如何“驾驭”数据分析（上）

一元

　　1.前言

　　作为一个独立游戏开发者，在这里提出的一些观点可能早已听过无数遍。对一款游戏来说，分析是至关重要的！我们几乎要衡量每个指标！分析的关键在于快速识别游戏中存在的问题，以及应该怎样来改进它。我们所需要做的就是通过SDK库和代码来帮助我们获得胜利。

　　可能在大多数情况下，以上观点并没错（除了简单直白的“胜利”），不过我们的经验与分析表明，这结论似乎太草率了。难道没有让人出乎意料的事情吗？在这个过程中我们经常得出一些新颖的见解，其中一些经常会被我们遗漏，但这仍然是极具挑战性的。在这篇冗长的文章中，我将试着与大家分享关于Sharp Minds这款游戏的一些相关分析来与大家共同探讨。

　　2.“快餐”

　　对于那些没时间阅读整篇文章的朋友们，我在这里先放出一些“快餐”（觉得篇幅过长无心阅读的朋友们-可以直接跳到结论部分）

　　什么是分析

　　严格地说，“分析”是通过数据做出的有意义的见解。通常它是一个需要利用电脑完成的密集型计算过程。有时候，数据集有可能会非常巨大。计算能力的提升允许“分析”越来越多地应用在生活跟工作的各个方面。在这里，我们将专注于游戏分析，特别是手机游戏的分析。

　　在游戏产业中，分析通常是指记录关于玩家行为/游戏的重要数据并对其作出分析，发现在游戏中存在的各种问题及瓶颈。发现问题并通过游戏更新来纠正。而新的数据将会用于验证是否成功地解决了问题。

　　即使纠正问题并不是分析的一部分，我认为对游戏做出“治愈”是分析过程中一个至关重要的环节。没有它，分析几乎是浪费了开发时间。

　　让我们来纠正一些误解：

　　在游戏中进行分析意味着将一些平台的SDK集成到代码中。

　　NO，这只是分析过程中的一个简单步骤，仅仅是在一开始。

　　事件报告是琐碎的，仅在“开始阶段”、“结束阶段”以及一些类似事件发生的时候才发送

　　尽管可以使游戏几乎没有事件报告，然后处理所有计算中产生的数据集，有时候这会省去我们大量的时间以及简化一些工作，并且使报告更智能以及发送一些上下文数据。

　　比如：“开始阶段”事件可以包含关卡的尝试次数。如果没有关于玩家开始关卡的连续计算数据是很难得出结论的，有一点要很清楚，这是一种非常“奢侈”的分析统计计算。一开始在事件计算中就加入关卡尝试次数则会让这一过程简单很多。

　　如果我记录下每个可能在游戏中发生的事件，数据分析平台将会给我一些有价值的见解帮我改进游戏。

　　这可能是一种比较常见的误解。虽然数据分析平台有时会给出一些丰富而又华丽的图表像我们展示游戏中一些看起来比较明显的问题，但大多数是一些并没有什么实际意义的数据。我们很难提取一些可以帮助我们付诸实践的内容。最有挑战性的工作也正是在这里。

　　我并不需要现有的数据分析平台，我可以使用自己的服务器完全控制和处理这些数据。

　　“每件事都自食其力”通常对独立开发者来说是一个很大的问题。数据分析也不例外。数据分析的核心的确不是很复杂。只需通过一个REST API或其他什么方法都系收集一些 关键/有价值 的数据，但是这在细节上要求的深度和广度都是超乎想象的；可行性、缩放比例、误差处理、估算、数据存储、冗余等等这些都是需要考虑在内的，而这将耗费大量的宝贵时间。

　　如果我得到的数据分析和图表是准确的，游戏中的瓶颈和问题将是显而易见的。

　　这的确是数据分析的目标。但是这需要大量的异常数据。下载数越少，数据就越不稳定。如果下载量是10次下载/天，这将是很难实现的，而且会导致一个错误的结果。想象一下如果有一个策略游戏。在策略入门的时候就已经很有特色，这将与那些墨守成规的策略游戏展现出完全不同的行为。每一个外部事件都会影响到数据。这个问题在得到稳定和相对数量级的数据或者新的有效安装方式时会相应减少。

　　当我解释这些例外情况的时候，剩下的分析数据将会给我一个明确的信息接下来要做什么。

　　并不一定。发现一个问题和知道造成这个问题的原因（因此能够想出适当的解决方案）之间还是存在一定的差距，我们不得不做出一些思考和猜测来弥补这个差距。比如，如果游戏中很多玩家在第四关的时候开始流失，很明显在这个关卡存在一个用户体验的问题。而我们仍然不知道这是什么造成的。现在如果我们去挖掘更深层次的原因，结果发现玩家们在几次尝试失败之后依然会流失。现在我们回头来看第四关的问题可能是因为难度太大或者这关的引导不能让玩家清晰的认识到该怎么做。当更深层次的挖掘不再是最优解的时候，我们只能靠猜，解决方案将基于我们最好的猜测，让我们在下一个版本里看看会发生什么。

　　报表数据中寻找信息是一个离散的计算过程

　　这不是我们应该关心的。数据分析主要是是关于统计学和或然率。我们不关心有多少玩家（或者百分比）在第四关的时候离开游戏。无论是80%还是75%-85%的信息，不要纠结于细枝末节的数字。我们要在数据分析和报告中找出来的是错误，而不是一个可能变化或者指数增长的不准确的数字结果。

　　3.选择平台

　　要面对的第一件事就是选择一个数据分析平台。这里有几件事要考虑：

　　a.易于集成（SDK库）

　　这一标准是我首要考虑的。我仍然不确定这是否完全正确，但从长远的角度来看这是有问题的。我们应该着重分析那些本地支持的游戏目标平台或者建立一个完整的库。如果是针对多平台，那么这一点就相当重要了。我们不想惊讶于某些平台只支持安卓系统却不支持iOS系统，反之亦然。我开始使用Unity的时候，因为之前有使用Prime31本地插件的经验，所以我选择了Flurry和Localytics。许多分析平台也竭尽全力地做到易于集成，很多都可以通过Unity3D支持（比如Google移动分析就有Unity 3D插件）并且没有要求用到少量的本机代码集成。

　　b.价格

　　定价是一个很棘手的问题。以Localytics为例，它免费提供10000 MAU（月活跃用户）的分析。乍一看感觉似乎很不错，因为MAU一旦超过10000，一般情况下营收都会不错。但在我们的例子中并非如此。Sharp Minds始终免费，在营收超过一定数量后，我们不得不面对Localytics每月200美金的最低定价。尽管从我们的数据上来看，我们的确有接近10000的MAU。

　　无论如何，Localytics看起来非常专业，所以我们并没有因为它的最低定价而取消使用。Flurry和Google是免费的。Google分析向来是业界翘楚，因它可以通过其现有的强大的网络分析平台的自然扩张做到全面的分析。而Flurry并非如此，它并没有这种能力，所以其一直保持免费。

　　c.API功能

　　乍一看的时候，在我看来没有一个平台提供的报表能满足我们的分析需求，所以我决定通过原始数据访问来自己处理这些数据。

　　有趣的事情是，当时Localytics网站的广告上说他们提供原始API访问，但当我询问关于API的使用细节时，他们给我的答复却是“这是机密”。给出这种答案让我们如何选择？难道有人会来窃取我们的API参数？这非常奇怪，并且不可思议，最终我将Localytics从我的选择列表中剔除了。

　　Flurry通过输出文档提供一个比较粗糙的原始数据访问，这样我可以得知如何正确地使用它。Google并没有解决这个问题，我误认为这是一个缺陷，最终选择了Flurry。

　　经验教训：

　　避免访问和处理原始数据如果你能帮到它。你可能会创造奇迹，但是不久之后，有两件事会打破你的如意算盘：

　　a) 原始数据的数据量将会非常庞大。当然，10000MAU以下可能还比较好办，但当我们着眼于一个全球范围的成功游戏时就很棘手了，我们糟糕的代码和免费的云存储不能处理原始数据。Google似乎更胜一筹，它仅仅是处理一些原始数据的样本，但足具代表性，同时还能保持速度与功能。

　　b) 当我们需要添加功能和优化时，代码将会增长，最终整个子项目将会耗费大量的开发时间。

　　d.报表功能/定制

　　Localytics似乎很擅长这方面，同时他们对API保密的很好。Flurry有着像样的内置报告，但其他类型的自定义查询非常有限，过程需要花费大量时间。幸运的是，与此同时，Yahoo收购Flurry之后，添加了一个目前处于Beta测试的功能“Explorer”—一个非常炫酷的实时、特别的分析报告。

　　我瞄了一眼Google那边，这一切似乎有太多的障碍。有大量的我不能理解的关于API的问题，并且分析控制平台上的自定义报告似乎还需要及其复杂的配置。

　　经验教训：

　　抛开Flurry的“Explorer”功能不谈，我认为我选择Google的初衷是基于一个错误的观点。即使有了Flurry的“Explorer”，Google的分析方法和心态似乎任然更胜一筹，。Flurry仍然是一个不错的选择，但是在下一次选择的时候，我依然会首先选择Google Analytics，我依然坚信它将是我的长期选择。

　　除了以上三个我们提到的分析平台之外，还有大量的分析创业公司可供我们选择。对于Unity 3D的用户来说，Unity同样推出了它自己的分析平台。尽管现在看起来仍有些稚嫩，但是我相信它会很快成长起来。

via:GRG