【超级干货】腾讯互娱公开课：游戏数据分析详细操作解读

8月9日，腾讯互娱携手极客公园在北京腾讯汇召开《探秘游戏方法论-数字占星术》公开课。

本期公开课由腾讯互动娱乐高级数据营销经理陆金贤、数据营销经理王常伦进行分享，内容围绕“数据决策”展开。本期公开课视频、PPT等内容近期将陆续放出。据了解腾讯互娱在未来的时间内还将陆续对外召开多期公开课。（需报名参加）

今天为什么还要来讲数据，并不是想告诉大家大数据是什么，或者大数据应该怎么去用，而是要告诉大家腾讯互娱是怎么来应用这个数据的。如果关注一下我们腾讯过往的信息和资料，会发现其实腾讯很少在公共场合去讲大数据。因为腾讯不是没有数据，而是数据太多了，而且腾讯自己也不一定知道大数据是怎么一回事。所以我们更多的反而是关注怎么去运用数据，这才是数据应该具有的价值，以及希望这堂课能够带给同学们的直观的感受。

数据从哪里来：布点采集与筛选已有

1.游戏数据：游戏运营数据 、游戏市场数据；

2.平台数据：游戏间交叉数据 、腾讯平台行为数据；

3.外部数据：可直接获取外部数据 、外部合作数据；

其实内部数据和外部数据的获取都是一模一样的，就是布点，在你所关注的关键路径上，你所需要获得的关键数据上去布点，按照一定的时间维度去进行数据的采集。

作为腾讯来说，腾讯互娱关注用户数据采集的过程，跟刚才大家提的说关注游戏本身的数据还不太一样，我们会从整个用户全生命周期采集数据。从整个过程来说叫做SaaS，这种模型并不是腾讯所创的，最早是Google提出来的。

如何预测产品与市场走势——游戏新进量级的预估

1.百度指数与网吧点击的数据预测高达90%准确

在预测一个游戏新进用户量的时候，我们发现两个指标对他未来这款产品到底能否上线影响甚大。第一，百度指数。百度指数代表市场热度，代表用户的关注度。 对于游戏来讲，我们认为网吧里面的点击率代表了我们想针对的游戏用户群体对我们前期的关注度。

我们分析了大量的游戏，每一个游戏上线之前百度指数、资源的转化率、网吧的点击率我们发现有比较明显的线性的关系。从这张都可以看到基本的趋势是类似的，但并不是在某一个点完全契合，是不是我们就放弃这个图形，我们是做工作的，我们是解决问题的，数据往往可以预测出来趋势，大部分时候可以满足我们工作的需求。

通过我们把百度指数，把网吧里面的点击率与实际的资源转换率相结合以后，我们可以比较好的预测我们想预测的总体的90%，我们就觉得够了，我们要辅助老板判断的时候，差别在10%以内的时候对他的决策不会有很大的影响。

如何预测产品与市场走势——游戏日活跃、PCU的预估

【案例】

A产品不限号测试，犹如百万雄狮过大江，当日新进220万，日活跃400万，随后几日都在400万以上，后续日新进50万以上。

目标：计划在1个月后的节点，冲到500万的日活跃！ 

能不能达到？! 如果达不到，投1000万能不能达到？ 

1000万是投？!还是不投？！！

投还是不投，要对一个月之后的日活跃度有一个判断，意味着在产品第一天上线开始对它的每一天都要做出判断，要画出曲线图来。

用户留存满足什么规律——指数衰减的模型曲线

每一天的日活跃用户和每一天新进用户的后续留存有直接的关系，这部分数据是我们每一个产品都可以算出来的数据。不同的产品每一天的用户都有不同的留存率，不同的产品每一天有不同的留存率，所以这是两个维度。同一个产品每一天都不一样，不同产品也会不一样。在这种情况下，我们需要知道留存曲线满足什么样的规律，才能说今天新进50万，第二天、第三天、第四天留存多少，在广泛的数学模型里我们选择满足的模型来。后来明显的看出来它满足指数衰减的模型曲线，把我们的数据导入进去，就可以算出来这一款产品留存曲线是什么，系数和你的品质有关，和我们每一天的运营有关，上线新版本，这个版本对你有用，你的曲线就好。

通过刚才讲到的留存曲线，我们把每一天的日活跃用这个公式算出来，因为我有每天的新进，我去算一下每一天的留存情况，得出来日活跃的曲线。后来实际证明，我们预估的日活跃和实际的日活跃之间模拟是很好的，也就是说，它不会出现我告诉领导能上500万结果掉到350万。也可能是领导能上500万，最后到499，出现这种情况领导也不会骂我们的。有这种模拟曲线OK，可以了。对每一个产品留存曲线来讲我们可以通过留存曲线的模型得出什么，这里所有的曲线都可以转化为指数衰减的系数。每一个系数在每一天都会有不同，通过我们反过来去看，每一个B系数的不同都对应着这一天不同的版本所拉来的回流或者所拉来的留存用户情况怎么样，可以去评判。如果质量相同的渠道，质量相同的活动，B系数应该是一致的，如果B系数不一致，代表着两者之间在质量上是有差别的。

回到最初的问题，通过刚才的方法到底是投还是不投，画出一条曲线发现如果想达到老板要求的500万，后续的日新进每天需要达到80万，我们投入1000万是达不到这个级别的，我们就不用投了。

如何预测产品与市场走势——如何为预算决策提供服务？

【案例】

某游戏预投放520万进行开放性测试，根据目前游戏数据表现分析游戏的ROI，该费用是否投放？

一款产品上线以后到底怎么去评判，我们只需要看用户来了以后会不会留下来，留下来之后会不会付费，如果付费能付多久。在你进行判断的时候，我投入多少，能产出多少，最后看出投入和产出满不满足我心中的期望。大概的模型就是根据资源可以判断用户的规模，根据留存可以判断日活跃，这款产品的生命周期我们做出基本的判断之后就能得出产出是多少。

我们不会在一条错误的道路上越走越远，这就是数据决策可以给整个预算决策带来的有效的东西，老板最不希望看到的就是他做决策之前不知道决策做完是对还是错，我们可以通过这种方式告诉他这一点。

如何预测产品与市场走势——如何实现营销资源的优化？

腾讯互娱主要测试:市场反应测试、素材测试、落地页测试。

市场反应测试：核心用户群和目标用户群10%的周留存率的差距是正常

第一，市场反应测试。一个产品在小众测试的时候吸引到的往往是核心用户，他们留存率非常好，大部分用户进来以后不走了。有的月留存数据可以达到90%以上，这是因为他们是核心用户。我们只能测大众用户群体在游戏当中的表现有哪些不一样。

我们会通过一些常规的运营，我们也有论坛，会找一些核心的测试用户群。其次还会通过一些大众的渠道，比如在一些门户网站通过投放和普发吸引大众的用户，观看他们在游戏里面的行为，比较两类用户群体的差别。差到什么样的程度算好，说实话这个数据我们只能通过历史的经验去看。我们知道大量的数据他的核心用户群和目标用户群，发现常规的游戏10%的周留存率的差距是比较正常的，我只能说通过游戏后面的表现。如果这款游戏的目标用户和核心用户差10%，正式测试之后还不错，另一款游戏差的比较多，正式上线之后果然面临这样的问题。

素材测试：用户心理层面定性的分析

如何操作落地页和素材的测试，测试的方式也是比较类似的。数据有的时候是有一些迷惑性的，并不见得数据高就是好，数据低就是不好。其实对于产品来讲，有时候它也真的不能用，为什么？我们前期要做内容测试。是关于用户心理层面定性的分析，这部分点击你广告的用户，你的素材展现在他面前，让他感觉到的和你游戏匹配的性能，你能把这部分群体吸引进来。我的素材希望传达的品牌理念和希望吸引的人群，能够跟产生消费的人群产生共鸣。

根据测试提供的内容准备几版不同的内容和落地页，找到一款点击率最高的。我们是通过这两轮的筛选判断出来谁高谁低。我们发现不同的素材点确实差别很大，有的差别一倍以上。有的落地页测试，上面和下面对于不同的用户转化率差别很大。

游戏广告设计建议

第一，我们发现有些位置你投静态广告和投动态广告，转化效率是基本一致的。我做一个视频和做一个海报效果是一样的，这个时候当然是做海报，做视频太贵了。

第二，传统的Banner广告位不适合采用悬念式广告，有的广告跟放电影一样，Banner如果太复杂了大家可能就不清楚了，广告以直白为主。

第三，有吸引力的素材元素最好第一时间展现，我到底是先放游戏的东西还是先放明星，后来我们发现有明星元素的素材应该第一时间展现转化率更好。

第四，促销信息清晰明了。今天送你一款小米手机，明天送你一款苹果手机，这种促销信息最好是让用户第一眼就知道你给他什么。

在落地页测试的情况下，不同风格的落地页对用户的转化效率有很大的影响，对于页游来讲尤其如此。对于端游突出奖励，创意更具视觉冲击力的。

互娱的DSP/DMP是什么？ 

精准营销服务单产品业务？

做精准营销第一个特点是我要了解清楚我的用户是可以被分类的，这首先是一个基础点。所有人都有一样需求的情况下无须精准营销。第二，分完类这个技术可以把不同的东西分到不同的用户群体当中。互娱的DSP、DSK的整个架构，我们用技术的手段分发给各个不同的流量，只想说的是这个营销所实现的场景，回去我们如果能把这种营销的东西应用到工作当中，它所转化的实际的路径。

第一，首先打开APP，打开网页或者打开产品，用户进来一瞬间我要对他进行判断，判断这个用户原来买过什么东西。第二是判断用户的属性，你要在后台自己建一个标签。平台行为构建的总体标签库让我们可以判断出用户的大范围的属性，从而展现不同的素材，在手机端或者PC端，对于游戏我们都是这么处理的。大范围的一些素材的投放采取这样的投放方式。

不同的用户看到的官网是不一样的，重度活跃用户和轻度活跃用户所看到的道具的推介是不一样的。对于天天玩这款游戏的用户，来了之后不需要告诉他这些信息，只需要告诉他有新的东西来了，在原来的基础上可以尝试这些新的活动。通过这种方式我们发现确实有效果，注册CPA降低40%多，拉新转化率提升了很多。

端游和页游用户转化效率近一年下滑幅度约30%

对于端游和页游来讲，最近一年用户的转化率有下滑，下滑幅度在30%左右。我个人认为可能是受到了手游的影响，大部分端游和页游出现爆款的比较少，整个产品的生命周期在拉长，导致用户转化率在下降。出现了什么异动，背后具体的原因通过细化进行分析。

网吧渠道用户过去一年下滑15%

对于游戏用户所聚集的网吧渠道，整个网吧的市场，在过去一年也有一定的下滑的幅度，轻微下滑，大概下滑了百分之十五、六。在网吧玩游戏的人在减少，很多用户自己拥有了电脑，喜欢为了氛围而去花钱的用户在逐渐的减少。

40岁以上的游戏用户占比占总体比例的10%。

对于年龄的分布，如果是从事互联网行业和对互联网行业有所关注的，整个游戏用户人群的分布大概符合这个比例。21到24的用户群体应该是分布最多的，40岁以上的用户占比占总体比例的10%。

移动游戏偏年轻，30岁以上用户仅占15%左右

对移动游戏来讲所展现出的是其他不一样的特征，我们发现更年轻，30岁以上的用户群体只占15%。

广东省游戏用户群体最为集中；广东、江苏、山东位列用户TOP3

在地域分布中，广东遥遥领先，为什么？因为那个地方年轻人比较多，现在很多打工的都是“下广东”。在其他的渠道当中可以看到类似的特征，广东、江苏、山东位列游戏用户群体排行TOP3。

移动游戏用户群，广东依然位列第一，浙江取代山东进入TOP3

移动游戏用户群体当中又产生了一点不一样的变化广东依然排行第一，大概还是占15%以上的比例，但是浙江取代山东进入TOP3，也就是说在移动用户群体里目前浙江排名比山东更多，山东玩端游的更多一点。

北京、成都、广州，位列游戏用户数分布TOP3 

男女用户比例约为6：4；移动游戏类似

男女的用户比例游戏群体整个的分布是比较类似的，大概都是6：4的比例，可能有一部分做游戏的人群会有一些不一样的观点，是在于我的游戏用户通常展现出来排名的比例是9：1。在游戏群体里有这么两个性别的比例，9：1代表着重度游戏，像枪战类游戏基本都是9：1，非卡通风格的游戏大部分都是9：1，其他的基本都符合6：4，很多页游达到5：5。女生也是很喜欢玩游戏的。

大家把手机拿出来，女生的手游品类搞不好比男生还要多。这是整体的游戏用户的比例。对于目前整个行业上排名比较靠前的，手游畅销榜前面的，除了腾讯的几款之后，还有《我叫MT》。这就是为什么移动游戏里面女生可能玩的比较多，但是重大的爆款很多都是男生为主流用户群推高起来的。分布的比例大概在6：4左右。

一半左右的玩游戏人群，几乎每天都会参与游戏

我们发现一半左右玩游戏的人群几乎每天都会参与游戏，对于玩游戏的群体来讲，他喜欢玩游戏，他每天都会去玩，也就是说游戏已经基本上成为大家的日常的娱乐方式。每天就跟吃饭睡觉一样。