手游竞品分析「策略型手游」

作者：小篱

丨如何用数据驱动游戏运营？

在手游大潮中，同质化已成为一种普遍的现象，一款新游还未上市便将面临一堆竞品,在多如牛毛的竞品中如何寻求机会点突围而出，这是很多小团队要面临的生死考验。当然，也许你没有这方面的烦恼，因为你的游戏可能是业界独立一无二的产品，但了解这些，或许能让你的游戏卖的更好。

GameRes邀请到盛趣游戏数据分析专家黎湘艳，接下来就跟随她的视角一起走进数据分析这个岗位，了解数据分析师工作的台前幕后，看他们是如何发挥数据的最大效能，助力项目组让产品“锦上添花”,甚至于，“化腐朽为神奇”的？

一、数据分析师是一种什么样的存在

丨我对数据分析师工作内容的定义可以简化为八个字：总结历史、预测未来

2002年黎湘艳第一次接触网络游戏——《热血传奇》。刚开始，她每天在游戏里面升级杀怪，打公会战，“当时觉得很刺激，甚至沉迷其中，但是，当我跟别人PK的时候，总是被别人打死，不管是等级比我高的还是等级比我低的。我当时在想，为什么他们总是砍我？为什么等级低的人也能把我砍死？他们是怎么成长的？他们的社交关系是怎么样的？跟我有哪些不同？我的一些好友为什么不上线了？有些为什么又回来了？等等......我当时有很多疑问，很想通过数据来寻找答案。”

直到公司成立数据中心，2008年，黎湘艳从研发部门转岗进入当时的盛大游戏数据中心，那时候游戏数据分析刚起步，在这个领域里，前方鲜有领路人，全凭着“个人经验和直觉在做事。”

幸运的是，当时的盛大游戏已经向行业输出了PRAPA分析模型。作为业内最早的系统性的游戏产品数据分析模型，PRAPA针对游戏的用户推广（Promotion）、注册用户（Register）、活跃（Active）、付费（Pay）、平均用户收益（ARPU）进行有效的分析指导，为游戏行业的成熟提供了标杆。

有机会接触数据，黎湘艳终于分析出玩家在游戏中的行为习惯，找到了她想知道的答案，并且为项目解决一些痛点。

“先知”与“医生”

“我对数据分析师工作内容的定义可以简化为八个字：总结历史、预测未来。”

外行人通常会将分析师“预测未来”的相关工作视为先知，望天算卦逢凶化吉；也将数据分析师视为医生，在游戏出现问题以后再想着通过数据分析来包治百病。他们将分析师和算命师联系在一起的时候，分析师就是一个神秘的存在，不仅希望分析师能算命还希望能改命。实际上，这个神秘的背后隐藏的是分析师对业务的理解，工具的使用、方法和模型的运用、以及可视化的展示的功底。

“自从我开通公众号【数据驱动游戏】（ID：game_data）以后，经常收到粉丝的消息，除了和书本相关内容的答疑以外，总是收到关于如何提升付费、如何提升留存、如何提升在线时长的问题，我会给他们一些和用户游戏行为进行关联和分析的思路，但是，具体问题还需要具体分析，数据分析能辅助找到问题的原因，但是不能包治百病。”

二、如何通过数据读懂市场，提前避雷？

从2016开始到2017年，手游市场步入稳定发展期，到了2018年则开始趋向于饱和，19年开始逐渐呈现出手游市场的专业化、精品化、IP化的趋势。黎湘艳表示，如今的手游市场并未真正进入“精品化”时代，“要做出高收入的游戏难度很大，但收益也会更高。”

黎湘艳指出，从类型表现上来看，今年市场上成功新游戏中卡牌游戏大幅增多，MMO新作的数量有所削减，但份额上MMO仍延续霸主地位。

“今年3月份，市场继续呈现精品化，市场竞争加剧创近三年新高。尖端游戏（平均排名TOP10）收入占比44%（提升3%）,较上月分走了3%非畅销TOP50的份额。畅销榜TOP50 IP比例略有下降（下降3%），但仍处于60%-70%稳定区间。”

黎湘艳所在的数据分析部门每年每月都会做类似下面的波士顿矩阵图，来了解当前的市场行情。

点击图片查看高清大图

点击图片查看高清大图

作为游戏发行商，要如何提前预知和判断这款产品的市场前景以及与发行团队的适配性呢？关于市场调研工作，黎湘艳老师给出了三个方向：

1.适配性分析

以模型分析法分析预判产品的成功率。

以黎湘艳所在的团队为例，他们做了一套模型，可以根据已经上线的1万多款游戏的历史数据，包含游戏类型、题材、画面、上线时间、百度指数、IP热度、研发商、发行商等40多个指标，预测出一款新游戏的成功率，“这套模型准确率在80%左右，该模型的细节在这里不方便透露太多，我也建议业内可以采取这种方法来做预测可以提前避雷。”

2.竞品分析

做竞品分析一般可以从这几个点考虑：该类型游戏的市场份额、产品特色、产品定位、市场和运营活动、百度指数、用户画像。

其中，

产品特色包含游戏的各个模块：商业化、养成线、社交等，以及各个模块的优缺点。市场和运营活动包含玩家口碑、前期预热推广、公测后市场推广、大版本更新节点和市场动态、运营亮点和失误。至于用户画像，我们可以通过爬取用户在各个平台的评论、玩过的游戏，能对用户进行画像，分析其行为和偏好，帮助制定有针对性的营销策略。

3.用户调研

黎湘艳指出，用户调研的核心思想是游戏目标用户定位，帮助解决游戏内问题。

“尽管我们可以用很多种方法来分析用户数据，但是再详尽的用户数据也有其局限性，即便是最为精细的分析也只能告诉我们用户在做些什么，而不会说明他们为什么这么做。数据分析师通过用户行为数据能够很容易地推测出某个行为规律背后的原因。例如，当一款MMORPG游戏的大量用户在某个等级流失时，你往往能够发现玩家在做这个等级对应的主线任务时出了问题，如果再深入分析数据，或许会发现没有好友的用户的这个任务的完成率很低。但是导致用户流失的其他原因，可能就没有那么容易被发现了，要找出这些原因就需要开展用户调研。”

用户调研的方法主要有7种，分别为：问卷调查、深度访谈、可用性测试、焦点小组、卡片分类法、影随法、眼动测试，其中前4种为最常用的方法。

用户调研和游戏数据分析一样贯穿游戏整个生命周期，以《游戏A》为例，不同节点的工作内容以及重点解决的核心问题如下图所示。市场营销、产品运营人员将根据研究结果制定对应的行动决策。

点击图片查看高清大图

“当然，不一定所有游戏都要按照这个模块来，因为调研的频率过高，用户可能会产生抵触心理，不同的游戏根据实际需求来选择，比如：自研项目，很有必做游戏体各模块体验反馈的调研，将问卷结果给到研发，做针对性的调整，数据能反哺研发。而对于引进游戏，如果不能进行二次开发，游戏内容项的调研可以适当减少。再比如，一款游戏在要做直播，可以做调查收集玩家意见，包含玩家喜欢的游戏内容、数据，希望有哪些互动，请什么嘉宾，增加什么环节等；再比如，一款游戏要出新的游戏周边，也可以通过问卷调查来收集玩家的建议，包含是否喜欢某种周边、可以接受的价位、希望能出哪些周边等。”

实际操作中可从游戏的三个主要阶段入手做用户调研：

1.在游戏立项期间做目标用户调研，可以了解到游戏/IP的认知度、目标用户的特点，洞察用户需求，构建目标用户画像，帮助产品确立正确的市场定位。

2.在测试期间做市场问卷调研，通过对用户来源，类型，体验感受，爱好和消费范围等信息进行收集整理，总结出目标用户的特点，并和立项运营阶段调查结论对比，验证目标用户。也可以能协助市场人员对于这款游戏应该在哪里宣传、对谁宣传、什么时候宣传、宣传什么，以及怎么宣传找到合适的切入点。

3.在测试期间满意度和流失调研，主要是想了解测试用户的基本信息及游戏行为特点；玩家对游戏系统设计、运营方面的体验及需求；游戏中哪些设计或运营方面的细节问题最终导致了用户的流失。最后总结玩家反馈及调研数据，形成对游戏运营建议。

正如黎湘艳老师所说的，数据分析师的工作就是“总结历史、预测未来”，数据分析师在团队中扮演着医生的角色，通过适配性分析、竞品分析与用户调研，从收集到的数据发现症结所在，协助运营团队作出诊断方案。

三、用数据驱动游戏运营

都说好产品是调优出来的，那么如何用数据驱动产品优化呢？

黎湘艳的回答是——“数据驱动产品优化不在于数据本身，而在使用数据的人。”

她认为一款手游从封测到公测，应该重点关注这些关键数据指标：

广告投放点击率、转化率（可以判断游戏素材是否吸量）CPC、CPA、CPR、CPL(导入用户的成本)激活率、激活且登陆率（判断客户短下载安装后的转化效果）留存率（判断用户粘度、游戏品质）付费率、ARPPU（判断玩家付费能力、游戏付费深度）LTV（用户在生命周期内为该游戏应用创造的收入总计）ROI（投资回报率，衡量产品的付出与收获是否成正比）

实例可参考：《游戏数据分析实战》（黎湘艳着）第2章：游戏关键数据指标

收集到以上数据，接下来便是如何对这些数据进行分析和研究。黎湘艳从实际的工作积累中总结出了14种常用的数据分析方法。

例如，有一款游戏某一天的收入上涨了，要找出收入上涨的原因，黎湘艳建议从这14个方向入手：

点击图片查看高清大图

点击图片查看高清大图

操作流程：

首先用对比分析法对比前一周或前一个月或一年的收入，收入上涨了多少。接下来用分组分析法对这些付费用户进行分组，分为大R、中R和小R。再看大、中、小R的人数和消耗金额占总付费人数和总金额的比例，是结构分析法。对比收入上涨前后的数据，可以看出是哪一类用户付费金额上涨了。如果看大、中、小R的人均消耗金额（ARPPU）就是用的平均分析法。如果看大、中、小R参与活动情况，比如打行会战的情况、装备持有情况、元宝（钻石）消耗情况等，用交叉分析法来做，让我们可以从总分的角度来观察数据。从账号到登陆、留存、付费的各个环节的转化，可以用漏斗分析法来做。有可能会发现收入上涨的这几天用户留存、付费转化率比以前高。将用户分类，比如分成高付费高活跃、高付费低活跃、低付费高活跃、低付费低活跃四个象限，为矩阵分析法。根据四象限结果，可以对每个象限或者矩阵采取相应的对策。用综合评级分析法可以评价每个付费用户在游戏里面的付费潜力。比如，取用户在游戏里面近7天付费金额、半年付费金额、1年的付费金额，把这些指标转换成一个综合指标进行排名，根据排名来评估付费潜力。有可能会发现，有部分账号近7天的付费金额排名靠前，但是1年的付费金额排名比较靠后，这些用户有可能是流失回归玩家。进一步分析，为什么这些用户流失了会回归游戏呢，是因为什么原因呢？可以用5W1H法，找出什么类型的玩家在什么时间什么地点因为什么原因而回归。找到了用户流失回归的原因，同样也可以分析这些用户之前为什么流失，可以通过一些指标来分析和用户流失的相关性。比如，是打行会战的挫败感太强了？游戏物价贬值太快？公会成员解散了？等等，把这些原因的数据指标找到后，看这些指标和流失的相关性，相关性越高则流失概率越高，这就是相关分析法。把相关性高的指标找出来以后，将这些指标做为自变量，是否流失作为因变量，用逻辑回归，可以得出用户流失概率。这里用到的是回归分析法。前面矩阵分析法对用户进行了分类，同样的也可以对用户进行聚类，比如，用聚类分析法可以区分PVP高活跃玩家，PVP低活跃玩家，PVE高活跃玩家，PVE低活跃玩家。在做聚类分析时可以用方差分析来配合，用方差分析可以找出异常值，把异常值找出来并剔除，聚类分析出来的结果会更精准。最后，如果想预测该游戏未来的收入趋势，可以用时间序列分析法来实现。

接下来就到了最终的话题——收益。

一切的运营活动最终目的都是为了让游戏创收，那么数据分析是如何帮助运营团队实现游戏的收益最大化的呢？

首先，了解玩家的付费习惯

关于用户付费习惯的基本分析思路就是看不同类型玩家的消耗分布，从不同类型的游戏共性上说，其实就是充值或消耗的占比。

黎湘艳在《付费习惯分析》一文中以一款MMO游戏为例，探讨了做付费习惯分析对游戏的价值：

一款MMO游戏，通过用户付费习惯分析得出经验珠的购买人数最多，神力珠的购买人排在第二。

然而，研发人员预想的是玩家主要购买的神力珠，其次才是经验珠。换句话说，就是希望玩家一上来就把钱砸到神力珠上面。

为什么玩家的付费习惯和研发设计的思路不符？

分析得出，玩家没有理解到底哪个性价比更高，他们并不知道哪一个性价比对于他们来讲是更好的，那么只能说这批玩家的付费习惯是追求明白、直接、看得见、快速生效的东西，他们在乎看得到的利益，而次一级的选择才是这种较为缓慢的利益。

如果活动引导做的不好，不会算的玩家的钱花错了地方，就会导致流失。

因此，需要通过收集到的数据了解付费玩家在游戏里的主要消耗方式什么？高中低端玩家的消耗方式有什么差异？有多少玩家愿意将多少金额花费在什么模式或道具上？有多少付费玩家愿意将所有金额花费在一种模式或道具上？

如此，才能帮助运营更精确地估算道具定价，使得道具获得最高的销售额。

黎湘艳从以下三个模块深入分析：

为了解不同类型玩家购买游戏道具的习惯，需要对付费用户进行定义。现根据玩家在游戏中充值金额分布情况，定义玩家类型，分为高端、中端和低端玩家。通过各模块的付费人数和收入分布，从宏观上了解这款游戏的收入构成。分析玩家付费习惯对比三类玩家将钻石全部用在一种模块上的比例差异对比三类玩家将不同比例的钻石用在各个模块上的比例差异

关联阅读：实现运营活动收益最大化 从了解玩家付费习惯开始

其次，注意“雨露均沾”

游戏公司普遍都将重心放在付费用户，尤其是大R玩家身上，然而对于数据分析师而言，小R甚至是非R玩家仍有衡量价值。

黎湘艳解释说，大R用户在游戏中的体验诉求自是和中低R用户有所不同：

一方面，大R需要簇拥感，要有炫耀和展示的对象或环境，而中低R用户的存在恰好就能迎合这一点，所以对中低R用户诉求的满足也同样是有价值的，维系基层用户才能更好的挖掘或扶正大R的体验，这一点是相辅相成的；

另一方面，从品牌营销的角度，从传播推广的角度，占比更大的普通用户才是重心，口碑由他们而起，节奏也会由他们而起，维系尺度的好坏也会影响到这些。

“其实说通俗一点就是‘雨露均沾’原则，当然，当中也会有一定的偏向性，对于中低端用户的需求迎合可能会更偏向于易用性、游戏性、功能性这些方面。平衡性方面，数值驱动的游戏是不会倾向于中低端用户的，最多是考虑保证中低端用户的生存空间，不可能对一些破坏付费体验或者项目收益的建议做响应的。”

最后，拉收活动及其效果分析

运营活动策划一般会通过消耗和付费（充值）活动来实现拉收（入）的目的。

黎湘艳指出消耗类活动有两个目的：

“一是去存量。”

即把服务器内或玩家手上现有的存量道具消耗掉，为后续付费活动打基础（比如计划后续卖礼包，而礼包内的道具服务器现有存量较大，那效果就不会好，通过消耗类的活动可以道具存量降低，后面再卖自然效果就会更好）；

“二是计划上过量消耗让玩家直接产生需求上的缺口，那就会直接产生付费需求。”

这一点上无论做的是道具消耗还是代币消耗，原理上是差不多的，区别是直接程度，包装上有差异。充值活动就更直接，直接通过打折或加赠的方式形成活动优惠效果，刺激玩家直接付费。

“但从整理效果来说，消耗和充值就是相辅相成的，从节奏上来讲，一消一充一循环，是比较常规的做法。你做了充值活动就会产生更多的一级代币存量，你要想办法消耗掉才能继续保证充值需求，达成刺激效果。”黎湘艳补充到。

道具打折与送券是常见的两种方式，那么选用那种方式更能实现收益的最大化呢？这就需要数据分析师通过分析数据评估。

历史活动的数据有很好的参考性，数据分析师根据历史活动的数据来预估活动期间收入，得出最优的活动方案。分析思路如图所示：

点击图片查看高清大图

ps:关于数据分析模型，详见《数据驱动游戏运营》“打折PK送券？怎么做收益最大化？”章节。

四、游戏数据分析有前景吗？

在游戏行业十余年，黎湘艳亲历了游戏行业和数据分析师的发展。回望游戏行业的发展史，她将其分为机遇型、经验型和数据型三个阶段：

早年的网络游戏抓住机遇就有可能成功；随着游戏数量越来越多，有经验的团队成功的机会更大；而到如今，大数据加上系统的分析和应用数据成果形成的“经验”无论在量还是质上都已经完胜个人多年积累的经验。

“我相信在未来，数据运营在游戏行业将发挥更为强大和决定性的作用。”

话外——新书出版：分享知识是一件很快乐也很有意义的事情

今年黎湘艳的新书《数据驱动游戏运营》出版了，这是她继《游戏数据分析实战》之后的第二部著作。这本书在带给行业帮助的同时，也让她看到了自己的成长。

（以下为黎湘艳自述）

第一本书《游戏数据分析实战》出版后，我收到了很多读者的消息，得知本书给很多人的工作和学习带来了很多帮助，甚至成为了大学教材，这让我感受到了分享知识是一件很快乐也很有意义的事情，让我有了继续分享的愿望和动力，从而诞生了第二本书《数据驱动游戏运营》。

在本书的创作过程中遇到的最大困难是时间，因为工作比较忙，为了写书，每天晚睡，几乎都在0点之后。

在实际工作中，数据分析师一般会偏向运营分析或者市场分析，两者比较难兼得，而本书把数据、市场和运营完整结合起来了。分析师往往只能看到方案结果，但是不知道市场人员是如何解析的，也就是他们根据哪个数据制定了哪个方案。为了弄清楚整个过程，我找市场人员聊天取经，看市场营销的书籍，最后在书中呈现了一个完整闭环。

第一本书《游戏数据分析实战》，我称它为小白书，是游戏运营人员数据洞察入门的必看书，可以当数据分析工具书。

第二本书《数据驱动游戏运营》，我称它为小黄书，是针对一个具体案例展开，挖掘游戏产品生命周期中的细节，更加落地。不单运营人员，从业者都可以比较容易地了解一款游戏产品在运营过程中的全貌。在工作中，遇到问题了，翻开查一查，我相信能从本书中找到你想要的答案。

叶圣陶先生说：“认真地学习写作也不是什么艰难的事情。简单地说，自己有什么就写什么，就是认真。一件事物，你知道得清楚的，一个道理，你明白得透彻的，一个意思，你思索得周到的，一种情感，你感受得真切的，这些都是你自己的东西。”

我把写书的本质理解为“表达自己的意思”。

我在认真的做我自己想做的事情。

扫码前往京东商城购买

当当网购买地址：

http://product.m.dangdang.com/28521276.html?t=1587993928