本文由蔡林鸷独家投稿，授权游戏葡萄发布。
一、无力的数据分析师
数据分析团队几乎开始成为所有手游公司的标配，谁都觉得自己应该建立（接入）一个数据分析平台，然后招几个数据分析师，似乎不这么做，都不好意思说自己是互联网圈的。
But，你认真想过：
我真的需要建立数据分析团队吗？
行业的公司对数据分析，常见有这么几个观点：
1、我招一个会取数的就好，我叫他取数据，做一些简单的处理，我来分析，就足够解决我工作中的问题了。
2、我一定要对我产品的数据了若指掌，而且越细肯定越好，这样我就会知道产品哪里有问题，怎么改，这样才（就）能帮助我修改我的产品。
3、我是一家大公司，又不是独立开发者这种穷鬼，怎么会去用第三方统计平台这种功能标准化的玩意？我一定得建立一套自己的分析平台，最好是BI系统。
4、数据挖掘已经很成熟了，如果我招到一个这方面的高手，他一定能 搞出一套套模型来帮助我提升留存、提升付费率。
其实上面几种说法都没错，但是，你真的知道数据分析能够解决什么问题吗？哪些是你想要的？还是你只是追求安全感走一步是一步？
数据分析的四大期望——观察、诠释、评估、应用
所以你觉得招一个数据分析师，最重要的是帮助你解决哪些问题呢？
我问过不少人，他们一般说：
首先是诠释；
（知道发生了什么没啥用啊，知道为什么才重要啊！要不我怎么改呢？）；
其次是应用；
（这个最直接能为我提供收益啊，如果能有当然最好啦）；
观察和评估这2个不难，现在很多第三方平台都能帮我做啦，我自己定义下，程序也可以帮我弄一个平台呀。
对不起，恰恰是这2条是最难达到的！甚至达到也是会让你失望的！
关于诠释：耗时耗力，且不一定能很好的诠释！
案例：发现3日留存不够理想，想知道是什么造成的。
数据分析师：2-3年工作经验（5年以上分析师一般已经不亲自干这种活）
常见工作流程：
1. 发现异常
需求：需要一个数据平台，或定期取数观察此数据
操作：定期观察数据
2. 提出假设
需求：需要一个有业务理解的数据分析师
操作：
列举3日时，玩家通常等级、接触的玩点：
熟悉——直接列举；
不熟悉——预研究（取数、统计观察）
猜测玩家流失可能原因：
某类必备道具或能力由于种种原因未能获取，导致游戏进度困难流失。
某个关卡未能通过，卡住玩家，导致流失。
3. 取数
需求：1、数据仓库；2、配套数据仓库维护员；3、具备数据库操作技能；4、常见相关记录如 登录数据、任务接取情况、等级、金币、装备、宠物……
操作：
取出以下数据：
注册表、登录表（按日）、登录明细表、相关任务Log、等级表、金币表、装备相关表、宠物相关表。
4. 清洗
需求：具备数据库操作技能
操作：
清洗得出以下数据：
是否第三天流失、任务是否接取、任务是否完成、任务完成时间、最后停留等级、最后库存金币、最后装备分布、最后宠物状况
5. 分析
需求：有基本的分析能力
操作：
对比流失与非流失玩家在第三日时，各项关键游戏数据、各个任务接取率、完成率
绘制各等级流失率数据，观测流失高峰
按任务的序列绘制流失率数据，观测流失高峰
6. 撰写报告
需求：有报告撰写能力
结论来了！！！在第三日的时候：
1. 流失与非流失玩家，各项关键数据未见明显差异，各任务接取率、完成率未见明显差异。
2. 22-25级的流失率相对较高，有一个偏高的峰。
3. 按任务序列未发现明显流失高峰。
悲催的真相
1. 悲催的可能性（一）
玩家在22-25级左右会在某张地图打怪，而这些怪附近恰好有其他较高等级的任务怪，高等级玩家在附近做任务就刷掉了所有怪，导致22-25级玩家升级缓慢，无聊了一整天，自然就流失了。
悲催指数：三星
理论上分析师要是敬业一些顺着22-25级流失率偏高往下挖是可以抓到的。
其实如果是这个原因根本不用那么麻烦，下一章会详述。
2. 悲催的可能性（二）
其实就是这游戏太腻味了，玩家觉得没啥新鲜感，到了第三天自然流失罢了，留下的那些玩家只是恰好比较有耐心而已，为什么集中在第三天流失，只是因为第三天开始重复程度比较高，已经没有新鲜玩点、以及目标感支撑......
悲催指数：五星
这个杀了分析师也研究不出来，就算他猜到了，也没法证明。
上面是一个非常常见的数据分析师日常案例，在这个案例中，我们可以看出：诠释一个异常数据的原因，对于数据分析师是一个冗长的工作流程，而且不一定能很好的诠释。
即使能准确诠释，很可以意义也极为有限。
例：我们经常通过对关键节点埋点来发现流失高峰，并且找到这些关键流失的问题，并且调整解决它，从而削掉这些高峰。
但是不知道大家有没有在实战过程中发现这样一种现象，你削掉了这些高峰之后，绝大多数情况下，只是让流失节点的数据变得平滑了，而整个留存数据也只是变得稍微缓和了一些，并没有改变整个留存曲线的大的态势。
这又是为什么呢？下一章会详述。
关于应用：不要迷恋哥，哥只是个传说！
【应用】涉及更加复杂的数据挖掘模型与算法，也就意味着更高端的人才，更长的研究周期。我简单举个例子说明：
一个悲催的真实案例：
我的一个好友，也是数据分析行业的大牛了，他的团队给一款手游做了一个分层激励模型，并且部署上线，这个模型的效果是让付费率提升了200%左右，这已经是这类模型的经典战例了，可以说是效果显著。
但是实际对游戏收入的提升仅仅只有2-3%，原因很简单，因为这款手游的大R影响力太强大了，那些小R即使数量翻了一番，也根本无法影响到大局。
数据挖掘在产品中的【应用】确实可行，但对于中小型CP、发行属于性价比很低的事情，若一定要做，建议选几个特定的命题去做，下一章会详述。
为什么数据分析会有这样的无力感？
二、局限的缘由
1. 冗长流程
用数据来诠释原因其实是最最苦逼的方法。
2. 解释困难
过于依赖数据记录的完整性，以及分析师的预判能力导致了数据分析解释异常数据的困难。
案例：
数据异动现象：
在第三日的时候
1. 留存率不够理想
数据诠释原因结论：在第三日的时候：
1. 流失与非流失玩家，各项关键数据未见明显差异，各任务接取率、完成率未见明显差异。
2. 22-25级的流失率相对较高，有一个偏高的峰。
3. 按任务序列未发现明显流失高峰。
背后真相：
可能性1：
玩家在22-25级左右会在某张地图打怪，而这些怪附近恰好有其他较高等级的任务怪，高等级玩家在附近做任务就刷掉了所有怪，导致22-25级玩家升级缓慢，无聊了一整天，自然就流失了。
可能性2：
这游戏太腻味了，玩家觉得没啥新鲜感，到了第三天自然流失罢了，留下的那些玩家只是恰好比较有耐心而已，为什么集中在第三天流失，只是因为第三天开始重复程度比较高，已经没有新鲜玩点、以及目标感支撑......
解释困难的缘由：
现实中的现象千奇百怪，很多事实是数据不一定会记录到的（如：玩家对游戏腻味了，逐渐失去耐心），而只要当时这个事实未能在数据中被记录，这个真相就无法被数据分析发现、还原；
即便这个数据被记录了（如：打怪），但是若是分析师没有注意到这个点做出研究假设（未能竭泽），这个真相就无法被发现。
3. 无力改进
数据分析发现的问题，只能改掉毛病，但是无法找到产品根源性问题。
案例：
如上图案例所示：
数据分析发现了各等级中流失率异常的点，并且也发现了原因。
并由策划进行了调整，在版本更新后抹去了这些流失的高峰，但是从下图的留存数据上看，我们会发现这3个点异常高峰的抹去，对总体留存的挽回杯水车薪，并没有扭转整个留存持续下滑的颓势。
这是因为：
数据只能消除那些因设计失误而带来的问题，但并不能使得游戏变得更加精彩，或者玩点更为丰富，因此，即便解决了这些问题，也不能使得游戏产生质的飞跃。
应用：
在实战应用中，数据挖掘技术在游戏中的应用，往往有这样几个现象：
人才昂贵，而且需要配备更全面的数据体系支撑；
即便定期立项课题，却鲜有斩获；
即便有产生效果，也多为小胜，锦上添花，少见有非常突出的贡献（有一般是基于某个目的而建立的数据挖掘团队，如竞技类游戏的匹配算法）。
为什么这样，这些年的经验给我的启发是：
游戏体系不同于一般的App体系。
我打个比方：游戏的整个体系（世界）在设计之初，都是策划（上帝）刻意创造出来的，强加的规则远比一般的App来的多，而规律也会相比其他App更加遵照策划（上帝）想象的规则。
而我们在【应用】中，往往期望能够发现一些策划想象不到的规律（类似数据挖掘中的神话“啤酒与尿布”案例），并且还希望这个现象能够对游戏改良（促活、增收）产生收益。
而实际因为在游戏中，特别的规律实在是非常多，而多数的规律往往是策划刻意为之，机器（算法）并不知道哪些是有价值，哪些是已知的。
因此会导致数据挖掘工程师在游戏数据中的挖掘效率变得更加低下（因为会比其他领域发现更多本就可以想象的事情）。
虽然困难，但并不表示，数据挖掘无法在游戏中很好【应用】
在数据挖掘技术【应用】的实战中，我发现：
1. 识别某类群体（如：工作室、外挂）
2. 预测某类行为（如：流失预测）
相对容易产生好的【应用】。
以上还只是游戏行业数据分析的通病。
我们再次回到今天范畴——手游，由于手游的特质，会导致数据分析更加的局限。
手游特质
基于这3大特质，数据分析应该重点做什么？
怎么办？
我们回到上文的结论，为什么会【发现】易，【诠释】难？
1. 数据分析属于竭泽而渔的做法；
2. 数据分析可以发现出了什么问题，但是却很难发现为什么不够好；
但是往往不够好才是留存差的关键！
我打个比方：
决定一个妹子喜欢不喜欢你的重点，并不在于你有没有干什么蠢事（一些关卡的设计失误），而在于你帅不帅（美术风格），是不是她喜欢的风格（游戏类型），是不是一个有趣的人（总是能给她惊喜）。
你改掉那些蠢事毛病，能做到的只是，不要因为犯蠢而导致某个本来会喜欢你的妹子离你而去。
所以对于一个游戏：
1. 不犯错固然重要；
2. 花样挑逗才是维持留存的关键！
我们在这里并不是讨论设计游戏的方法，只是借“不犯错”“花样挑逗”来看看数据分析是不是能帮上什么忙。
关于“犯错”：数据分析确实可以发现犯错了（妹子不开心了，数据表现异常了），但是前文说了想要诠释为什么这事其实数据分析并不拿手。
关于“花样挑逗”：数据分析想知道挑逗是否成功（妹子High了！），这个就有点为难数据分析师了。
其实我们根本不用这么纠结于非要用数据分析来诠释我们哪里犯错，也不用去判断是否挑逗成功。你见过谁去搞一个可携带设备通过观测妹子生理参数（额，好像污了）帮助屌丝把妹的？
所以我们不要把自己限制在数据中思考问题，问题就迎刃而解。
三、玩家视角看玩家
既然我们发现，数据分析由于上文种种原因，很难帮助我们通过【发现】【诠释】去让游戏的品质产生质的变化，从而帮助策划“泡”到玩家。那么我们该怎么办？
“春江水暖鸭先知”，如果我们真正回到【玩家视角看玩家】，上面那些破事根本就不是个事情！
何谓【玩家视角看玩家】
说个故事，是我刚入行的时候的事情：
有个运营总监，特别不爱看数据，特别喜欢看玩家原话，于是我们各种装逼做出的各种数据他都不是很有兴趣，只想看玩家原话。
那时候我的内心是崩溃的，老子用了这么高端的数学模型，这么深入的分析，做出这么深刻的分析！居然比不上玩家原话，MDZZ！
过了许多年之后的今天，我突然发现这个要求其实是非常有道理的。
只是这种所谓的“玩家原话”并不是我们直接理解过去的玩家原话，比如客服反馈的玩家的意见，或者是我们电话调查玩家：你有什么不满意的地方啊？你为什么流失啊？
为什么？
和把妹一样，Care你的人才跟你吐槽，懒得鸟你的人，绝对不会跟你说那些背后的真相的，所以如果分手的时候问妹子原因，常常是好人卡。
而客服反馈那一般回来的都是：哎呀，太贵了！唉呀，太刮金了！唉呀，太卡了！唉呀，爆率太低呀！唉呀，太不平衡了！
如何【玩家视角看玩家】
所以怎么办呢？
再给大家讲一个我“少年”时的故事，那时候我们招了一个人类学的硕士，跟我们提到一种研究方法：“田野作业法”。这是社会学和人类学里面的一种基础调查法。
这哥们打算怎么在游戏上应用呢？
很简单就是深入玩家，跟玩家一起玩，然后玩几个月给一份报告，于是我的内心又奔腾了，MDZZ！
过了许多年之后的今天，我又发现了当年其实ZZ的是我（咦，为什么说“又”？），因为回顾那几年我自己做为“分析师”做Case的时候，为什么能做出推动游戏重要改变的Case，为什么能说服目空一切的策划，本质是因为我有意无意的用了“田野作业法”。
那么我今天又是给大家说了一句屁话吗？你只要进游戏和玩家一起玩，自然就会发现：1、你犯错了吗？2、犯了什么错？3、你挑逗成功了吗？
其实这里还是有一点点门道的，如果只是简单问一句怎么样？好玩不？喜不喜欢？
那就好比：相处两天就对妹子说：你觉得我这人怎样？喜欢我不？为什么不喜欢？有没有觉得哪点比较喜欢的？我只好替妹子说MDZZ！
所以，如果你想知道妹子（玩家）内心的真实想法，那么不要轻易开口问，你要做的是观察，如果一定要问也一定要通过妹子的“闺蜜”去问。
【观察】的学问
观察？我们到底要观察什么？怎么观察？
回到我们的原始目的去看看，我们的目的是：1、别犯错；2、努力找到玩家的High点，变着花样挑逗他。所以冲着这个原始目的，观察的时候我们要抱着什么样的目的去呢？
1. 观察目的
2. 观察维度
请注意：观察维度，只是帮助你更好的记录你观察到的现象，而最终你的思考还是需要指向观察的目的：
How：我的每个设计玩家有什么反应？
Why：他们为什么有这些 好或不好的反应？
Enough：我做的足够好了吗？能让玩家逐步沉溺于我的游戏吗？
从而反省，你觉得你这样的表现能泡到这个妞吗？哦，不，能吸引到这个玩家吗？
3. 观察的有效性
灵魂附体：又些文献中又称“通感”。
如果你在观察以及跟玩家的沟通中能做到对玩家的每个想法、情绪、行为感同身受，认为：“哇靠，是我也会这么想、觉得、做”，那么就可以认为你达到了这个状态。
如果你到达了这个状态，那么我认为你的观察就是成功的，有效的。
4. 【观察】与【数据分析】对比
玩家视角观察，数据视角分析，在保障游戏品质上的作用差异。
总结起来：
如果你想迅速知道产品表现如何，那么数据是一个很好的帮手；
如果你想知道产品为什么是这样的表现，那么进行“玩家视角的观察”是最有效的手段。
虽然很多人也都知道这个道理，但是往往策划、产品经理，还是会选择让数据分析师帮他去解决分析数据，为什么呢？
其实原因很简单：“懒”！
因为观察需要主创团队自己去啊！！！
所以这种事还是丢给数据分析师吧……
5. 【观察】的工具
最后安利一个挺有意思的小产品，一帮数据和用研出身的朋友做了一个叫Uta Testing的东西。
他们做了几件与我观点不谋而合的事情：
可以指定目标玩家；
观察了情绪；
提炼的问题点；
我觉得这个产品最大的价值：
展现形式是新颖的；
符合我前面说的“玩家角度”的观察；
直观、便利、一目了然，不易有分歧；
最重要的是——主创团队可以名正言顺的偷懒了。
关于作者：
蔡林鸷，原网龙商业分析部首席分析师，91数据分析团队创始人，91RTB广告项目发起人。游戏咨询分析老油条。
