《遊戲分析數據實戰》:為什麼玩家為什麼流失?營收為什麼下滑?

 

遊戲業很少類似關於運營分析的題材,這本《遊戲分析數據實戰》是本少見的作品。作者是盛大的數據分析師,2018 年出版的書籍(本書只有簡體)

我覺得這本書對進入遊戲業三年之內的營運人員幫助應該會蠻大的,畢竟難得有類似的書籍統一整合各種可能會碰到的數據分析案例。但更重要的是,我認為這本書的重點不是在於各種分析方法,而是給你各種分析的「角度」參考。

對我來說,數據分析的重點就在於角度。你用什麼角度,來判讀或深挖你手上這份數據或問題,才能形成事實的面向。因為遊戲業營運的大問題通常就兩個:「玩家為什麼流失?」「 營收為什麼下滑?」所有問題都是從這兩處,以不同角度去不斷思考,去找尋答案的。

以人流失的問題為例;有一句武俠小說最常聽到的名言:「死人是不會說話的」這也是遊戲業分析流失最頭痛的地方。

以數據面來說,我們通常會以玩家最後留存的等級、地圖、或是任務,來解讀玩家「當時為何離開的原因」。但你的判斷正確與否,玩家是不會跟你說的,必須結合你對遊戲、市場、玩家、人性的了解,才能有接近準確的判斷。

例如有一種方式是透過問卷或電訪。但問卷通常有嚴重的倖存者偏差,它只能告訴你玩家為什麼留下,因為離開的人是不會填問卷的。我以前嘗試過電訪,跟作者的結果類似,大部分的玩家回應流失原因都是:「太忙,沒時間玩」

玩家如果真的太忙就不會下載遊戲了,所以這是禮貌上不想傷害對方,或不想浪費時間的回答結果,說穿了就是標準答案。例如你接到不想回答的訪問時,最常說的大概就是:「我現在沒空」

最後是找一群玩家來公司試玩,透過各種設備:譬如眼球注視熱區儀器,觀察玩家玩遊戲的感覺或行為,藉此進行判斷與記錄數據,目前規模比較大的公司都會採用這種方式;而小公司受限於設備和樣本不足,這樣的測試更容易產生偏差。你至少需要一個玩家可以獨處,但也可以監控他的房間,要不然只要官方有人在場,都會有霍桑效應(Hawthorne effect,也就是受訪者知道自己正在接受訪問,為了獲得報酬或是其他理由,會做出訪問者想要的回答)產生。

我年少時也曾辦過幾場類似的活動,發現只要官方人員在,結果都差不多,很難提供良好的運營參考,而且這種方式也只能測試進入遊戲的前幾個小時,第二天以後的流失就很難這樣找出來。所以業界普遍的做法還是回到數據+判斷的方式,比誰的判讀解釋能力高。

不過這本書給了我另一個靈感:就是從玩家的對話監控來找問題

我們可以從玩家的對話中,負能量最高的詞來判定問題點出在哪裡。譬如「找不人組隊呀」、「抽不到好卡」的詞彙的比例若過高,那可能就跟流失息息相關。甚至如果對應的數據支持,就更能找到發出負能量玩家後續是否真的流失,就能確定這些詞彙是有實質解釋力的(順便一提,我認為遊戲的對話監控是有留存的必要性。因為許多玩家會在遊戲中謾罵,甚至有詐欺行為,保存證據有助於事後協助執法單位)

集群問題也是另一個讓我重新思考的點。遊戲業通常用等級,付費來區分族群。一般從業人員傾向把這兩件事情分開來看;譬如用等級來看流失狀況,用付費(ARPPU、付費比)來看收入的影響。但常被忽略的一點是:用等級來看對收入的影響,或是用付費來看對人數的影響。

有時收入出現問題,是營運活動忽略了某些等級區間族群玩家的需求;而有時人數出問題,是沒有持續讓玩家在付費上有需要,使得大戶流失,而他們通常是遊戲內的意見領袖,容易帶動遊戲內其他玩家的走向。另外,已付費玩家的留存率,通常是未付費玩家的好幾倍,所以付費率也會帶動留存率。

總而言之,我覺得這本書對於遊戲從業者來說,還是值得一讀的,但也同時需要注意幾個問題;

1. 很多案例不一定適合台灣與現在的產業環境。譬如對於流失玩家的分析,案例多以大品牌的遊戲來看,所以書中有個案例是,用戶解安裝超過七天才代表真正流失。但以現在的手機遊戲來說,基本上兩天沒登入,大部分遊戲就可以判定該玩家是流失了。

2. 裡面非常多的文字與數據,但建議觀看時先看圖表,看結論就好。有令你意外的結論再回去看文字,不然容易迷失在文字數據中而無法前進。

最後小結一句話,我認為遊戲業數據分析的根本,還是來自於我們對人性的理解。小小的個人淺見,僅作參考。另外遊戲業有人願意分享經驗並集結成冊,真的很難得並抱持感恩之心。


作者|Hsin Yuan Liang
來源|https://www.facebook.com/photo.php?fbid=10156937610874177&set=a.10150123976214177&type=3&theater
作者 FB |https://www.facebook.com/hsinyuan.liang

Share:

More Posts

Send Us A Message