《游戲數據分析實戰》主要針對游戲策劃、游戲運營、游戲數據分析、產品數據分析挖掘、數據平臺開發維護人員 及對數據分析感興趣的讀者，介紹怎樣利用數據分析游戲生命周期中各階段遇到的問題。 《游戲數據分析實戰》主要分為三部分：*部分主要介紹游戲數據分析相關指標體系，通過這套體系，可以初步 監控游戲整體運營情況；第二部分主要介紹游戲正式發行前期的市場調研、渠道用戶質量分析、競品 分析及投資收益預測，對游戲品質進行定位，評估正式上線后的效果；第三部分主要對游戲正式發行 后的用戶流失、活躍用戶分類、付費習慣、版本迭代效果、區服合并等主要問題進行深入探討，實現 游戲的精益化運營。 《游戲數據分析實戰》的特色是以詳細案例為主，通過 SPSS、Excel 等工具逐步展示實施步驟。通過手把手的方式 讓讀者快速掌握游戲數據分析方法。
《游戲數據分析實戰》貫穿整個游戲生命周期，提供了豐富的數據分析案例，從預熱到封測，再到公測， 均為作者在實際工作中經歷的真實案例。案例分析包含數據來源、分析方法、分析過程、分析結論及小結。通過學習本書不但能較深入地學習數據分析方法，還能了解到運營和市場的相關知識。
序言1
2001 年，我剛開始負責《熱血傳奇》的運營，當時還沒有專業的數據分析崗位和數據分析師，那時候主要是由運營人員自行統計在線人數、在線時長、玩家等級等諸如此類的基礎數據，由此驗證或調整我們的運營方向。
2002 隨著業務的發展和人才的培養，我們在數據分析領域也涌現了大量的人才，為業界提供了很多重要的指標和算法，這都是在深入業務后，結合專業知識得出的重要成果。
2003 如今，市場環境、用戶習慣和推廣方式都在發生快速的變化，精通業務的數據分析師在游戲發行、市場投放等運營決策上所起的作用越來越大。用數據去分析用戶的特征，尤其是在核心用戶和非核心用戶的游戲與消費習慣的觀察上，對于精細化運營非常有幫助；雖然數據增長的原因有很多，但想辦法復制成功案例并將其最大化是所有人都期望的。數據分析不是先知，望天算卦逢兇化吉，數據分析也不是醫生，不要在游戲出現問題以后再想著通過數據分析來包治百病，合理地運用分析工具的前提更是要對自己的游戲及玩家有深刻的認識。
本書的兩位作者都具備多年的游戲數據分析經驗，能很好地配合游戲項目，深入了解游戲，主動給出各項有價值的分析報告，為項目決策提供很好的參考。他們能將平時積累的工作和經驗
在本書中分享給大家，是件值得稱贊的事情。本書干貨較多，希望各位讀者能從中得到收獲和啟發，在實際工作中得到幫助。
最后，對于數據分析人員，我想說的是分析數據需要熟悉業務，并與項目團隊緊密溝通，才能發揮出數據分析的最大價值。
沈杰
盛大游戲副總裁，傳奇工作室、群星工作室總經理
序言2
從游戲產業誕生開始，數據分析就一直伴隨游戲的研發和運營的全過程。 2001 年，盛大網絡通過《熱血傳奇》開啟了中國網絡游戲產業。網絡游戲的 24 小時在線和高度的用戶互動，為游戲數據分析提供了前提條件；通過數據分析輸出的結果，及時有效地反饋到游戲的研發設定和線上社區，形成了良性和有效的循環。
早在 2003 年，盛大網絡向行業輸出了 PRAPA 分析模型，針對游戲的用戶推廣（Promotion）、注冊用戶（Register）、活躍（Active）、付費（Pay）、平均用戶收益（ARPU）進行有效的分析指導，為游戲行業的成熟提供了標桿。在當時的盛大內部，我們針對游戲的用戶體驗瓶頸環節，設立卡外掉充安（卡機、外掛、掉線、充值、安全）專項，通過數據分析不斷進行驗證和調整，使得用戶體驗滿意度持續行業領先。
同時，游戲數據分析還指導著產業變革。在 2005 年，盛大率先變革游戲商業模式，從之前的時長計費變為道具收費，這意味著之前的逾 10 億元年收入歸零后重新開始。在此之前，公司內部已進行了超過半年的數據分析和業務試點，最終全面施行，深刻影響了游戲產業。伴隨數據分析技術的發展、游戲形態從端游到手游的進化、渠道與社交網絡的演進，基于大數據的用戶畫像和數據多維交叉分析，為游戲的精細化運營提供了新的契機和動力。
作者是盛大游戲數據分析專家，從事游戲行業 16 年，歷經多種崗位，親歷了中國游戲行業從萌芽到蓬勃發展的歷程。《游戲數據分析實戰》一書的出版，是作者支持逾 50 個游戲項目，歷經游戲全生命周期的數據分析工作經驗的沉淀。書中案例多為作者親身參與和實操的案例，通過生動翔實的業務背景描述、圖表、效果對比，呈現了游戲數據分析的理論、方法、工具及與業務深度結合的特性，相信能夠為有意向投身游戲數據分析或運營、研發的朋友提供有效的指引和啟迪。我與作者相識近 20 年，也一路見證了作者個人的快速成長，期待后續能夠持續輸出優質的內容給讀者和游戲行業。
郭忠祥
前盛大創新院常務副院長， WiFi 萬能鑰匙 CEO 辦公室主任
前言
2016年 9 月，我接到老同事葉洋的電話，邀請我與他一起寫一本關于游戲數據分析的書。因為自己平時的分析工作更多是針對項目本身，分析內容比較零散，有些分析通用性不強，所以擔心自己不能很好地將經驗整合，將分析體系完整表達，但在寫作的過程中使我對過去的分析經驗進行了一次回顧與總結，希望讀者能夠從中有所收獲。很感謝這樣的機會，對我自己來說也是一次很好的工作提煉。
2017我從 2008 年開始進入公司數據中心， 2013 年開始參與公司項目組支持新游戲上線工作， 2016年正式調入手游事業部（目前的群星工作室）。在近 10 年的工作中，經歷并參與了超過 50 款以上的端游和手游每個測試節點的數據分析相關工作。在沒有進入項目組之前，數據分析工作主要圍繞封測和公測節點的留存率評級及數據異常分析，進入項目組之后，接觸一線業務，才發現原來一款游戲的數據分析有這么多的事情可以做，每一件事情，都能得到業務方的反饋，比如哪些地方分析得很到位，哪些地方還需要進一步分析，看到這些數據后該采取什么樣的對策（包含版本優化、運營活動和市場活動等），數據分析結論得到反饋并能產生落地的效果，這是數據分析最大的價值。做有價值的事情，并找到樂趣，有了樂趣就能把事情做得更好，我想這就是工作的良性循環吧。
有很多數據分析人員都有一個困惑，他們大多是數學專業相關的研究生，但總在做一些查詢統計的相關工作，分析的成分非常少，因此認為數據分析工作很枯燥。其實，要將分析工作做好最重要的是主動了解業務，不深入游戲項目了解業務，分析工作就相當于閉門造車，其分析結論也是空中樓閣，當你的分析結論得不到業務方的認可時，久而久之，你的分析工作就會停留在查數據的層次上，沒法和游戲項目組溝通達成一致的業務理解，從而形成惡性循環。分析師的工作體現不出價值，項目組對分析師的工作僅依賴其給出一個數據結果。
在歷經多個項目的深入實踐和分析后，我逐漸整理出了一系列的方法，且對各項分析有了一套較完整的分析思路，趁著編寫本書的機會，能把部分工作做出總結，將碎片化知識體系化，并為相關人員提供參考，是非常有意義的事情。也希望能為業內和業外想了解數據分析和從事數據分析相關工作的人員提供一些幫助，不管是分析思路還是游戲分析的主要工作內容。
本書貫穿整個游戲生命周期，提供了豐富的數據分析案例，從預熱到封測，再到公測，均為作者在實際工作中經歷的真實案例。案例分析包含數據來源、分析方法、分析過程、分析結論及小結。通過本書，不但能較深入地學習數據分析方法，還能了解到運營和市場的相關知識本書案例中用到的數據均按公司要求做了必要處理，僅供參考，并非真實數據。
作者分工：
第 1 章，第 2 章，第 3 章，第 4 章 4.1 節～4.3 節、 4.5 節、 4.6 節，第 5 章的 5.1 節、 5.3 節，第 6 章 6.1.4、 6.1.5， 6.3 節，第 7 章 7.1 節、 7.5 節，第 8 章第 8.1 節、 8.2 節、 8.3 節、 8.5 節為黎湘艷編寫；
第 4 章 4.4 節，第 5 章 5.2 節，第 6 章 6.1.1～6.1.3 節、 6.2 節，第 7 章的 7.2 節、 7.3 節、 7.4節，第 8 章 8.4 節為葉洋編寫。
本書適合讀者：
游戲行業內初、中級分析師；
游戲行業內運營、市場、研發人員；
對數據分析有興趣，或者想了解游戲數據分析的工作人員。
本書案例均來源于實際工作，其中的部分結論，可能不適用所有游戲，而是要區分不同的應用場景。
雖然作者對本書內容精益求精，但限于作者的知識和視角，本書難免有表述不清，以及部分場景下分析方法和思路不適應的問題。在此，我懇請讀者不吝指教，若發現本書存在不足之處，請發送郵件到 lixiangyan@outlook.com，作者將盡快給出回復，且在本書再次印刷時進行修正。
作者簡介黎湘艷 盛大游戲數據分析專家，9年游戲行業數據分析挖掘工作經驗。2008年開始，在盛大游戲從事數據分析工作，先后主持或參與50多款游戲的數據分析工作，主要產品有：龍之谷、永恒之塔、最終幻想14、傳奇永恒、血族、傳奇手游、沙巴克傳奇及超級地城之光等。其研究方向貫穿游戲整個生命周期，在精確定位游戲品質、市場投放和運營活動效果評估、用戶游戲行為、用戶畫像、流失預警和收入預測模型等方面的分析對運營效果有顯著提升，撰寫各類專題分析報告超過100篇，其報告能緊密貼合業務，是游戲運營和發行的重要參考信息，在一定程度上驅動了業務開展，提升了運營收入。葉洋 游卡桌游資深數據分析師，7年游戲行業數據分析數據挖掘工作經驗。
第 1 章 數羊與數據化運營 1
1.1 數羊的故事1
1.2 數據分析的定義及步驟2
1.2.1 什么是數據分析2
1.2.2 數據分析的6個步驟2
1.2.3 常用的數據分析方法3
1.3 數據分析的價值6
1.4 一份好的分析報告應具備的要點7
1.5 圖表制作的要點7
1.5.1 常用數據圖表7
1.5.2 Excel 繪圖技巧8
1.6 怎樣成為一名優秀的數據分析師12
1.7 游戲業務相關數據15
1.8 案例：不同寫法的分析報告分享16
1.8.1 《游戲 A》：春節對其收入和活躍人數影響分析16
1.8.2 《游戲 B》：新版本效果分析17
1.8.3 《游戲 C》： VIP 玩家和客服聊天分析19
第 2 章 游戲關鍵數據指標21
2.1 轉化率21
2.1.1 激活率21
2.1.2 轉化率漏斗22
2.2 留存率232
2.1 日留存率 23
2.2.2 周留存率24
2.2.3 月留存率24
2.2.4 加權留存率24
2.2.5 留存率和游戲質量的關系25
2.3 用戶付費指標26
2.3.1 付費率26
2.3.2 ARPPU26
2.3.3 ARPU 26
2.4 導入用戶成本27
2.4.1 CPC、CPA、CPR、CPL27
2.4.2 近幾年CPL的變化27
2.5 LTV28
2.5.1 LTV的定義28
2.5.2 LTV與CPA的關系28
2.6 ROI29
2.6.1 ROI的定義29
2.6.2 ROI的價值29
2.7 手游和端游的區別30
第 3 章 游戲發行預熱期 32
3.1 案例：預訂用戶分析32
3.1.1 預訂用戶調研32
3.1.2 分析方法概述34
3.1.3 數據來源35
3.1.4 分析案例36
3.1.5 小結44
3.2 案例：預訂用戶轉化率預估45
3.2.1 分析方法概述45
3.2.2 數據來源 45
3.2.3 分析案例 463.2.4 小結 51
3.3 案例：競品分析51
3.3.1 市場宣傳、預熱活動51
3.3.2 開測表現52
3.3.3 運營活動與版本計劃52
3.3.4 數據表現好的原因52
3.3.5 暢銷榜前50名的MOBA類手游數據對比53
3.3.6 詳細分析 53
第 4 章 游戲封測期 57
4.1 案例：封測用戶調查分析58
4.1.1 調查目的 58
4.1.2 問卷設計思路58
4.1.3 分析方法概述63
4.1.4 數據來源63
4.1.5 詳細的調查結果分析64
4.1.6 分析結論81
4.1.7 小結83
4.2 案例：渠道用戶質量分析83
4.2.1 渠道分類 83
4.2.2 分析方法概述84
4.2.3 數據來源85
4.2.4 分析案例86
4.2.5 小結92
4.3 案例：客戶端大小對用戶轉化率的影響92
4.3.1 分析方法概述92
4.3.2 數據來源92
4.3.3 客戶端大小對用戶下載激活注冊進入游戲充值的影響93
4.3.4 客戶端大小對用戶廣告曝光點擊下載注冊的轉化率影響94
4.3.5 分析結論95
4.3.6 小結95
4.4 游戲公測前期收入、活躍預測96
新書資訊