时，大概通过以下三种方式：
1. 变量分解与条件锁定
通常会抽象真实世界中的复杂关系, 把其变成几个不相关的变量, 这称之为建模，例如著名的渠道漏斗模型：销售 = 流量*转化率*客单价*复购率，在游戏行业中，例如最著名的：收入 = 留存 * 平均付费。
但通常情况下，因为资源有限，一般会选择一个变量进行测试，之后通过 A/B test 得出一个相对准确的结论，不断拆解到更细小的粒度。
2. 时间追踪
上文已提到，最好的决策办法是市场自由竞争、优胜劣汰，但自然淘汰有一定的滞后性，
而时间却是任何一个实验中都不可忽视的客观条件。游戏行业周期长，带有时间属性的指标就显得尤为重要。例如一线业务人员对用户留存的关注度聚焦于 3 日留存、7 日留存，而作为管理者，可能更倾向于 60 日留存、90 日留存等指标，他追踪和关注的周期会更长。如果在其中加入付费率等更多条件，该时间内数据迸发的效果与启发也会更浓烈。
3.相关分析
相关分析对分析师本身的能力要求较高，因为单纯的数据无法解释逻辑。数据是事实的投影，数据分析师需要清晰地阐述因果链，两件有相关性的事情背后充斥多条原因路径，需要通过相关分析，不断排列检索出对新手段的尝试的优先级。
六. 多变的数据与应用架构
神策一直在强调一个核心的问题——数据源非常重要，的确，如若数据源头的质量有问题，剩下的一切事情都将付诸东流。接下来介绍一下龙创悦动的大数据应用架构图。
最下部分的“第三方”指类似于广告投放的第三方，它们会接入一部分数据，“实时数据”供机器学习用的，“日志”数据会导入神策，进入神策 Event 表，同时“第三方”数据会每隔一段时间就会去更新用户属性，对优质渠道进行筛选，会将渠道投放的资金分摊至每一位所获用户，代表每一位新用户的获客成本。
在神策之上，搭建 doris 层及 BI 层，以 doris 为数据源做聚合分析。第三方数据会进到 doris，一起和 BI 支撑聚合多维分析，但该分析相对固定，灵活度不及神策。其实在游戏行业中，运营、策划、开发等非技术背景的从业者都会对技术架构以及数据分析的理解存在一定的障碍，我们可以通过一些简单的方式，去将其向该方向引导。可以让游戏的数据负责人给出相关人员需要关注的核心指标及报表数据，引导并带领大家更好地理解。
当日志进入神策，就会获得所有的行为数据，之后我们通过 DNN 做算法从而生成用户向量，在以往的 A/B test 中，只是通过两批用户对比分析获得最终的整体效果，而现在可以通过用户向量的方式，找到在用户向量空间里距离最近的用户，做出一次更为靠谱的 A/B test。
以上就是我的分享，感谢大家的聆听。
▼▼▼