GameRes 报道 / 网络游戏运营经过十年的演变，已经从最开始的争议话题，逐渐演变成了一个其它国家争相学习我们的独有技巧。而随着大数据的不断被提及，基于大数据的网游运营也逐渐成为业内一线游戏企业所关注的话题，以及企业内研究积累的重点方向。
本文将从网络游戏运营的角度，来简要阐述大数据给网游运营带来的诸多变化，同时也将剖析在大数据的基础之下，需要如何来调整现有网游运营方案，以适应并利用大数据所带来的环境变革，取得更好的产品运营效果。
游戏数据的变迁 对于绝大多数的普通玩家而言，最重要的游戏数据无疑就是游戏账号、密码和游戏中的级别装备等等信息，而不断被提及的虚拟财产概念，也正是由这些数据组成。
但对于游戏公司而言，游戏数据因为其重要性及积累特点，往往会经历好几个不同阶段的发展和变迁。
最开始当然是原始积累刀耕火种阶段，这个阶段通常会因为游戏公司对数据的重视程度，持续3-5年时间。
以2002年最火游戏《传奇》为例，对于当时的盛大而言，最重要的游戏数据基本上可以用两个不太大的数据库来完成承载：用户数据和游戏账号数据。用户数据主要记录用户的账号信息、注册信息和登录信息，而游戏账号数据则主要用来记录游戏内的各类数据，如坐标、角色参数、级别、技能、道具装备和好友关系等。
在那个时代，对游戏数据的管理和利用，能做的事情相当有限，无非是核实用户数据以方便用户找回账号，又或者通过对游戏账号的筛选排查封停一些用极端外挂的玩家。
传奇的帐号找回系统
在获得了一定数据积累后，游戏数据进入到第二个阶段，数据浅层分析利用阶段，这个阶段视企业的不同，开始的阶段也有区别，但多数会在游戏公司进入正常运营积累后的3-5年后。
以2009年巨人旗下的《征途》为例，在经历了2008年下半年因游戏内付费道具大量下架而造成的收入下滑股市缩水后，征途项目组开始考虑如何在外部环境约束力较强的环境下，提升产品的盈收。
到2010年初，经过4年的游戏运营，征途积累了大量的游戏数据，对游戏数据的浅层分析和利用已然具备了厚重的基础，于是沉睡账户的唤醒激活和沉淀充值的消耗唤醒成为了最佳的选择，自然各式各样的针对性宣传、游戏内活动和运营策略就开始出现在了媒体和玩家面前。
《征途》的唤醒沉睡用户策略 有了第二个阶段的经验和收获，多数游戏公司会逐渐进入到第三个阶段：用户行为数据的分析和挖掘阶段。
最近游戏中哪个道具卖得最好？为什么卖得好？
为什么35级的玩家流失率居高不下，但这些玩家的活跃度也同样高？
20级的玩家平均好友数太低了，必须在游戏内加一些活动来提升用户间的交互。
两大阵营的新进用户比例是3：7，这样服务器会死的，必须对新进游戏的用户进行引导，加大弱势阵营的主线任务奖励！
上述这些都是典型的针对游戏用户数据做的分析和挖掘行为，以及在进行分析和挖掘后采取的与之相对应的运营策略。
为什么要做大数据？ 对于大多数游戏运营人员而言，数据的分析和挖掘都是被动的，因为他们更多时候必须专注在一堆运营工作细节上，无法站在一个更高的角度去考虑如何进行数据采集，以及如何构建不同类型的数据仓库以便利于运营工作的开展。 但对于任何一家游戏企业，特别是国内一二线的游戏企业而言，游戏外部和内部数据的采集、存储、管理、分析、沉淀和挖掘，往往代表了这家企业的行业竞争力，同时也主导和影响着企业的未来发展速度和空间。
很多人都疑惑，为什么相似品质的产品在不同运营商的运营下会有截然不同的表现。导致这种结果的主要原因，正是因为多数人无法看到游戏数据在产品运营过程中所起到的关键性作用。正如某家网页游戏运营领域取得不错成绩的公司，在介入到客户端游戏市场后屡屡事倍功半一样，游戏运营公司的真正门槛并不是建立在一两个优秀的游戏运营总监身上，而是建立在完整体系化的数据后台之上。
从2009年下半年开始，国内客户端游戏市场格局逐渐稳固，以腾讯为首的行业前六强占据了整个市场超过80%的份额，而到了2013年上半年，产业前六强则占据了整个市场87%的份额。
在这种市场环境的挤压下，很多企业都选择了拓展新的业务领域，诸如网页游戏和手机游戏等等，而在寻找新业务空间的同时，如何维持现有的市场份额不让其萎缩，也成为了几乎每一家游戏企业都必须考虑的问题。
2013年上半年客户端市场前六强已占据市场份额的87%
端游用户的增长已经进入了高原期，活跃用户的成本居高不下，高端VIP用户始终在以缓慢但不可逆转的方式逐渐流失，传统的游戏运营手段已经无然保障游戏收益的稳定，构建游戏大数据已然是大势所趋。
数据中心、数据仓库与数据集市
事实上，“大数据”这个词是很多人耳熟能详，但真要细究起来又说不出个所以然的旧名词了。当然，以海量数据为基础的数据采集、管理、处理和整理，并且帮助企业经营决策的大数据理念，其原理或技术基础并非本文所需要探讨的内容。
我们所需要去了解和探讨的，主要是几个简单的概念，如数据中心、数据集市和数据仓库，以及基于这些概念所衍生的数据采集方式，以及基于采集到的数据进行更深一层的数据沉淀、管理和挖掘。
典型的数据仓库处理流程 用维基百科的话来说，数据中心是“一整套复杂的设施，它不仅仅包括计算机系统和其它与之配套的设备（例如通信和存储系统），还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置”，而在这个中心中存在的数据，则通常会以满足某特定需求而建立的数据集市和综合企业内部多数数据并罗列管理的数据仓库这两种常见形式存在。
多数情况下，当我们需要构建大数据战略，试图以大数据为基础提升企业综合竞争实力，并借用数据挖掘和数据分析来获得更好的业绩表现时，我们的企业总是离不开上述这三者。虽然一定会有很多人和作者一样，完全不明白也不想明白这三者的深层次理论和技术特点，但这并不会影响到我们去利用它。
通常来说，数据仓库和数据集市是很多游戏公司对内部数据挖掘的基础存在，没有这些对海量数据的采集管理过程，数据分析挖掘就是无源之水，而数据采集的丰富程度和深入度，则往往会与企业的不同数据变迁阶段相对应。
十年前，想要跟踪游戏内某玩家的战斗或PK行为，最好的办法就是GM开个小号上线，跟在这位玩家身边。
七年前，几乎所有的游戏公司都已经可以通过道具产生时的信息，来批量处理因外挂所产生的恶意复制道具行为。
五年前，游戏公司可以针对性地为某些特定玩家提供他们所需要的游戏内服务（如任务、副本、帮会战等），而不影响到其它玩家对游戏的体验感受。
三年前，很多游戏公司的数据后台，已经可以实现对游戏中某个道具的产出量、消耗量、游戏内玩家销售市场价格波动和实际成交比例进行监控分析，以实现对某运营活动的奖励进行细微调整。
数据挖掘与智能数据分析
撇开枯燥的数据结构体系和高深的技术问题，在具备了上述较完善的数据采集模型和海量用户数据采集之后，数据挖掘和智能数据分析就成了游戏运营公司所必须面临的新问题。
如何进行数据挖掘，对于现在的各大网游公司而言，基本还处在探讨、尝试和摸索阶段。多数情况下，游戏运营人员只能通过专门的报表报告缓慢地获得自己所需信息，然后尝试着用各种浅层的调整来验证自己的想法。
简单来说，行业普遍还欠缺游戏数据挖掘和游戏数据分析的经验积累。
常见的数据展示系统及模式
当然，数据分析和挖掘并没有这个名词听上去的那样高深和神秘。在海量数据的基础之上，针对同类型的用户数据或行为数据采集汇总，我们就可以得到一系列的数据表格曲线，而基于这些数据曲线的目的明确的分析行为，针对数据本身的进一步采集需求或调整，以及针对数据的深层次OLAP（联机分析处理），基本就代表了这两个名词的全部。
举例来说，某游戏在测试了三个月后，获得了大量的用户账号数据和游戏内行为数据。
针对用户的账号数据，我们可以罗列出不同级别段的账号数及各级别流失情况，基于此可以轻松建立不同级别的流失率对比，基于这样的流失率对比，可以简单分析得出多数用户的游戏内成长过程，并对这个过程进行合理优化，这就是最基本的数据分析。
而在生成的这些账号及行为数据中，横向对比得出游戏内好友数量与用户流失比例对比，可以让运营人员针对性地给出某个用户成长阶段需要增加游戏内社交性任务。
或者通过对已流失用户的流失前行为分析，建立用户预流失模型，并针对性地对这些可能流失的用户进行游戏内关怀，则是典型的数据挖掘行为。
但不论是数据挖掘还是智能数据分析，所需的核心并非某个智能的数据挖掘系统，而是有经验的运营人员及数据分析人员，有针对性地提出的经验方案，因为这些经验方案正是系统存在的基础。
在大数据浪潮的冲击下，传统的“好点子型”游戏运营模式已经面临淘汰，而基于大数据并结合丰富运营经验后所产生的智能数据分析和数据挖掘，必将成为支撑企业在大数据时代保持快速发展速度的核心驱动力。
海量数据背景下的企业大数据战略 对于企业而言，不论是数据挖掘还是数据分析都只是相对具体的战术手段，在这些战术手段之上，企业还必须构建好基于海量数据背景下的大数据战略。
以什么样的模式来管理公司数据？
如何保证公司内各类相关数据的同步和安全？
为不同项目建立什么样的数据集市才能够实现效率的最大化？
如何将数据展示给所需的分析者和管理者？
如何保证每日采集到的海量数据能够快速安全的存储进数据仓库，并实现智能化的数据提取？如何过滤游戏内的有效数据，优化节省数据采集和存储的成本？
某企业的大数据战略简要示意图
上述这些问题，都是网游企业大数据战略中，所遇到并需要解决问题中的很少一部分。将所需解决的问题体系化之后，大多数企业的大数据战略，会需要优先考虑或评估以下几个方面的事务：
A、你的大数据将以什么为中心
听上去似乎是一个很容易解决的问题，因为多数的大数据都是以用户为中心，但以产品为中心来构建大数据，在网游企业的大数据战略中也不罕见。
B、大数据的覆盖领域及接入阶段
企业最终所构建的大数据体系将覆盖企业的哪些领域，企业不同的部门要如何分批次进行接入。
C、如何尽快将可用数据并入到大数据战略
在构建大数据之前，企业必然有大量的可用数据已然存在，如何通过合理的技术手段快速将这些可用数据并入其中，同时筛选并去除无效数据，这些往往是节省大数据战略成本的关键。 D、你需要引入或培养哪些基于该战略的专业人才
人才的重要性毋庸置疑，而人才的培养则是一项长期的工作。
E、提前规划出基于大数据战略所衍生的对业务增长有帮助的各类数据应用方案 大数据战略是一项成本高昂而业绩贡献却相对缓慢的工程，如果不能提前找寻出对业务增长有帮助的方案，大数据战略往往会面临来自各方面的压力，快速的业绩提升帮助，则能够极大增加大数据战略的成功率。
网游大数据的未来
从网游企业成本控制的角度来看，大数据是典型增加企业运营成本，却又很难短时间内看到实际收益产出的雷区。但从企业战略发展及中长期产业竞争的角度来看，网游企业的大数据化则是大势所趋，因为想要在这个竞争越来越激烈的游戏市场中屹立潮头，以海量数据为基础的大数据战略可谓是立身之本。
物理用户的数量增长终究会到达极限，单纯的拓展新兴市场和引入新用户也只是治标不治本，深层次的用户需求发掘和用户需求智能分析，是网游运营在用户群相对稳定后，进行运营层面深耕细作的必然发展趋势，大数据战略正是这个阶段快竞争对手一步的好棋。
从产业发展的角度来看，经过十几年野蛮生长快速发展的国内游戏产业，必将在未来的数年间，面临用户增长和业绩增长的双重高原期，而国内网游用户的需求则必然会开始分化和日益丰富，对用户、游戏类型、游戏体验感受和游戏内容的市场细化，所需的正是各运营公司的游戏大数据支撑。
应当说，在未来的三到五年内，游戏大数据以及基于大数据所衍生的数据挖掘、智能数据分析、用户行为数据分析和用户个性化服务关怀必将成为产业热点，被越来越多的公司和从业者所关注。 关键问题是，你和你的公司，准备好了吗？
备注：前两张图片来自游戏官网，第三张图片来自“易观2013年上半年游戏行业数据报告”，后三张图片则来自网络上的相关内容。
| 
发表于 2013-7-31 17:05:38
