你知道怎么利用数据吗？本篇文章从游戏的数据出发，详细介绍了应该从数据的哪几个方面来利用数据，推荐想了解数据分析的同学阅读。

数据犹如一扇扇窗户，透过它，我们可以洞察到游戏世界内部的诸多秘密。这些秘密，就像是隐藏在房间深处的宝藏，只有真正理解并善用它们，我们才能创造出更吸引人的游戏，形成更成功的商业模式。

一个关键的问题是：到底有哪些窗户，以及我们怎么才能打开它们？

一、用户行为

从这扇窗户里面，我们可以看到与用户相关的行为模式的秘密。

我们通常意义上的日活跃用户（DAU）、平均每用户收入（ARPU）、留存率、投资回报率（ROI）等通用指标，又或者是诸如新手漏斗、活动漏斗等分析，都是通过这部分数据得来的，这部分数据的采集核心是合理的应用内埋点，对于事件和属性的设计是重中之重。

游戏中的埋点采集通常分为两部分，一部分来自客户端，一部分来自服务器端。就服务器端的埋点采集而言，它的数据不容易丢失，更加准确，因此，类似于“付费”这样需要更精确统计的行为，都会通过服务器端埋点采集。而对于客户端的埋点采集来讲，是游戏行业的重中之重。

因为对于其他行业来说，客户端的埋点数据通常是对服务器端埋点数据的补充，比如电商类 APP，我们分析用户在界面上的操作行为路径，可能就不如分析用户最终成交行为的意义大，毕竟在很多行业中，客户端的许多行为，第一不是核心体验，第二不会互为因果。

而在游戏行业里，一个游戏的全部体验，都在玩家的每一步操作中，玩家在某一个细节上体验较差，就有可能流失，而在某一个细节上获得巨大的愉悦感，就有可能创造出更大的价值。

以《炉石传说》为例，在打出牌之后，点击界面就可以加速动画，所以这类点击加速或者跳过动画的操作，就不适合放到服务器端去埋点。对于别的行业，可能一个 APP 里的界面动画效果是否被加速并不是优化核心，但在游戏行业，你甚至可以因此而区分两类用户，一类是佛系的，来享受过程，一类是进取的，来享受结果，当有了这种认知之后，接下来针对细分人群的功能设计和运营手段都会有所不同。

用户行为数据是非常庞大的，灵活性高，分析的方式多样，如果运用得好，是整个游戏最客观，也最细微的体现，因此，需要比较强大的工具支持，比如神策等。但是用户行为数据不是万能的，首先它必须基于已经在 APP 中发生的行为做统计分析，对于没有在 APP 中发生行为的事实，就无能为力。

其次，使用用户行为数据进行分析的视角可能很难直观地给出系统本身的变化，也就是说，我们通过用户行为数据，可以直观地看到用户的行为，但游戏是一个复杂的系统，用户行为本身会导致系统本身产生连锁反应，而这些连锁反应里面，不会有行为埋点，因此，单纯的用户行为数据也就很难追踪这部分变化。

但是别急，我们还有其它的四扇窗户。

二、游戏快照

主要是指游戏在某个时刻的运行快照，通过它我们可以看到在确定时间切片下，游戏各系统的平衡、设计情况。这一部分数据，对于自演化的复杂系统有着很重要的意义。

我们以游戏《文明》为例，从某个角度来看，《文明》是在构筑一个引擎，这个引擎一旦构筑起来，就会不停地产生资源，玩家的行为只是在改造引擎。引擎的运行由时间来驱动，这时候，定期的基于服务器内的运行快照，就对游戏系统本身的演进分析更为重要，比如我们想要看看游戏中各资源会随着时间如何变化？资源 A 是否和资源 B 的变化有相关性等。

比如木头的数量波动和金币的数量波动总是呈一前一后的三角函数关系，且相加之后正好互相填平。那么就说明在游戏设计中，两种资源或许可以互相转换，也意味着资源总量或许可以作为衡量游戏平衡性的一个标准。但市面上对于这部分数据的采集方式通常都不太一样，比较常见的是直接的定期的 Sever 数据库的快照保存。

三、性能数据

类似于快照，但是更偏技术，由于游戏的体验至关重要，而在体验里面，性能是最直观影响体验的。事实上，为了达到所需要的性能，很多游戏做了很多技术上的创新。比如《守望先锋》这类游戏的客户端预测技术，再比如纹理压缩、LOD、延迟渲染、光照预计算、Occlusion Culling 等一系列渲染上的技术，虽然花费了巨大的代价，但都是为了玩家能在操作的时候“纵享丝滑”。

这一部分数据通常不会在用户行为埋点中记录，例如 FPS、加载时间、内存使用、PING、崩溃率等，为了收集这些性能数据，开发者通常会使用各种工具，主要有以下几类：

1. 游戏引擎自带的分析工具：例如 Unity 的 Profiler 工具，Unreal Engine 的 Performance Profiler。 2. 设备制造商提供的工具：例如 Apple 的 Instruments，Android 的 Profiler 等。

3. 第三方性能分析工具：例如 GameBench、RenderDoc、Pix 等。

4. 自定义的 DEBUG 日志：在代码中添加自定义日志，以收集和分析特定的性能数据。

四、社区反馈

这扇窗户，将带我们看到玩家在游戏之外，没有发生行为的数据。这部分数据尤其珍贵有效，因为它能反应玩家真实的整体情绪，比如我们在 steam 的评论中，经常会看到一个游戏被打了差评，但是评论语确是“We need Chinese！”，这些是玩家最真实的反馈。

在国外的游戏研发过程中，对这一块尤其重视，比如在《杀戮尖塔》的研发过程中，开发团队先是使用 slack 进行小范围的反馈收集，EA 之后，又在 discord 上进行大量的反馈收集，开发团队会一条一条地查看用户的反馈。

这部分数据的采集，首先是要有类似的社区工具或者平台，比如slack、discord、steam、taptap 等，又或者 Appstore 的评价、客服系统里面的直接反馈，也都是重要的来源。

其次是要有分析数据的工具和技术，无论是手动查看，还是利用机器学习技术进行关键词采集、情感分析，或者用 LLM 进行总结，目的都是为了挖掘这一部分数据的价值。

事实上，这一部分数据在早期较容易被获取，也是较有价值的数据，只是越到后期，游戏越火，数据量越大，需要分析的技术门槛随之水涨船高。这可能是一种幸福的烦恼，游戏开发者似乎也都需要这种幸福的烦恼。

五、市场数据

这部分数据也分为两块。

一块是与游戏本身相关的市场数据，比如使用广告进行推广，那么广告的花费、广告的效果，就至关重要。对于广告数据来说，精准的效果追踪是必修功课。第二块是整个市场的大盘，以及竞争对手的情况，还有当前的广告的热度素材，毕竟知己知彼，才能百战百胜。

这五类数据，从用户行为数据到市场数据，每一部分都为游戏的数据分析提供了不同的视角，当新的技术不停地涌现，游戏的研发和运营过程也会不停地迭代和变化，新的窗口和手段都也会不停地产生。