|
|
作者：Tom Matcham
90%的任务
关于游戏分析我经常遇到的一个短语是“简单的事物将让你只完成90%的任务。”不管何时我听到或看到这一短语时，我马上想到的就是“你是否知道这点？你是否在学习机器以及进行统计时获得足够的现代研究，并将这些工具所提供的额外洞察力整合到你的数据中，虽然它们只占你的最终报告的10%，而直方图和柱状图将告诉你你的公司利益相关者所需要了解的关于你的数据集的90%的内容是什么。或者你有可能根据其他人的说法而假设这是正确的？此外，你所谓的‘简单的事物’是什么呢？”
我并不是在声明这一说法在很多情况下是错的：我的确看到有些游戏并不能有效地执行逻辑回归，但是当游戏产业拥有一些最佳资源时，我便会因为游戏公司对待数据的方式以及其它产业的区别感到惊讶。我想说的是，根据与开发者和制作人的交谈经历中，从整体上看来应用游戏分析并不能有效发挥作用。
现在我完全能够理解为什么分析调查质量会存在如此多限制因素：时间和金钱都非常有限，但开发者仍然想要深刻理解数据。问题在于糟糕的报告是非常危险的事。样本偏差，数据挖掘技术的滥用，对于结果的误解等等元素都有可能导致报告结论破坏了游戏设计和制作过程。这并不是任何人的错，只是因为进行“适当的”数据科学研究很困难，并且在执行分析时做到统计与计算机科学间的平衡也非常重要。
一直出现的问题
在认真研究了游戏分析后，我发现了我们在分析游戏数据时经常会忽视的4个领域：
数据清理
玩家是多种多样的，并且经常会做出不同的反应。所以如果你不能清理数据以删除一些异常值，那么你所设计的的玩家统计将会遭到扭曲。你必须仔细思考自己感兴趣的是谁以及什么：获得高质量的数据去分析特定的问题比任何有意义的总结都重要。
怎样的概率分布适合我的数据
通常情况下游戏分析统计数据是依赖于正态分布的数据。如果你的数据不能进行正态分布，并且你基于这一假设进行统计测试，那么你所获得的记过将有可能导致糟糕的设计决策并最终创造出一款失败的游戏。你必须仔细思考关于数据所作出的假设：这些假设是否能够通过测试？
database(from veerchina)
过度依赖于数据可视化
想要可视化数据是能够理解的，特别是当游戏开发就是这么一个可视化过程。此外，数据可视化是分析过程一个非常重要的环节。然而，如果你所执行的所有报告都被分解为一张图表，你便有可能遗漏掉许多关于你的数据集的潜在看法。在统计中，箱线图和直方图等都是探索型数据分析的重要组成部分，通常情况下是统计员为了在进行书面工作前获得数据“感”才去进行这项工作。很有可能你的数据集包含了比图表所呈现的更多内容。
行为模型
注：对于这一内容我的看法是存在偏见的，因为我个人对行为模型具有很大的兴趣。
在游戏分析学术中，人们经常说我们很难去推断用户的动机。这在很多情况下是没错的，如果你愿意创造一个玩家行为模型的话，你便会理解为什么在游戏过程中会发生某些事件。显然拥有这些动机数据将会让设计师和投资者同时受益，然而不管是在学术界还是制作领域，这仍是游戏分析中一个未被探索的领域。如果开发者拥有资源，那么模型化与分析玩家行为将对解释其它游戏行为具有很大的帮助。
结束语
尽管这篇文章会让你觉得我并未对游戏分析的使用留下深刻印象，但事实其实不是如此。通过比较，我相信许多公司所设置的用于收集并分析数据的系统都是最先进的。然而，我也相信我们可以进一步去获取工作室所收集的大多数数据集。理解你的用户到底想要什么是游戏开发问题的真髓：跨越整个产业所进行的更透侧的分析将帮助你更轻松第解决这一问题。
via：游戏邦 |
|
发表于 2014-7-31 16:37:55
