“神策2019数据驱动大会龙创悦动游臣隽：数据在游戏领域的落地应用实践”

本篇文章4561字，读完约11分钟

本文向你介绍要点:

·； 网游的商业逻辑

·； 网游产业结构

·； 产业结构下的决策机制

·； 不同视角的数据用途

·； 查询和分解

·； 不断变化的数据和APP体系结构

一、网游的商业逻辑

心理学中有一个词叫做自恋。 这意味着需要一定的职业生涯才能获得满足感，满足内心的自我满足、自我陶醉。 当人们在日常工作和学习中排名不靠前时，内心的自恋感不太能满足，但网游为填补自恋感的空小白提供了虚拟环境。

一般来说，从玩家的角度来看，游戏分为单机和网游两种。 独立游戏的商业逻辑偏向于买入型，如果玩家一次也没有重复购买，就意味着交易结束了。 由于单个购买玩家获得的商业价值有限，购买游戏的玩家越多，获得的商业价值也就越大。

但是，与网络游戏不同，如上述文案所示，自恋是网络游戏的基础逻辑，网络游戏提供了承载玩家自恋的环境。 另外，网络游戏的规模必然有一定的限制。 为了满足自恋感，玩家必须在游戏中以上位为目标，但是如果当前排的位置混杂，很多追求自恋感实现的玩家将得不到满足，甚至失去了优势。 例如，《王者荣耀》的商业逻辑依赖腾讯的社会交流圈，以朋友圈的形式将玩家限定在游戏环境中，以朋友之间的竞争的形式，奇怪地提升等级，满足玩家内心的自我陶醉 《魔兽世界》也一样，通过分衣服和分联盟，在游戏环境中划定范围，然后进行规模限制。

之所以要限定网游的规模，让玩家达到更高的标准，是因为这些文案是网游的核心业务逻辑:

从钱到能力

游戏企业希望玩家通过真银提高角色能力，继续与其他玩家竞争，获得上位的职位，能力越高，投入的资金就越大。

在我创业初期，投资者认为你的盈利模式是什么？ 我被问了好几次。 我很困扰回答，但总是说“有人来玩就能赚钱”。 但是，其实，那时我完全不知道实际的原因。

现在我明白了，网络游戏真正的商业逻辑从金钱到能力，无论游戏外侧做什么包装，本质上都需要满足良好的上升途径，承载玩家自恋的逻辑，继续吸引其他玩家 通过从金钱到能力的商业逻辑，发现大部分网络游戏参与者的支付额不高，但高资费的顾客支付总额占整体支付额的很大比例。 这意味着，少数高收费层(或者是追求自我陶醉和自我陶醉的层)支撑着整个网络游戏市场。

这与量化网络业务不同，许多网络业务都希望所有客户都获得部分利润。 高额利润的获取在数量上得到支撑，胜过薄利多销，但是网游不需要庞大的批量。 这些量必须包括大鱼。 从数据的角度来说，数据越精细、时间越短，越容易找到这部分高收费群体，可以通过各种手段取悦该玩家。

网游的商业逻辑

二、网游的产业结构

首先，说明几个网游领域的作用名词。

开发:游戏的开发制作

运营:开发后进行游戏的运营和维护

发行:利用广告、营销等手段将游戏商业化

根据游戏的种类不同，侧重的结构也不同。

独立游戏的话，开发后交给发行版即可，需要依赖发行版的力量在不同的平台、不同的广告上宣传游戏，在下一个版本更新之前需要开发介入。

网络游戏一般分为两类。 一个游戏比较轻度，例如小休闲游戏，代码固定，开发短期集中，上线后偏重运营，通过吸引新活动、鼓励补贴来激活玩家，产品结构 另一个游戏是重度的。 例如，像上述的“王者荣耀”、“魔兽”一样，玩家会持续在这类游戏中投入大量的时间。 这种游戏的开发周期和运营周期差不多长，就像产业结构中的服务业一样。 重度游戏的开发需要不断更新游戏，让领先的头部玩家受到挑战，让中部玩家有成为头部玩家的可能性，让游戏能够顺利运行。

网游产业结构

为了保证良好的运行，数据必然是强有力的支持。 负责运营的学生通过内部活动不断刺激玩家，根据当天的数据结果，调整部分道具等收费品的价格，采取稍微优惠一些的销售手段。

负责发行的学生需要及时关注外部环境的趋势和热度，通过大数据观察，使目标群体与游戏场景、主题素材等要素保持一致，从而吸引越来越多的潜在玩家的观察力。 前几天，一家企业对中世纪游戏的保留率突然上升。 最后，由于与游戏中的龙刚发布的《冰与火之歌》要素场景相似，搜索量大幅增加，保留率上升。

得出这个结论后，发行的同学在宣传的过程中加入了舞龙、喷火等动态效果，吸引了相关主题素材的潜在玩家，游戏的新客户注册量持续增加。 这些看起来无关的因素是发行方日常必须考虑和考虑的重点。

三、产业结构下的决策机制

产业结构的本质是分工，分工可以提高整体效率，不同分工包含不同的目标，根据《国富论》的经济学原理，最好的决定来自市场，通过多方尝试和时间考量，优胜劣势是市场自然的选择。 从大尺度上看，这是企业之间的竞争，从小尺度上看，这是企业内部许多尝试的结果。 但是，在实际工作中，由于资产价格、机会价格、价值成本的限制，不容易对某个潜在的事物进行太多的尝试，在这种情况下，数据是最佳的选择。

在以前的某个游戏初期，dau的数字不漂亮。 制片人认为主要原因是主题素材小，有必要提高平均费率，于是让每个收费点对应所有相关同学，准确地掌握了玩家真正关注的文案所在。 这样的方式是面向数据的。

产业结构下的决策机制

另外，还可以通过数据加速的方法来控制整体的节奏。 业务人员可以根据业务经验给出阈值，达到阈值后，为了避免投入大量人力物力后马上出现不可割舍的情况，决定是否继续进行决策。 这与文锋认为公司本质是效率机器的观点一致。

四、不同视角下的数据用途

本副本分为三类:客户观点、服务观点、国家和渠道观点。 接下来逐一说明。

不同视角下的数据应用

1 .客户的观点

采用神策拆解的顾客应该熟悉顾客的观点。 客户的观点是指从一个具体客户的角度来看他所包含的数据。 例如，历史行为、属性等神策解体是天然支持的模型。

有些游戏由于开发周期仓促，经常存在bug，玩家只能在后台抱怨客户，有些羊毛党利用bug薅羊毛，在接入神策之前，逐一排查，效率很高 访问神策后，客服非常方便查看某个玩家在某个时间段的具体行为操作，并结合其反应的具体情况做出相应的决定。

开发者通常关心高费用玩家的动向。 开发者在测试版本中不断注意高费用玩家的反应和满意度，利用数据跟踪特定顾客的行为。

运营学生通常关注活动的相关数据和小号数据。 这些小号通过不断骚扰玩家、加微信等方式对玩家产生福利吸引力，让玩家为了获取福利新闻而离开游戏平台，失去平台的顾客。 运营人员可以看到每个顾客的行为，总结其行为规律，利用总结的规则锁定小号集团。 在神策的支持下，现在可以通过机器学习的方法识别小号群体，将其小号一网打尽，维持平台良好的环境。

2 .对衣服的看法

的观点是从服务器的角度来看单服的整体数据。 如上所述，网游有一定的规模限制，为了扩大或突破规模限制，出现了分服、活动、社会交流裂变等多种手段。 在这部分生态视角下，其数据的本质需要监控其有限规模的环境是否健康、玩家比例是否合适等，开发、运营、发行三大作用关注着该部分的生态视角。

3 .发行观点

发行视角是指从渠道和国家的角度看数据，发行商同学会关注这一部分。 他们需要识别不同渠道的高质量度和不同地区的潜在玩家对不同主题素材的喜好，从而接触尽可能多的高付费者。

五、查询和分解

在这许多观点中，可以总结出数据的两种用途，即查询和分解。 接下来分开说明证明。

1 .查询

首先，查询的条件必须比较灵活，其次是好的时间长度，第三是快的速度。 其中速度方面被大多数人忽视，认为查询速度慢也没什么影响，但在实际业务中，每天能做的查询动作有限，查询速度的落后会阻碍下游分解水平的进度。 访问神策后，企业随时登录系统进行一点查询行为，可能会无意中刺激高质量构想的诞生。

2 .分解

解体其实更考验个人能力。 头脑风暴之后，需要对这些跳跃的思维进行规范化整理，将不同的数据和思维方式进行汇总、对比、拆解，将能够支持决策的文案剥离出来。

目前，龙创悦动在应用查询和分解时，大致通过以下三种方法。

1 .变量分解和条件锁定

一般来说，将现实世界中许多复杂的关系抽象出来，并将其变为几个不相关的变量，这就称为建模。 比如知名渠道基金模式:销售=流量*购买率*客单价*复购率，在游戏领域，比如最知名的:收入=留存*平均资费。

但是，一般由于资源有限，通常选择一个变量进行测试，然后通过a/b测试得出比较准确的结论，分解为更细的粒度。

2 .时间跟踪

综上所述，最好的决定方法是市场自由竞争、优胜劣势，但自然淘汰有一定滞后，

时间是任何实验中都不能忽视的客观条件。 游戏区域的周期越长，具有时间属性的指标就变得越重要。 例如，一线业务人员对顾客保留的兴趣集中在3天保留、7天保留上，但作为管理者倾向于60天保留、90天保留等指标，跟踪和关注的周期可能会变长。 如果在此基础上追加收费率等条件，在此时间内数据爆炸的效果和启发也会更强。

3 .相关分解

关联分解对分解师自身能力的要求很高。 因为单纯的数据不能说明逻辑。 数据是事实的投影，数据观察者需要清晰地阐述因果联系，关联的两个事件背后充斥着多条原因路径，需要通过关联分解，排列检索尝试新手段的先后顺序。

六、不断变化的数据和APP架构[/s2/]

神策一直强调一个核心问题数据源很重要，但确实，如果数据源质量有问题，剩下的所有事件都会付诸东流。 下面介绍龙创悦动的大数据应用体系结构图。

APP体系结构

最下面的第三方是指刊登广告之类的第三方，访问部分数据。 实时数据是用于机器学习的。 日志数据引入神策，进入神策event表。 然后，第三方数据每隔一定时间更新客户属性，筛选出高质量的渠道。 渠道投入的资金将分配给所有获得客户，代表所有新客户的获得客户价格。

在神策的基础上，构筑doris层和bi层，将doris作为数据源进行聚合分解。 第三方数据进入doris，一起与bi聚合，支持多维分解，但这种分解比较固定，灵活性不如神策。 其实在游戏领域，具有运营、策划、开发等非技术背景的工作者对技术架构和数据观察的理解有一定的障碍，我们可以用一点简单的方法向那个方向诱惑。 可以引导和指导游戏数据人员提供相关人员需要关注的中心指标和报告数据，使其更好地理解。

当天，进入神策后，将得到所有的行动数据。 然后，用dnn制作算法生成顾客向量。 在以往的a/b test中，两个顾客对拆解取得了最终的整体效果，但现在通过顾客向量的方法可以找到顾客向量空之间最接近的顾客，从而创建更可靠的a/b test。

以上是我的分享。 谢谢您的聆听。

关于神策数据

神策数据是专业的大数据观察平台服务提供商，致力于实现顾客的数据驱动。 企业以客户层面的大数据观察和管理诉求为中心，推出神策拆解、神策客户画像、神策智能运营、神策智能推荐、神策客户景等产品。

它还提供大数据相关的咨询和处理方案的完善。 神策数据为中国银联、中国电信、百度视频、小米、中邮支出金融、海通证券、广发证券、东方证券、中原银行、百信银行、中青旅、平安人寿保险、四川航空空、翼支付、美好未来、vipkid、东方明珠、华润、有 享受客服等1000多家付费公司客户的服务和客户的成功经验，全面为用户提供指标整理、数据模型构建等专业咨询、实施、技术支持服务。 如果您想进一步了解神策数据和数据驱动相关的问题，请拨打4006509827咨询。 专业的工作人员会给您答复的。