《游戲數據分析的藝術》是中國游戲產業(yè)的開創(chuàng)性著作，具有里程碑意義，它首次系統講解了如何對游戲行業(yè)的數據進行分析，在行業(yè)里豎起了一根標桿。作者是來自TalkingData等國內頂尖的數據分析機構和西山居這樣的知名游戲公司的資深數據分析專家，對游戲數據從不同的業(yè)務角度進行了詮釋。本書詳細剖析了游戲數據分析相關的指標、方法論、內容挖掘、數據挖掘、軟件使用、游戲設計、運營策劃、渠道推廣、收入解讀、用戶分析和留存分析等。對于產品設計、開發(fā)、運營、推廣以及游戲行業(yè)的人才培養(yǎng)都將帶來巨大的推進作用。
《游戲數據分析的藝術》一共12章：第1章從宏觀上介紹了游戲數據分析的重要意義、方法論、流程，以及游戲數據分析師的定位；
第2章詳細解讀了游戲數據分析的各項數據指標，部分指標在游戲行業(yè)里都屬于首次提出，為行業(yè)建立了規(guī)范；
第3章詳細講解和示范了各種游戲數據報表的制作方法；
第4章講解了基于統計學的數據分析方法以及它在游戲數據分析中的應用；
第5~9章詳細地、全方位地講解了游戲的用戶數據分析、運營數據分析、收入數據分析、渠道數據分析、內容數據分析，不僅有方法論和技巧，而且有大量的實際案例，這部分內容是本書的核心；
第10~12章講解了R語言的核心技術以及如何利用R語言對游戲數據進行分析，同時也附有大量案例。
中國游戲數據分析領域的標桿性著作，由來自國內頂尖的數據分析機構和游戲公司的資深數據分析師撰寫，西山居CEO作序推薦
首次系統地給出了一套完善的游戲數據指標和游戲數據分析方法，涵蓋用戶、運營、收入、內容、渠道等各個業(yè)務層面
為什么要寫這本書
無法衡量，就無法改進。
每一個產品都是藝術品，游戲是產品，故游戲也是藝術品。然而產品需要用戶，用戶與產品都需要衡量，深入地分析并解決問題，提升產品，經營用戶。
游戲伴隨互聯網的發(fā)展逐步成為重要的產業(yè)，這其中誕生了像暴雪這樣的公司，同時也誕生了像西山居這樣的民族品牌。我們的技術越來越好，我們的界面越來越炫，我們的設計策劃力量也在不斷成長。各種針對這個行業(yè)的書籍層出不窮，然而我們卻發(fā)現，在越來越注重產品運營的今天，當一切走向了數字化后，我們的產品數據分析和數據建設，在大多數的從業(yè)者當中，卻是極度匱乏和無助的。
從當初寫“小白學數據分析”開始，就承載了一種使命，一種要將行業(yè)數據分析不斷完善和發(fā)展的使命。迄今為止，這個行業(yè)還沒有一本書是系統地梳理和講解游戲數據的概念和運用的。伴隨大數據和移動互聯網的發(fā)展，移動互聯網創(chuàng)造了更加公平和廉價的創(chuàng)業(yè)機會，大數據給予了大家更多利用數據驅動變革的思考，參與到其中的人越來越多。數據開始得到越來越多人的重視和建設，令人欣喜的是，我們看到很多的渠道、發(fā)行商、開發(fā)者開始用數據說話，開始注意ROI，開始關注留存率，這是一種好的現象，說明數據開始發(fā)揮價值和影響。不過，留存率也好，ARPU也好，被玩壞了，被曲解，存在了多重標準，這使得眾多的從業(yè)者，尤其是很多新人難以區(qū)分這些標準，難以理性和客觀地分析這些數據。很多時候，我們都缺少一個像電商中SKU這樣一個高度統一認識的指標，也從未有詳細的材料或者書籍對游戲數據分析進行全面的闡述。
數據分析是以解決問題為先。
數據分析注重的是結果轉化，理論和知識最終服務于方案和最終的效果。游戲可以看作是一件藝術品，然而這樣一件藝術品是需要受眾的，要經營受眾，我們就需要去衡量，去改進。在這個過程中，所使用的軟件不是最關鍵的，使用的算法也不是最關鍵的，解決問題的方法才是最關鍵的，并有切實落地的方案以及對于最終效果的反饋和改進措施。不只是對于游戲數據分析是這樣的，對于其他領域的數據分析也是如此。本書除了解決基本認識、方法之外，還有更多對于業(yè)務理解的思考，從解決問題入手，以游戲為最佳切入點，輻射整個數據分析領域，并完成大部分理論和基礎數據的解讀分析。
讀者對象
這是一本關于游戲數據分析的書籍，但是其中所包括的知識、方法、指標、理論是可以服務于整個互聯網的，以下人員均可閱讀和使用本書。
游戲產品運營人員。
游戲數據分析人員。
移動應用產品運營人員。
移動應用數據分析人員。
產品營銷推廣人員。
產品體驗設計人員。
產品數據挖掘及平臺建設人員。
數據分析愛好者。
如何閱讀本書
本書從組織、策劃、收集到創(chuàng)作歷經了3年時間，由4位來自不同領域的作者共同完成，其中于洋完成了第1章、第2章、第3章、第5章、第6章、第7章和第9章的創(chuàng)作，余敏雄完成了第10章、第11章和第12章的創(chuàng)作，吳娜完成了第4章的創(chuàng)作，師勝柱完成了第8章的創(chuàng)作。
本書分為兩大部分：
第一部分貫穿了從基本的游戲數據分析概念、分析師的定位、數據指標認識、游戲數據分析方法論、統計學運用、渠道流量經營到具體產品每個階段的數據運營知識。
第二部分則是重點闡述運用R語言和數據挖掘的知識，深入探討游戲數據分析的高階知識。
勘誤和支持
除封面署名外，本書在創(chuàng)作過程中得到王巍、姜長嵩的支持，他們提供了大量的內容。由于作者的水平有限，編寫時間倉促，書中難免會出現一些錯誤和不準確的地方，望各位讀者批評指正。為方便溝通，我們特意創(chuàng)建了在線網站，讀者有任何問題可在該網站進行留言，同時書中未完全闡述之內容，將在該網站上繼續(xù)為各位讀者進行解答。另外我們也將定期更新該網站上的文章。如果您有更多寶貴建議，歡迎發(fā)送郵件，或者關注本書微信公共賬號，期待能夠得到您的真摯反饋。
致謝
首先感謝西山居CEO鄒濤為本書所作的序，作為曾經的金山人，深感榮耀。
感謝TalkingDataCEO崔曉波，在我職業(yè)生涯中所給予的啟迪和平臺，作為TalkingData的一員，有幸參與到偉大的數據事業(yè)之中，倍感自豪。
感謝TalkingData、西山居，他們?yōu)樾袠I(yè)做了一件非常偉大的事情，從此游戲數據分析也是一個真正落地的方向，TalkingData為行業(yè)的數據發(fā)展做出了產品和方法的指引，而西山居則將多年的沉淀與積累奉獻于公眾。同時也感謝所有一直以來支持游戲數據分析發(fā)展的眾多游戲公司。
感謝在本書創(chuàng)作過程中給予我們幫助的金山西山居姜長嵩、暢游王巍、游戲數據挖掘與分析QQ群每一位參與游戲數據分析建設的熱心網友，感謝TalkingData閆輝和于海亮，他們的產品設計和研發(fā)，使得行業(yè)進入了快速發(fā)展軌道，還有諸多未提到的朋友，感謝他們長期對游戲數據分析的支持和貢獻。感謝所有付出艱辛努力的作者，余敏雄、吳娜、師勝柱，他們的全力支持和參與，使得本書順利出版。
感謝機械工業(yè)出版社華章公司楊福川的信任，他陪伴我一同等待了3年時間；感謝辛苦改稿的編輯姜影。因為有了他們的支持、鼓勵和幫助，本書才能得以順利出版。
最后感謝家人，感謝你們一直以來的理解、陪伴和支持。
謹以此書獻給親愛的家人。
于洋
于洋，TalkingData高級咨詢總監(jiān)，主導TalkingDataUniversity計劃。曾在金山軟件公司任職游戲數據分析師，從事游戲及移動應用數據分析、產品數據體驗優(yōu)化、金融機構運營及數據培訓。先后服務于多家銀行、保險、證券、移動運營商、移動互聯網公司。小白學數據分析專欄作者，撰寫第一本《移動游戲數據運營指標白皮書》和《移動應用數據指標白皮書》。
余敏雄，金山軟件公司西山居數據中心數據分析專家，從事游戲數據挖掘和數據化運營分析多年，研究領域包括大型端游、頁游以及移動游戲，擁有貫穿游戲立項、研發(fā)、測試、正式運營和穩(wěn)定運營整個游戲生命周期各個階段的豐富經驗。主要關注統計分析與數據挖掘在游戲行業(yè)的實踐應用，如游戲用戶行為預測、推薦系統、反作弊、用戶研究、社交網絡與交易網絡分析等，是游戲行業(yè)數據化運營的倡導者與踐行者，同時是中國統計網數據分析培訓師，在企業(yè)員工培訓中也擁有豐富經驗。
吳娜，曾服務于久游游戲和中國移動集團等公司，現擔任電信集團互聯網數據挖掘工程師，因其豐富的市場運營和數據分析工作經驗，能準確有效定位業(yè)務問題和數據方法論，精通數理統計、常用編程語言、常用數據挖掘工具和Hadoop分布式平臺，現于上海交通大學計算機系就讀研究生，研究方向互聯網金融。
師勝柱，就職于中國最大的安卓游戲渠道360手機游戲，擔任戰(zhàn)略分析師。曾擔任TalkingData高級咨詢顧問以及上海中軟國際Windows技術支持工程師。在TalkingData期間主攻游戲數據分析、游戲運營以及移動游戲市場的分析工作。為多款游戲撰寫深度評測分析、產品體驗優(yōu)化報告以及專題數據分析報告等。學分析論壇，愛分析微信公眾賬號（i-analysis）以及移動數據分析博客的創(chuàng)辦者。
序
前言
第1章 了解游戲數據分析
1.1 游戲數據分析的概念
1.2 游戲數據分析的意義
1.3 游戲數據分析的流程
1.3.1 方法論
1.3.2 數據加工
1.3.3 統計分析
1.3.4 提煉演繹
1.3.5 建議方案
1.4 游戲數據分析師的定位
1.4.1 玩家-游戲用戶
1.4.2 分析師
1.4.3 策劃-游戲設計者
第2章 認識游戲數據指標
2.1 數據運營
2.2 數據收集
2.2.1 游戲運營數據
2.2.2 游戲反饋數據
2.2.3 收集方式
2.3 方法論
2.3.1 AARRR模型
2.3.2 PRAPA模型
2.4 數據指標
2.4.1 用戶獲取
2.4.2 用戶活躍
2.4.3 用戶留存
2.4.4 游戲收入
2.4.5 自傳播
第3章 游戲數據報表制作
3.1 運營現狀
3.1.1 反饋指標
3.1.2 制作報表
3.2 趨勢判斷
3.2.1 關鍵要素
3.2.2 制作報表
3.3 衡量表現
3.3.1 關鍵數據
3.3.2 制作原則
3.4 產品問題
3.4.1 兩個問題
3.4.2 分析案例
3.5 一個問題、三個原則和圖表的意義
3.5.1 一個問題
3.5.2 三個原則
3.5.3 圖表的意義
第4章 基于統計學的基礎分析方法
4.1 度量數據
4.1.1 統計描述
4.1.2 分布形狀類型及概率應用
4.1.3 常用統計圖
4.1.4 概率抽樣、樣本量估計和實驗設計
4.2 分類數據分析
4.2.1 列聯表分析
4.2.2 無序資料分析
4.2.3 有序分類資料分析
4.2.4 分類數據分析案例
4.3 定量數據分析
4.3.1 假設檢驗與t檢驗
4.3.2 方差分析與協方差分析
4.4 時間序列數據分析
4.4.1 時間序列及分解
4.4.2 時間序列描述統計
4.4.3 時間序列特性的分析
4.4.4 指數平滑
4.5 相關分析
4.5.1 定量資料相關分析
4.5.2 分類資料相關分析
參考文獻
第5章用戶分析
5.1 兩個問題
5.2 分析維度
5.3 新增用戶分析
5.3.1 黑色一分鐘
5.3.2 激活的用戶
5.3.3 分析案例-注冊轉化率
5.4 活躍用戶解讀
5.4.1 DAU的定義
5.4.2 DAU分析思路
5.4.3 DAU基本分析
5.4.4 分析案例-箱線圖分析DAU
5.5 綜合分析
5.5.1 分析案例-DNU/DAU
5.5.2 使用時長分析
5.6 斷代分析
5.7 LTV
5.7.1 LTV的定義
5.7.2 LTV算法局限性
5.7.3 用戶平均生命周期算法
5.7.4 LTV使用
第6章留存分析
6.1 留存率的概念
6.1.1 留存率的計算
6.1.2 留存率的三個階段
6.1.3 留存率的三要素
6.2 留存率的分析
6.2.1 留存率的三個普適原則
6.2.2 留存率分析的作用
6.2.3 留存率分析操作
6.3 留存率優(yōu)化思路
6.4 留存率擴展討論
第7章收入分析
7.1 收入分析的兩個角度
7.1.1 市場推廣角度
7.1.2 產品運營角度
7.2 宏觀收入分析
7.3 付費轉化率
7.3.1 付費轉化率的概念
7.3.2 APA和DAU對付費轉化率的影響
7.3.3 真假APA
7.3.4 付費轉化率的引申
7.3.5 付費轉化率的影響因素
7.4 ARPU
7.4.1 ARPDAU
7.4.2 DAU 與 ARPU
7.5 ARPPU
7.5.1 ARPPU的由來
7.5.2 平均惹的禍
7.5.3 首次付費與ARPPU
7.6 APA
7.6.1 APA分析
7.6.2 付費用戶的劃分
7.6.3 付費頻次與收入規(guī)模
7.6.4 付費頻次與付費間隔
7.7 分析案例-新增用戶付費分析
7.7.1 新增用戶留存
7.7.2 付費轉化率
7.7.3 留存用戶中付費用戶的收入
7.7.4 ARPU
7.7.5 新增用戶的收入計算
第8章渠道分析
8.1 渠道的定義
8.2 渠道的分類
8.3 渠道分析的意義
8.3.1 最佳渠道是運營之外使產品的利益最大化的方式
8.3.2 品牌的力量不容小覷
8.4 建立渠道數據分析體系
8.4.1 建立數據監(jiān)控體系
8.4.2 渠道推廣分析的閉環(huán)
8.5 分析案例-游戲渠道分析
第9章內容分析
9.1 營銷分析與推送
9.1.1 理解用戶
9.1.2 營銷方式-推送
9.2 流失預測模型
9.2.1 數據準備
9.2.2 數據建模
9.3購買支付分析
9.3.1場景分析
9.3.2輸入法的局限
9.3.3 批量購買的設計
9.3.4 轉化率
9.4版本運營分析
9.4.1把握用戶的期待
9.4.2地圖
9.4.3 武器
9.4.4新道具
9.4.5其他更新
9.5長尾理論實踐
9.5.1概念
9.5.2顧尾不顧頭
9.5.3長尾與二八法則
9.5.4尾部的挖掘
9.5.5案例-FPS游戲的長尾策略
9.6活動運營分析
9.6.1理解活動運營
9.6.2活動數據分析
第10章R語言游戲分析入門
10.1R語言概述
10.2新手上路
10.3R語言數據結構
10.3.1向量
10.3.2矩陣
10.3.3數組
10.3.4 數據框
10.3.5列表
10.4R語言數據處理
10.4.1類型轉換
10.4.2缺失值處理
10.4.3排序
10.4.4去重
10.4.5數據匹配
10.4.6分組統計
10.4.7數據變換
10.4.8創(chuàng)建重復序列rep
10.4.9創(chuàng)建等差序列seq
10.4.10隨機抽樣sample
10.4.11控制流
10.4.12創(chuàng)建函數
10.4.13字符串處理
10.5基礎分析之"數據探索"
10.5.1數據概況理解
10.5.2單指標分析
10.5.3雙變量分析
第11章R語言數據可視化與數據庫交互
11.1R語言數據可視化
11.2常用參數設置
11.2.1顏色
11.2.2點和線設置
11.2.3文本設置
11.3低級繪圖函數
11.3.1標題
11.3.2坐標軸
11.3.3網格線
11.3.4圖例
11.3.5點線和文字
11.3.6par函數
11.4高級繪圖函數
11.5R語言與數據庫交互
第12章R語言游戲數據分析實踐
12.1玩家喜好對應分析
12.1.1對應分析的基本思想
12.1.2 玩家購買物品對應分析
12.1.3討論與總結
12.2玩家物品購買關聯分析
12.2.1算法介紹
12.2.2物品購買關聯分析
12.2.3討論與總結
12.3基于密度聚類判斷高密度游戲行為
12.3.1案例背景
12.3.2DBSCAN算法基本原理
12.3.3數據探索
12.3.4數據處理
12.3.5模型過程
12.3.6多核并行提高效率
12.3.7討論與總結
12.4網絡關系圖分析應用
12.4.1網絡圖的基本概念
12.4.2創(chuàng)建網絡關系圖
12.4.3畫網絡關系圖
12.4.4網絡關系分析與應用
12.4.5討論與總結
書單推薦
