遊戲方法論：資料如何驅動産品決策

[核心提示] 資料對于産品的事前決策起着關鍵的預判作用，那麼我們應當如何善用資料的分析方法論呢？

編者注：本文整理自極客公園系列公開課「探秘遊戲方法論」的第一期「數字占星術」。「探秘遊戲方法論」公開課的目的旨在邀請遊戲背後的開發、營運、分析的相關人士，傳授遊戲領域裡那些具有普适意義的産品觀和方法論。 本期課程的演講嘉賓分别為騰訊互娛進階資料營銷經理路金賢和資料營銷經理王常倫，主要内容為資料在産品決策中所起的預測性作用。 資料主要從三個方面獲得： 1. 遊戲資料，包括市場資料和營運資料； 2. 平台資料，包括遊戲之間的交叉資料和平台的行為資料； 3. 外部資料，包括可以直接擷取的外部資料和外部合作資料。 知道資料來源後，就開始進行采集，這就是所謂的「布點」。其實内部資料和外部資料的擷取都是一樣的，就是布點，在你所關注的關鍵路徑和所需要獲得的關鍵資料上去布點，按照一定的時間次元去進行資料采集。 采集來的資料可能含有一些無效或無用資訊。這就需要對資料進行分類，把噪音去除掉，實際就是一個資料篩選的過程。

我們會從整個的使用者全生命周期來采集資料，就是從使用者看到品牌概念起，到他有沒有對品牌所傳達的資訊産生興趣，直到他最終願意去嘗試産品，并且向周圍的人推薦這個産品。 資料的用途可以分為事前決策、事中優化和事後考核三個部分。 1. 新進量級的預估。産品投入到市場之後，新進的量級是什麼程度，有多少新使用者會進來。 2. 日活躍、pcu（最高同時線上玩家人數）的預估。比如拍了一部電影，有多少人喜歡到電影院看這部電影。是以我們先要有一個基礎的判斷，判斷完之後還要看一下這款産品拉來的人中到底有多少真正留下，有多少人願意付費，這是我們比較關注的。 對一件事情的未來預測受很多因素的影響。但我們會發現并不是很多影響因素都可以量化，像團隊的制作水準，什麼樣的團隊制作水準算高，什麼樣制作團隊水準算低。高的你給他打多少分，高和低之間有多麼大的差距，一開始我們都很難給出原始的判斷。

在遊戲中我們遵循「大道至簡」的原則。當用資料去預測産品趨勢的時候，我們盡量選擇可量化的因素，以及産生主要影響力或者能夠融合多個影響的因素。 我們發現有兩個名額對這款産品到底能否上線影響甚大： 1. 百度指數。它代表市場熱度和使用者關注度。一款遊戲上線之前，如果大家都不知道名字那就太失敗了。 2. 網吧點選率。我們認為網吧裡面的點選率代表了目标使用者群體對産品前期的關注度。 我們分析了大量遊戲，通過比較分析每一款遊戲上線之前百度指數、資源轉化率、網吧點選率，我們發現有比較明顯的線性關系。

通過把百度指數、網吧點選率與實際的資源轉換率相結合以後，我們可以比較好地預測總體的 90%。口碑傳播是一個很重要的點，它更難用資料量化。爆款産品和口碑傳播有關系，當然能夠提前預測一下自己的産品能不能成為爆款。 我們可以預估月活躍，使用者進來不是我們的目的，流向和投放是我們的最終目的。要對一個月之後的日活躍度有一個判斷，意味着在産品第一天上線開始對它的每一天都要做出判斷，要畫出曲線圖來。 在日活躍的關注度上，這一部分群體是可以剖開來看的。這一天日活躍相當于昨天的使用者流到今天，我們把每一天的活躍使用者剖析來看，每一天的日活躍使用者和每一天新進使用者的後續留存有直接的關系，這部分資料是我們每一個産品都可以算出來的資料。不同的産品每一天的使用者都有不同的留存率，不同的産品每一天有不同的留存率，是以這是兩個次元。 同一個産品每一天都不一樣，不同産品也會不一樣。在這種情況下，我們需要知道留存曲線滿足什麼樣的規律，才能說今天新進 50 萬，第二天、第三天、第四天留存多少，在廣泛的數學模型裡我們選擇滿足的模型來。後來明顯的看出來它滿足指數衰減的模型曲線，把我們的資料導入進去，就可以算出來這一款産品留存曲線是什麼，系數和你的品質有關，和我們每一天的營運有關。

通過剛才講到的留存曲線，我們把每一天的日活躍用這個公式算出來。因為我有每天的新進，我去算一下每一天的留存情況，得出來日活躍的曲線。後來實際證明，我們預估的日活躍和實際的日活躍之間模拟是很好的，産品預估誤內插補點和實際值差距很小。 一款産品上線以後，我們隻需要看使用者來了以後會不會留下來，留下來之後會不會付費，如果付費能付多久。在你進行判斷的時候，我投入多少，能産出多少，最後看出投入和産出滿不滿足我心中的期望。大概的模型就是根據資源可以判斷使用者的規模，根據留存可以判斷日活躍，這款産品的生命周期我們做出基本的判斷之後就能得出産出是多少。

我們不會在一條錯誤的道路上越走越遠，這就是資料決策可以給整個預算決策帶來的有效的東西。老闆最不希望看到的就是他做決策之前不知道決策做完是對還是錯，我們可以通過這種方式告訴他這一點。 1. 市場反映測試。在遊戲營運當中面臨一個問題，一個産品在小衆測試的時候吸引到的往往是核心使用者，他們留存率非常好，大部分進來以後不走了。有的月留存資料可以達到 90% 以上，這是因為他們是核心使用者。到市場真正投放的時候是不是也會這麼好，這就很難講。我們會通過一些正常的營運，找核心的測試使用者群；其次還會通過一些大衆管道，比如在門戶網站通過投放和普發吸引大衆使用者，觀看他們在遊戲裡面的行為，比較兩類使用者群體的差别。我們發現正常遊戲 10% 的周留存率差距是比較正常的。 2. 素材測試。我們前期要做内容測試，是關于使用者心理層面定性的分析，這部分點選你廣告的使用者，當素材展現在他面前，讓他感覺到和遊戲相比對，你就能把這部分群體吸引進來。是以我的素材希望傳達的品牌理念和希望吸引的人群，能夠跟産生消費的人群産生共鳴。 3. 落地頁測試。對此我們有如下這樣的經驗： （1）在廣告的緊急需求上，可以直接考慮設計靜态廣告，成熟産品在外包設計的時候，可以考慮靜态廣告設計，這樣制作成本将降低 2/3； （2）傳統的 banner 廣告位不适宜采用懸念式廣告，廣告訴求最好簡單直白，産品 logo 出現在第一幀； （3）有吸引力的素材元素（如明星）建議在素材的第一幀直接展現； （4）促銷資訊清晰明了，建議在第一幀直接出現； （5）不同風格的落地頁，對使用者轉化率有較大影響； （6）對于頁遊來講，進入遊戲路徑越清晰，使用者的活躍轉化率和注冊轉化率越高； （7）對于端遊來講，「突出獎勵，創意更具視覺沖擊力」可以獲得更高的使用者轉化率； （8）落地頁下載下傳按鈕直接出發下載下傳，并不一定是好的方式。 做精準營銷的第一個特點是我要了解清楚我的使用者是可以被分類的，這是基礎點。所有人都隻有一種需求的情況下無須精準營銷；第二，分類技術可以把不同的東西分到不同的使用者群體當中。 其實精準營銷對于單品來講，它使用的技術是完全一緻的。看一個 cf 的例子。它有自己的官網，有自己的用戶端，談起标簽的構造我們總認為沒有能力構造這個标簽，不知道他的年齡和地域，似乎隻有大的公司才知道，但是遊戲類型我們是知道。有沒有想過把這些産品使用者的行為建構成标簽庫，進而在你可以掌握的管道裡對其進行精準營銷？ 是以不同的使用者看到的官網是不一樣的，重度活躍使用者和輕度活躍使用者所看到的道具的推介是不一樣的。你半年沒來，來到一款遊戲最關注的是它有什麼新的玩法，以及現在玩還能不能追得上，是以這時候要告訴使用者，你來吧，把你原來的全給補上去，不用擔心。來了之後有新的玩法和你原來玩的完全不同。對于天天玩這款遊戲的使用者，來了之後不需要告訴他這些資訊，隻需要告訴他有新的東西來了，在原來的基礎上可以嘗試這些新的活動。通過這種方式我們發現确實有效果，注冊 cpa 降低 40% 多，拉新轉化率提升了很多。 如果我們能夠在事前對趨勢或者未來有一個很好的預判，當他達到了我們的預判，我們認為他就符合了這個 kpi，達不到我們就認為哪個地方做的不對，通過資料的回看檢查哪裡做的不對。 對于端遊和頁遊來講，使用者轉化效率近一年出現下滑，下滑幅度約 30%；

去網吧玩遊戲的使用者，在過去一年下滑幅度約在 15%；

21-24 歲遊戲使用者最為集中；40 歲以上使用者占比總體使用者比例約為 10%；

移動遊戲偏年輕，30 歲以上使用者僅占 15% 左右；

廣東省遊戲使用者群體最為集中；廣東、江蘇、山東位列使用者 top3；

移動遊戲使用者群，廣東依然位列第一，浙江取代山東進入 top3；

北京、成都、廣州，位列遊戲使用者數分布 top3；

男女使用者比例約為 6：4；

一半左右的玩遊戲人群，幾乎每天都會參與遊戲

關于騰訊互娛資料産品與技術組 前身為成立于 2010 年的資料分析組；到 2011 年從統計學領域向更深的營銷端結合，将傳統的資料分析和挖掘工作直接和業務挂鈎；到 2013 年，從原先單一服務的媒介業務中脫離出來，成為服務于全營銷領域的資料營銷組；到 2014 年，資料産品慧聰原來資料營銷的基礎上進一步剝離出來。 原文釋出時間為：2014-08-19 本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号