数据分析是如何推动游戏行业发展的?

大数据 数据分析 CIOAge
数据分析师和BI开发人员可以仔细检查这些数据并将其转换为有价值的见解。因此,有了这些见解,游戏公司就能更好地定位自己的产品,设计更具沉浸感的游戏,带来更多的个性化以及同样重要的创造更多利润。

2018年,电子游戏行业收入达到434亿美元,再创新高,同比增长18%。这一蓬勃发展的领域孕育了更为复杂和广泛的游戏格式,包括桌面、移动、控制台、VR等。事实上,数据分析师和BI开发人员正在成为游戏公司中真正有用的员工。

这些多种格式带来了大量多源用户数据:游戏时间、用户交互、退出点和游戏风格等。数据分析师和BI开发人员可以仔细检查这些数据并将其转换为有价值的见解。因此,有了这些见解,游戏公司就能更好地定位自己的产品,设计更具沉浸感的游戏,带来更多的个性化以及同样重要的创造更多利润。

数据分析影响游戏行业主要有以下三种方式。

跟踪主要KPI

为了准确地衡量一款游戏的整体表现,创造者不可避免地需要回答一些问题。游戏中每天活跃的用户数量是多少?每月有多少活跃玩家?上个月有新用户吗?如果有,有多少?

这些问题与游戏分析最基本的KPI相一致,包括DAU(每日活跃用户)、MAU(每月活跃用户)和ARPU(每个用户的平均收入)。使用数据分析和BI工具进行计算和可视化可以帮助回答上面列出的问题。此外,公司可以更好地理解游戏应用出问题的原因,并制定更有效的策略。

使用数据分析来理解这些kpi的好处是,它还允许跟踪某些趋势,无论是积极的还是消极的。例如,如果一款游戏每天都吸引新用户,那么其中一些人升级到付费账户(如果有的话)的可能性将呈指数级增长。知道了这一点,游戏公司可能会在某种程度上重新考虑他们的定价政策。此外,MAU速率的降低可能意味着即将到来的用户损耗,如果及时检测到这种损耗,仍然有可能避免。

数据分析是如何推动游戏行业发展的?

加强游戏设计

数据分析还可以帮助游戏公司提升游戏设计,为游戏构建交互式和复杂的场景需要大量的创造力,但也需要正确理解哪些场景对用户有用。

例如,分析可帮助公司检测用户出问题的游戏时间。实际上,数据可以显示某些级别可能过于简单,某些级别可能过于具有挑战性,而某些级别可能包含不允许用户继续前进的bug。

这就是King Digital Entertainment曾经遇到过的事情。这个著名的游戏开发者曾经遇到过最受欢迎的游戏“ Candy Crush Saga”无法预料的问题。用户大量放弃65级,原因不明。总共有725个级别,对于Candy Crush Saga而言,这种情况非常麻烦。King向数据分析师透露,大多数人都放弃了,因为一个特定的游戏元素没有让用户越过65级。在开发部门的某些设置之后,该元素被删除,从而用户保留变得正常起来。

Valve Software是一家游戏公司,推出了Half-Life和DOTA等热门游戏,是游戏界的技术先驱。例如,它使用深度学习来防止游戏中的欺诈,并检测作弊者。该公司也以同样的方式利用了数据分析的力量。Valve的另一款顶级游戏是两支5人团队之间的比赛。该公司收集并分析了特定的用户数据,包括团队选择了哪些枪支、他们在游戏中如何改变行为、他们是如何杀人的以及他们是如何死的。这样做是为了调整游戏平衡,并确保特定的团队不会因为游戏设计中的关键点而被打败。结果就是比赛更加公平,两队之间的平衡感更强。

总而言之,数据分析可以帮助游戏公司解决游戏设计的问题,用户可以获得更好的游戏体验。

提高盈利

数据分析还可以帮助游戏公司了解如何为自己带来更多收益,从而相应地调整他们的盈利策略。事实上,如果一家公司知道许多用户更倾向于定制他们的盔甲或武器,那么提供游戏中的装甲和武器增强是非常合理的。

然而,它不仅仅是关于武器和装甲。比如,游戏公司Zynga的主导商业模式是免费的,也提供了一个优质的、无广告的帐户。但问题是,通常只有2%的玩家实际付费。后来,该公司在数据分析的帮助下找到了吸引用户订阅的方式。

事实上,在他们最受欢迎的游戏之一Farmville的第一个版本中,用户喜欢与最初只是装饰的动物互动。一些用户甚至开始购买动物,因此在以后版本的游戏中,Zynga将动物作为一个核心特征,甚至创造了“稀有物种”以刺激用户进行消费。

这种以数据为导向的货币化方法不仅实现了游戏公司的高投资回报率,也引起了用户的共鸣。游戏公司提供用户想要的游戏,这就是游戏创作者如何提供个性化、更有针对性的功能和产品。

数据分析——让努力有回报

事实上,为了让数据分析发挥最大的作用,游戏公司应该不懈地朝着建立数据驱动文化的方向前进。收集、统一、可视化、清理和分析数据本身就是一项巨大的任务。不过,那些已经在向基于数据的决策迈进的企业应该保持耐心和坚定。最终他们会发现,数据分析是值得努力的方向,游戏行业有很多例子可以证明这一点。

责任编辑:未丽燕 来源: IT168
相关推荐

2020-05-08 09:49:47

大数据分析法律行业大数据

2021-10-20 10:10:45

数据分析智慧城市大数据

2020-02-19 19:34:04

人工智能AI制药

2023-11-15 10:08:33

数据分析大数据

2018-06-26 10:20:17

数据分析制造行业大数据

2021-08-30 13:26:41

数据分析

2023-04-11 10:52:19

IT自动化AI和RPA

2020-10-20 11:27:44

大数据

2013-07-05 09:30:07

大数据旅游业革命

2023-04-25 12:37:03

数据中心绿色

2021-01-18 11:06:38

数据分析数据科学大数据

2023-03-28 16:28:54

数据中心服务器

2020-07-01 14:11:37

数据行业设计

2017-02-23 08:48:03

2017-02-21 15:00:07

数据分析技术

2017-09-05 14:34:02

数据分析数据库python

2016-09-30 01:04:45

数据分析数据

2017-09-28 16:31:02

大数据数据分析漏斗模型

2022-09-21 15:11:35

数据中心碳排放
点赞
收藏

51CTO技术栈公众号