序言

相关，打开计算机搜索数据可以获得这个定义“是指使用适当的统计分析方法分析收集的大量数据，获取有用的信息和形成结果，但详细研究和总结数据的过程。简单来说就是从大量数据中提取信息。然而，作为一个标准的数据分析，定义中提到的过程只能说一个分析中的准备工作。

易经有云“智者见智，仁者见仁”。不同数据的人会获得不同的信息。虽然不同的人有不同的意见，但有时分析的目的可能是不同的意见，有时只有智慧才有价值。

以前有同事经常问我为什么我们单位那么多分析师每天都在研究游戏，分析游戏数据，但是团队从来不愿意忽略大家，我也没有好的报告。我可以给他举个例子：一旦我们有人给龙谷游戏做了分析报告，一个非常重要的结论是“选择法师玩家几乎选择女性角色，选择士兵玩家几乎选择男性角色，所以推断一般女性玩家喜欢法师，男性玩家喜欢士兵”。从这个结论来看，没有什么大问题。如果有问题，这样的分析没有直接给出建议，也就是说，没有指导游戏规划涉及什么样的游戏内容来满足玩家的偏好。但是游戏的实际情况是什么呢？任何接触过龙谷的人都能理解这款游戏最基本的特点之一——龙谷只有一个职业(女魔法师、男战士、男法师、女舞者、女科学家等)。).换句话说，玩家选择一个职业后，就不会选择其他权益(至少在2014年之前)。此时此刻，每个人都回顾了报告的观点，第一反应将是“所以基本的游戏特征还不知道，还在那里写分析报告，这绝对是盲人触摸大象的真实版本！”我没有时间花在你身上。因此，从数据中提取信息只能是数据分析的准备。

数据分析还应该包含哪些内容？就我个人而言，我认为标准数据分析应包括以下阶段：建立分析目的、业务掌握、信息筛选、数据观点、业务指导建议的结论和分析报告的总体设计。以我做过的一份分析报告为例，看看数据分析需要做哪些最基本的工作。

案例数据分析

为了拯救玩家，大多数网络游戏必须做一个活动——玩家招募，名称可能不同，方法可能不同，或客户服务实施，或玩家实施，或在线，或离线，但核心内容基本相同。我曾经参加过几场大规模玩家招回活动。分享其中一款游戏的相关分析。台湾GA黄金甲平台

分析环境：本游戏在一年内进行了两次大规模的“朋友招聘”活动。本报告用于评估第二次活动结束时的第二次活动效果，并找到活动的改进点。

游戏中有成千上万的行为数据，如登录、移动、聊天、交友、购物、任务、团本等。任何内容都可以反映玩家的活动，但并非每一项都是必要的，甚至有些内容的解读也难以实现或方便实现。例如，玩家可以在1分钟内向不同的玩家发送3到4条信息，如果没有文本挖掘，几乎不可能得到玩家的想法。即使进行相关探索，也需要两个多月的时间进行相关研究，这对于一款游戏和一款游戏类型的运营来说是完全不可取的。

因此，我们需要从立足点思考，从众多游戏数据中选择最重要的数据进行分析。

因此，我们需要从立足点思考，从众多游戏数据中选择最重要的数据进行分析。本活动属于丢失用户的回收活动，因此丢失用户的登录数据显然是对活动效果最简单、最直接的解释突破。

1. 玩家登录

1.1重返客户登录数据

注：低端客户1、2、3：游戏总成本小于1万元，按等级分为三个等级段，其中一个代表高级，三个代表低级。

从上表可以简单看出，第二期活动的召回率远高于第一期，从15%上升到20%，主要是低端客户(1、2、3)带来的。但是这个时候能判断第二期的效果比第一期好吗？自然不是，因为活动的目的不仅仅是让外国玩家回家登录游戏，而是让玩家再次留在游戏中，所以让我们来看看用户保留的相关数据。

1.2重返客户的月登录日数

从上图可以大致看出，第二期回归玩家的登录日更集中在15天以上，而第一期更集中在15天以下，尤其是图中圈出的两段。

这时图中还是有一个显著的缺陷，数据点(柱)太多，只能大致看到一个结果，到底是否真的还不确定。因此，有必要整合游戏和活动特性来合并数据点，特别是在大多数时候。由于第二阶段的活动是以不断兑现奖励的形式（客户可以在返回后的一段时间内每天收到礼品包），每五天是一个巨大的奖励节点，第一阶段分为10天，第二阶段分为18天，因此图片合并成如下图所示。

从上图可以清楚地看出，第一期回归玩家在“11-15”天达到峰值后大幅下降。虽然第二期回归玩家在“11-15”天也达到了峰值，但未来的跌幅明显低于第一期，从那时起，每个时间段的比例都高于第一期，总比例达到39%：49%。

这种解释或结果可以吗？

事实上，以上只能被视为“简单数据”，这是许多分析师经常犯的错误。他们认为把图表或报表翻译成文本是可以的，这可以作为结果或观点。事实上，事实并非如此。这就像画人物时你只画骨头一样。乍一看，你也画得很好，突出了你强大的基础。然而，对于普通观众来说，这显然不是他们想要的。他们更喜欢看有血有肉的角色。他们不会喜欢你画的东西，但他们会感到可怕、无聊和回避。同样，你的数据分析观众也会觉得：你写的是什么？我一点也不明白。你只能玩数据，我不知道为什么数据是这样的，它代表了什么，就像一个书呆子，我认为它非常高超。因此，比教学合理的图表结果应如下：

①在第二阶段的过程中，回归客户获得所有奖励(10、18天后，由于种种原因再次流失。

②第二次活动最后留下的客户会比第一次活动多25%左右，说明虽然每次活动收到奖励后手机游戏都会外流，但可以给玩家更多的时间去了解新游戏的内容，结交更多的朋友，创造更多的关系网络，从而增加玩家留下的想法，最终提高保留率。

③在第二阶段，回归玩家在第八天出现了一个外流高峰。

自然上面的结果叙述并不完美，但至少有以下功能：

①“揽客”：将数字的比较、涨跌转化为玩家在游戏中的行为内容，并结合活动特点阐述了各种行为的原因；

②发现问题：招募回来的玩家将再次回归；

③突出效果：第二期活动通过增加兑奖时间，提高了玩家的保留率，表明活动正朝着良好进化的方向发展；

④重点分析：本次分析的核心是第二次活动，因此，独立提取了第二阶段活动的关键信息。

现在有了以上结果，我们也可以给出一些相应的建议：

①玩家回归后仍会流失，游戏策划应设计大量适合这些玩家的游戏内容；(严格来说，这个建议是可以删除的，因为这真的不是一个建议，因为所有的游戏策划都理解这一点)

②对于第二次活动玩家在第8天的外流高峰，在第7或8次的下一次活动中适度提高奖励，加强玩家对奖励的期望，然后诱导玩家继续留在游戏中，给游戏更多的时间向玩家推送内容，努力离开玩家。

（这个提议很简单，但很有价值，他可以真正应用于活动优化，真正提高玩家的保留，这也是一个分析规则，深入的数据分析技能有时不如最简单的数据统计有意义，总是记住“没有低法力，只有低法师”。）

1.3重返客户的月度保留数据

事实上，登录数据分析可以在上面完成，但如果有时间，你可以填写一些简单直接的信息来证明你的想法（贡献）：第二阶段的活动效果比第一阶段好。

从图中可以看出，第二阶段活动的用户保留率比第一阶段高210%。换句话说，第二阶段活动招募的玩家比第一阶段活动的平均玩家多登录游戏两天，这绝对是终端游戏的定性改进。这是因为第二阶段优化了兑奖流程:①.提高领奖间距；②.提高了最初几次奖励的价值。这是因为第二阶段优化了兑奖流程:①.提高领奖间距；②.提高了最初几次奖励的价值。