大数据时代的数据化运营

来源:新浪游戏     2015-11-17 08:53:33    人气:     我有话说( 0 人参与)

清泛网(www.tsingfun.com):现如今在大数据时代,运营产品变化过程相当快,各家游戏运营的压力都相当大,在某些特定的模式下,突发一些事故,或者对数据错误的分析,导...

现如今在大数据时代,运营产品变化过程相当快,各家游戏运营的压力都相当大,在某些特定的模式下,突发一些事故,或者对数据错误的分析,导致了运营中的一些思路上的错误调整,这可能给产品带来非常巨大的影响。今天我们采访到了中清龙图副总裁李翀为广大cp讲解如何在大数据时代进行数据运营。

什么是大数据?

大数据第一个特点是数据量特别大,举个例子,比如一个人站在这里,仅知道他的身高体重等等,是没有什么实际意义的,但如果把很多人的身高体重都统计量一下,可能可以得出一些数据。这说明了什么?只有当数据量到一定程度的时候,我们才能分析出一些共性的东西和区域性的东西。另外是数据的内存比较多,可能会衍生到很多纬度,比如身高长相,还有体重以及其他的年纪等等各种各样的东西,我们运营其实就是从大量的数据中挖掘出更多的价值。

另外的表现是数据产生速度非常快,就目前来讲,《刀塔传奇》用户量级上亿。每天都会产生大量的数据,那么需要在有限的时间里,对我们的数据从目前2300多个服务器上进行行为数据的采集,并且清洗之后作为存储,然后进行计算。得到不同纬度上希望得到的我们想要的结果。目前我们的做法是,在整个两年的时间中,一直努力地规范数据采集的方法,包括客户端服务器的相关的ICK,存储方面,主要是几个方面。所有的国内的包括存储、计算等等,很多放到了云端,计算也是利用了Pyton的脚本等等。

数据的甄别和挖掘——避免数据陷阱

目前情况下,我们在运营中看到可以获得有效数据的原始数据不是问题,去除无效和虚假的数据才是关键。

相信做发行的同行都知道,在实践中,会遇到通过某些渠道或者是CPS,或者是广告渠道,他们一定会有大量的虚假的数据在里面。在游戏的基础上可以比较容易地判别出虚假的数据,或者是有问题的数据。在大数据运算中,识别出有陷阱的或者有缺陷的数据,是做大数据运营过程中第一点需要关注的点。

不同纬度的数据——彼此之间的相关性是关键

在运营大数据时我们会从游戏中获得的数据本身是零散的数据,这些不同纬度的玩家的基础性的数据,它们代表得特性以及彼此之间的相关性是最为关键的。举个例子,我们都知道,我们关注得比如DAU,比如三流,五流等数据,或者是付费数据,当我们上线一个产品,或者对已有的老产品做运营分析的时候,我们会发现,为什么这个产品的次流会比较好,而有些产品的次流比较差,反过来看其他的数据,我们会发现,往往在次流方面表现比较好的产品和比较差的产品表现完全不一样。当两个产品不具备相关性的时候,那么对转化率,或者在一些内容进行分析。我们遇到了一个现状,一开始我们是比较小规模进行测试的时候,发现这个产品还可以,我们决定按照整个规划去上线产品,上线产品之后,我们发现数据离我们最初的预期差很多,比如次流明显低于小批量投放的效果,包括付费渗透率以及UP值低于预期。原来的广告资源都铺开了,只能快速地调试产品和验证产品。当时我们用了一个比较特殊的渠道,我们在7天出了七八个版本,每天一个以上的版本,我们用了一个礼拜的时间,最终才把产品调到了预期的数据。

如何做到数据化运营

总体来讲,我们只关注表现以及一些变化趋势,现在做得东西是智能报表,我们从报表本身出发,根据产品制作的模型提高我们的洞察力,不管是短期的运营项目还长期问题以及机会,反馈给运营同学,采取行动,再反馈到报表做一个整体的闭环系统。数据化运营可以通过数据手段全面地解决的问题。通过不同的纬度的玩家的行为数据,达到一定效果,另外通过精细化的运营,将推销变为营销,做可持续地运营。

这是运营中的渠道的CPS,现在大家比较普通用到的是免费制的产品模式,实际上,在come、stay、Pay三个点上有不同的方面,come即所谓的用户画像,根据产品的分类以及产品的特点不同,会决定我们在产品投放模式上的不同。这是基于现在已经有的用户行为数据统计的基础上的。我们可以在这里做很多工作,比较有效地管理产品投放,我印象中,到上个月,基本的产品新进用户的次流可以保持在50%以上,这个产品本身品质比较好,另外我们一直在持续地优化导流的模型。

关于精准营销

通过用户本身的付费习惯和付费行为的区分,我们对所谓不同的用户会定期和不定期地推出不同档次的运营活动,提供比较精准的后续版本的开发和运营活动的方案。根据用户不同的层别区分,对他去做营销。

以个人的判断来讲,可以看到快速起来的推广期,还有比较短的推广期,还有一个长尾,这种数据化的运营不能真的把一个游戏变成一个长青树,但是可以有效地延长长尾期。

关于如何预防用户流失

通过数据分析,什么样的用户可能会成为流失型用户,并且通过数据去发现问题,然后去挽留他们。举个例子,比如用户的付费冲动变得弱化了,消费能力变差了,甚至登录程度变低,都会数据运营都应提出警告,这样的用户也许是因为内容不足,也许是因为信心丧失,导致了流失。我们在用户还没有真的流失之前想办法挽留他,比在他流失之后用各种方式召回更容易。另外,可以发现,这些即将流失以及已经流失的用户特征,我们可以做出不同的方案进行补救。

总结

数据化运营需要通过全面多维度的数据综合分析来了解分析用户,由群体式的运营向针对每个用户的精准化运营进行转变,将“推销”转变成为“营销”,以用户的根本需求作为核心运营的根本方向。

标签: 大数据  运营 

本文源自互联网,采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可,
版权归原作者,如有问题请联系service@tsingfun.com (编辑:admin)