中國(guó)傳媒大學(xué)南廣學(xué)院 周 靈 王莉莉

電競(jìng)游戲的數(shù)據(jù)運(yùn)營(yíng)首先需要科學(xué)的方法論的指導(dǎo)，其次需要結(jié)合業(yè)務(wù)的數(shù)據(jù)指導(dǎo)和技術(shù)開(kāi)發(fā)環(huán)節(jié)來(lái)完成，以王者榮耀為典型代表的移動(dòng)端電競(jìng)游戲和產(chǎn)品逐漸趨于互聯(lián)網(wǎng)化，更要求重視電競(jìng)用戶的反饋和體驗(yàn)，更好地經(jīng)營(yíng)用戶使得基于流量獲取的數(shù)據(jù)運(yùn)營(yíng)達(dá)到新階段。要實(shí)現(xiàn)精細(xì)化的運(yùn)營(yíng)，需要把握以下三個(gè)關(guān)鍵環(huán)節(jié)：數(shù)據(jù)、用戶和市場(chǎng)，其中數(shù)據(jù)化運(yùn)營(yíng)是最關(guān)鍵最基礎(chǔ)的環(huán)節(jié)。

一、電競(jìng)游戲的運(yùn)營(yíng)數(shù)據(jù)

結(jié)合傳統(tǒng)的數(shù)據(jù)分析方法，完整的電競(jìng)游戲數(shù)據(jù)分析流程包括：（1）電競(jìng)游戲數(shù)據(jù)分析方法論的確定，包括對(duì)問(wèn)題、目標(biāo)、方法和工具的概述；（2）電競(jìng)游戲數(shù)據(jù)加工；（3）電競(jìng)游戲數(shù)據(jù)的統(tǒng)計(jì)分析；（4）提煉演繹；（5）電競(jìng)游戲運(yùn)營(yíng)建議方案

電競(jìng)游戲數(shù)據(jù)分析第一步非常重要的工作就是業(yè)務(wù)理解，在此基礎(chǔ)上才能進(jìn)行后續(xù)的工作，將電競(jìng)游戲的數(shù)據(jù)進(jìn)行分解如下：

圖1 電競(jìng)游戲數(shù)據(jù)分解

首先，基礎(chǔ)統(tǒng)計(jì)。描述宏觀情況，解決電競(jìng)用戶從哪里來(lái)、活躍度、收入等情況，數(shù)據(jù)指標(biāo)的構(gòu)建建立在基礎(chǔ)統(tǒng)計(jì)分析維度上。

其次，行為方式分析。針對(duì)目標(biāo)用戶群，根據(jù)用戶行為進(jìn)行分析，擴(kuò)展及保留用戶群，提供服務(wù)滿足用戶的需求。

第三，挖掘用戶價(jià)值。將用戶作為運(yùn)營(yíng)的中心，盡可能挖掘用戶潛在價(jià)值，并通過(guò)用戶的維系，提升用戶規(guī)模和收益。

二、電競(jìng)游戲的反饋數(shù)據(jù)

電競(jìng)游戲數(shù)據(jù)分解的方式除了從運(yùn)營(yíng)分析數(shù)據(jù)的角度進(jìn)行，還有另一種方式是通過(guò)游戲反饋數(shù)據(jù)，這種方式關(guān)注用戶對(duì)游戲的體驗(yàn)。

電競(jìng)游戲的數(shù)據(jù)來(lái)源包括數(shù)值反饋數(shù)據(jù)和需求反饋數(shù)據(jù)。反饋數(shù)據(jù)分為兩大類，數(shù)值和需求。

關(guān)于數(shù)值。電競(jìng)游戲本身是一個(gè)通過(guò)數(shù)值構(gòu)建的虛擬社會(huì)，整體的運(yùn)算邏輯是基于數(shù)值的，因此和電競(jìng)游戲內(nèi)容相關(guān)的數(shù)據(jù)都屬于數(shù)值反饋數(shù)據(jù)，例如用戶的關(guān)卡、等級(jí)和注冊(cè)轉(zhuǎn)換等就屬于此類數(shù)值反饋數(shù)據(jù)。而這類數(shù)據(jù)的優(yōu)化和改善將從根本上提升電競(jìng)游戲的體驗(yàn)，進(jìn)而降低電競(jìng)游戲用戶的流失率，提升用戶數(shù)量。

關(guān)于需求。在構(gòu)建的電競(jìng)游戲虛擬社會(huì)中，通過(guò)電競(jìng)游戲?yàn)橛脩魟?chuàng)造很多需求，典型的就是電競(jìng)消費(fèi)需求，尤其是在目前免費(fèi)游戲盛行的情況下，運(yùn)營(yíng)商需要最大限度激發(fā)用戶的消費(fèi)能力和游戲內(nèi)容透支能力，因此，掌握用戶的需求反饋數(shù)據(jù)將有效幫助開(kāi)發(fā)者優(yōu)化游戲，進(jìn)一步提升游戲的收入。

三、電競(jìng)游戲的數(shù)據(jù)收集模式

目前電競(jìng)游戲數(shù)據(jù)的收集主要采用客戶端數(shù)據(jù)收集和服務(wù)端數(shù)據(jù)收集兩種模式。

（一）客戶端數(shù)據(jù)收集

客戶端數(shù)據(jù)收集主要依靠在客戶端中植入SDK，將收集到的數(shù)據(jù)自動(dòng)上傳至服務(wù)器。種種方式多數(shù)采用第三方數(shù)據(jù)分析服務(wù)的SDK來(lái)完成，比如TalkingData Game Analysis、Kontagent、Flurry等，利用此種收集方式，游戲開(kāi)發(fā)者不再需要進(jìn)行復(fù)雜的業(yè)務(wù)數(shù)據(jù)歸納，按照SDK接口完成接入調(diào)用，通過(guò)在Web端提供的分析系統(tǒng)，完成大量的數(shù)據(jù)分析工作。使用這種數(shù)據(jù)收集方式的優(yōu)點(diǎn)是：省去系統(tǒng)開(kāi)發(fā)時(shí)間，標(biāo)準(zhǔn)數(shù)據(jù)定義和接口設(shè)計(jì)，方便和行業(yè)數(shù)據(jù)進(jìn)行對(duì)比。同時(shí)，對(duì)于部分較為復(fù)雜的分析，諸如電競(jìng)用戶分群、營(yíng)銷推送、多維數(shù)據(jù)鉆取分析等，可以通過(guò)這些平臺(tái)輕松完成。當(dāng)電競(jìng)游戲公司開(kāi)發(fā)或者運(yùn)營(yíng)多款游戲時(shí)，種種方式能最大程度上對(duì)游戲數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，借助較短的時(shí)間來(lái)進(jìn)行大量游戲項(xiàng)目數(shù)據(jù)的平臺(tái)繼承和基礎(chǔ)數(shù)據(jù)分析工作，從而避免了因?yàn)槊靠钣螒虻臄?shù)據(jù)結(jié)構(gòu)不同而造成得數(shù)據(jù)分析系統(tǒng)的二次或者多次開(kāi)發(fā)，也不再需要因?yàn)閷?duì)接一款游戲的數(shù)據(jù)而設(shè)計(jì)一個(gè)定制的統(tǒng)計(jì)數(shù)據(jù)分析系統(tǒng)。

（二）服務(wù)端數(shù)據(jù)收集

服務(wù)端的數(shù)據(jù)收集多數(shù)通過(guò)電競(jìng)用戶游戲日志或者數(shù)據(jù)庫(kù)本身來(lái)完成。這種數(shù)據(jù)收集方式的缺點(diǎn)在于：對(duì)于移動(dòng)游戲而言是不完善的，因?yàn)橐苿?dòng)游戲的大量行為在客戶端觸發(fā)。如果目前移動(dòng)游戲使用服務(wù)端數(shù)據(jù)收集方式，很難統(tǒng)計(jì)和定位用戶的游戲時(shí)長(zhǎng)、終端異常情況和網(wǎng)絡(luò)情況，尤其是對(duì)于單機(jī)游戲，難以完成數(shù)據(jù)收集分析，因?yàn)閱螜C(jī)游戲多數(shù)是沒(méi)有服務(wù)端的。

服務(wù)端的數(shù)據(jù)收集和分析要求團(tuán)隊(duì)整體對(duì)游戲數(shù)據(jù)有明確的需求和規(guī)劃能力，且通過(guò)服務(wù)器端建立的數(shù)據(jù)分析系統(tǒng)并不具備復(fù)用能力，因?yàn)槊恳豢钣螒蛴歇?dú)立的服務(wù)器端，并且其數(shù)據(jù)表結(jié)構(gòu)都不同，在游戲數(shù)量增加后，每款游戲的服務(wù)器端不同，出現(xiàn)更多數(shù)據(jù)表結(jié)構(gòu)，若要根據(jù)這些結(jié)構(gòu)特性去完成對(duì)每一款游戲的分析系統(tǒng)建設(shè)，其工作量是巨大的。

對(duì)于移動(dòng)電競(jìng)游戲而言，無(wú)論使用SDK接入，還是服務(wù)端統(tǒng)計(jì)，其數(shù)據(jù)的準(zhǔn)確度都是相對(duì)的。以SDK為代表的統(tǒng)計(jì)分析，可以大量完成客戶端信息的上傳和分析，而服務(wù)端受到網(wǎng)絡(luò)等因素制約，用戶信息無(wú)法上報(bào)時(shí)就會(huì)被舍棄，兩種模式各有利弊，不存在那種數(shù)據(jù)收集統(tǒng)計(jì)模式更精確的說(shuō)法。

[1]李悟.Sportradar US執(zhí)行官:電競(jìng)數(shù)據(jù)如何推動(dòng)行業(yè)發(fā)展[J].電子競(jìng)技,2016(6):78-79.

[2]李航.統(tǒng)計(jì)學(xué)習(xí)方法[M].北京:清華大學(xué)出版社(第1版),2012:60-63.

[3]Morik K,K pcke H.Analysing customer churn in in-surance data-a case study[M].Knowledge Discovery in Databases:PKDD 2004.Springer Berlin Heidelberg,2004:325-336.