您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
龙创悦动(龙创悦动网络)
数据,视角,用户龙创悦动(龙创悦动网络)
发布时间:2020-12-06加入收藏来源:互联网点击:
很多朋友想了解关于龙创悦动的一些资料信息,下面是小编整理的与龙创悦动相关的内容分享给大家,一起来看看吧。
本文主要内容:
不同视角下的数据用途游戏行业的查询与分析龙创悦动的数据应用案例一、不同视角下的数据用途不同视角下的数据用途不同,包括用户视角、服视角、发行视角。
用户视角指从单个具体的用户角度去看所包含的数据。
服视角指从服务器的角度去看单服的整体数据。比如网游有一定的规模限制,为了扩大或突破规模限制,出现分服、活动、社交裂变等多种手段。在这部分的生态视角中,其数据本质是需要监控该限定规模的环境是否健康、玩家比例是否合适等,开发、运营、发行三个角色都会较为关注该部分的生态视角。
发行视角指从渠道和国家的视角去看待数据,发行角色的同学对该部分会较为关注,他们需要甄别出不同渠道的优质程度和不同地区潜在玩家对不同题材的喜好,从而尽可能触达到更多的高付费人群。
二、游戏行业的查询与分析在上述视角中,可以总结出数据的两种用途:查询与分析。
第一,查询。游戏行业在查询,查询的条件要相对灵活,其次是较好的时效,第三是较快的速度。其中速度方面会被很多人忽略掉,认为查询的速度慢一点并没有什么太大的影响,但在实际业务中,每天能做出的查询动作是有限的,查询速度的滞后会阻碍下游分析层面的进度。
第二,分析。分析其实更加考验的是个人能力,在头脑风暴后,需要一个机制将这些跳跃的思维进行规范化地整理,将不同的数据和思路放在一起进行比较分析,归纳总结,剥离出可以对决策进行支持的内容。
三、龙创悦动的数据应用案例1、龙创悦动的大数据应用架构图
在介绍具体的应用场景前,先介绍下龙创悦动的大数据应用架构图。
对游戏行业来说,数据源非常重要,如若数据源头的质量有问题,剩下一切都将付诸东流。如图所示,最下部分的“第三方”指类似于广告投放的第三方,它们会接入一部分数据,“实时数据”供机器学习用的,“日志”数据会导入神策,进入神策 Event 表,同时“第三方”数据会每隔一段时间就会去更新用户属,对优质渠道进行筛选,会将渠道投放的资金分摊至每一位所获用户,代表每一位新用户的获客成本。
在神策之上,搭建 doris 层及 BI 层,以 doris 为数据源做聚合分析。第三方数据会进到 doris,一起和 BI 支撑聚合多维分析,但该分析相对固定,灵活度不及神策。其实在游戏行业中,运营、策划、开发等非技术背景的从业者都会对技术架构以及数据分析的理解存在一定的障碍,龙创悦动通过一些简单的方式,去将其向该方向引导,可以让游戏的数据负责人给出相关人员需要关注的核心指标及报表数据,引导并带领大家更好地理解。
当日志进入神策,企业就会获得所有的行为数据,之后通过 DNN 做算法从而生成用户向量,在以往的 A/B test 中,只是通过两批用户对比分析获得最终的整体效果,而现在可以通过用户向量的方式,找到在用户向量空间里距离最近的用户,做出一次更为靠谱的 A/B test。
2、龙创悦动应用查询和分析的 3 种方式
第一,变量分解与条件锁定
通常会抽象真实世界中的复杂关系, 把其变成几个不相关的变量, 这称之为建模,例如著名的渠道漏斗模型:销售 = 流量*转化率*客单价*复购率,在游戏行业中,例如最著名的:收入 = 留存 * 平均付费。
但通常情况下,因为资源有限,一般会选择一个变量进行测试,之后通过 A/B test 得出一个相对准确的结论,不断拆解到更细小的粒度。
第二,时间追踪
上文已提到,最好的决策办法是市场自由竞争、优胜劣汰,但自然淘汰有一定的滞后,
而时间却是任何一个实验中都不可忽视的客观条件。游戏行业周期长,带有时间属的指标就显得尤为重要。例如一线业务人员对用户留存的关注度聚焦于 3 日留存、7 日留存,而作为管理者,可能更倾向于 60 日留存、90 日留存等指标,他追踪和关注的周期会更长。如果在其中加入付费率等更多条件,该时间内数据迸发的效果与启发也会更浓烈。
第三,相关分析
相关分析对分析师本身的能力要求较高,因为单纯的数据无法解释逻辑。数据是事实的投影,数据分析师需要清晰地阐述因果链,两件有相关的事情背后充斥多条原因路径,需要通过相关分析,不断排列检索出对新手段的尝试的优先级。
3、龙创悦动的场景分析
龙创悦动通过神策数据,实现了用户标签分析、区服生态健康度分析、客户投诉辅助监控等场景,提高了相关同学的工作效率。
场景一:区服生态健康度分析
其一款末日生存题材的 SLG 游戏,区服合并有利于服务器人气的聚集、大号的回归以及收入的提升。如图,通过使用神策做日常监控分析,评估游戏各个区服玩家的生态状况。
运营人员会通过区服活跃人数、单工会资源占领时长(开始时间、结束时间等)等维度,结合游戏的生命周期理论,进行区服生态健康度分析,并对区服合并进行决策。如监控服务器如果不够健康,就进行合服,如果出现饱和的情况,就进行滚服。
场景二:个人行为序列的多场景应用
在游戏公司,部分游戏因为开发周期较为匆忙,经常存在 bug,玩家会在后台跟客服抱怨,也会有一部分羊毛党利用 bug 薅羊毛,如果客户通过逐一排查的方法,效率较低。
接入神策之后,客服可以非常方便地去查看某位玩家在某个时段的具体行为操作,再匹配其反应的具体情况,做出相应的决策。
开发人员一般较为在意高付费玩家的动向,开发人员在测试版本中会不断观察高付费玩家的反应程度和满意程度,去利用数据追踪特定用户的行为。当有新模块上线后,开发人员也会关注大 R 的玩的状况。
运营同学一般较为关注活动的相关数据,以及一些“小号”数据。这些“小号”会不断骚扰玩家,利用加微信等方式对玩家进行福利吸引,导致玩家为了获取福利信息而离开游戏平台,造成平台的用户流失。运营人员可通过查看单个用户行为,并总结其行为规律,利用总结出的规则锁定“小号”群体,在神策的支持下,现在已经可以通过机器学习的方式,去甄别“小号”群体,并将这类“小号”一网打尽,维护平台的良好环境。
本文到此结束,希望对大家有所帮助呢。
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |