游戏数据分析的艺术 (数据分析与决策技术丛书)
- 体积：22.48 MB
- 语言：中文
- 日期：2019-01-01
- 推荐：人
简介：作为一名游戏行业的老兵，我从事游戏研发及管理工作多年，经历了单机、客户端游戏、网页游戏以及移动游戏大潮的洗礼。回顾互联网发展的这些年，从门户、电商、社交、搜索到娱乐行业，数据都在扮演着非常重要的角色，流量经营分析、电商分析、搜索分析、社交分析都进入了全盛时代，并从商业变现的角度发挥了举足轻重的作用。然而，游戏的研发、运营、设计在不断进步，作为一种娱乐产业，也作为基于数据的互联网业务，其数据分析则一直落后于其他互联网服务的发展。作为最早的互联网商业化服务，却未充分利用数据的力量将游戏产业的创新、发展推向更高的水平，这是整个行业发展的一个遗憾。
这些资源你可能感兴趣
作为一名游戏行业的老兵，我从事游戏研发及管理工作多年，经历了单机、客户端游戏、网页游戏以及移动游戏大潮的洗礼。回顾互联网发展的这些年，从门户、电商、社交、搜索到娱乐行业，数据都在扮演着非常重要的角色，流量经营分析、电商分析、搜索分析、社交分析都进入了全盛时代，并从商业变现的角度发挥了举足轻重的作用。然而，游戏的研发、运营、设计在不断进步，作为一种娱乐产业，也作为基于数据的互联网业务，其数据分析则一直落后于其他互联网服务的发展。作为最早的互联网商业化服务，却未充分利用数据的力量将游戏产业的创新、发展推向更高的水平，这是整个行业发展的一个遗憾。
编辑推荐
中国游戏数据分析领域的标杆性著作，由来自国内 数据分析机构和游戏公司的资深数据分析师撰写，西山居CEO作序推荐。《游戏数据分析的艺术》首次系统地给出了一套完善的游戏数据指标和游戏数据分析方法，涵盖用户、运营、收入、内容、渠道等各个业务层面。
作者简介
于洋，TalkingData高级咨询总监，主导Talking Data University计划。曾在金山软件公司任职游戏数据分析师，从事游戏及移动应用数据分析、产品数据体验优化、金融机构运营及数据培训。先后服务于多家银行、保险、证券、移动运营商、移动互联网公司。小白学数据分析专栏作者，撰写第一本《移动游戏数据运营指标白皮书》和《移动应用数据指标白皮书》，运营学分析及网站。
目录
序
前言
第1章 了解游戏数据分析1
1.1 游戏数据分析的概念1
1.2 游戏数据分析的意义2
1.3 游戏数据分析的流程4
1.3.1 方法论5
1.3.2 数据加工6
1.3.3 统计分析9
1.3.4 提炼演绎9
1.3.5 建议方案12
1.4 游戏数据分析师的定位13
1.4.1 玩家—游戏用户14
1.4.2 分析师17
1.4.3 策划—游戏设计者22
第2章 认识游戏数据指标24
2.1 数据运营24
2.2 数据收集25
2.2.1 游戏运营数据25
2.2.2 游戏反馈数据26
2.2.3 收集方式26
2.3 方法论27
2.3.1 AARRR模型28
2.3.2 PRAPA模型38
2.4 数据指标39
2.4.1 用户获取40
2.4.2 用户活跃41
2.4.3 用户留存43
2.4.4 游戏收入44
2.4.5 自传播47
第3章 游戏数据报表制作48
3.1 运营现状49
3.1.1 反馈指标49
3.1.2 制作报表50
3.2 趋势判断52
3.2.1 关键要素52
3.2.2 制作报表53
3.3 衡量表现56
3.3.1 关键数据56
3.3.2 制作原则57
3.4 产品问题58
3.4.1 两个问题59
3.4.2 分析案例60
3.5 一个问题、三个原则和图表的意义62
3.5.1 一个问题62
3.5.2 三个原则62
3.5.3 图表的意义64
第4章 基于统计学的基础分析方法65
4.1 度量数据66
4.1.1 统计描述66
4.1.2 分布形状类型及概率应用70
4.1.3 常用统计图73
4.1.4 概率抽样、样本量估计和实验设计80
4.2 分类数据分析95
4.2.1 列联表分析95
4.2.2 无序资料分析96
4.2.3 有序分类资料分析98
4.2.4 分类数据分析案例100
4.3 定量数据分析101
4.3.1 假设检验与t检验101
4.3.2 方差分析与协方差分析104
4.4 时间序列数据分析112
4.4.1 时间序列及分解112
4.4.2 时间序列描述统计115
4.4.3 时间序列特性的分析116
4.4.4 指数平滑121
4.5 相关分析124
4.5.1 定量资料相关分析125
4.5.2 分类资料相关分析126
参考文献129
第5章用户分析130
5.1 两个问题130
5.2 分析维度131
5.3 新增用户分析135
5.3.1 黑色一分钟135
5.3.2 激活的用户138
5.3.3 分析案例—注册转化率140
5.4 活跃用户解读141
5.4.1 DAU的定义142
5.4.2 DAU分析思路143
5.4.3 DAU基本分析144
5.4.4 分析案例—箱线图分析DAU146
5.5 综合分析151
5.5.1 分析案例—DNU／DAU151
5.5.2 使用时长分析157
5.6 断代分析161
5.7 LTV162
5.7.1 LTV的定义162
5.7.2 LTV算法局限性163
5.7.3 用户平均生命周期算法166
5.7.4 LTV使用167
第6章留存分析169
6.1 留存率的概念170
6.1.1 留存率的计算170
6.1.2 留存率的三个阶段173
6.1.3 留存率的三要素175
6.2 留存率的分析181
6.2.1 留存率的三个普适原则181
6.2.2 留存率分析的作用184
6.2.3 留存率分析操作190
6.3 留存率优化思路202
6.4 留存率扩展讨论203
第7章收入分析205
7.1 收入分析的两个角度206
7.1.1 市场推广角度206
7.1.2 产品运营角度207
7.2 宏观收入分析208
7.3 付费转化率210
7.3.1 付费转化率的概念212
7.3.2 APA和DAU对付费转化率的影响213
7.3.3 真假APA214
7.3.4 付费转化率的引申215
7.3.5 付费转化率的影响因素217
7.4 ARPU219
7.4.1 ARPDAU220
7.4.2 DAU 与 ARPU221
7.5 ARPPU222
7.5.1 ARPPU的由来222
7.5.2 平均惹的祸223
7.5.3 首次付费与ARPPU224
7.6 APA225
7.6.1 APA分析226
7.6.2 付费用户的划分226
7.6.3 付费频次与收入规模231
7.6.4 付费频次与付费间隔232
7.7 分析案例—新增用户付费分析235
7.7.1 新增用户留存235
7.7.2 付费转化率236
7.7.3 留存用户中付费用户的收入237
7.7.4 ARPU239
7.7.5 新增用户的收入计算241
第8章渠道分析244
8.1 渠道的定义244
8.2 渠道的分类245
8.3 渠道分析的意义245
8.3.1 最 佳渠道是运营之外使产品的利益最 大化的方式245
8.3.2 品牌的力量不容小觑246
8.4 建立渠道数据分析体系247
8.4.1 建立数据监控体系247
8.4.2 渠道推广分析的闭环254
8.5 分析案例—游戏渠道分析256
第9章内容分析259
9.1 营销分析与推送259
9.1.1 理解用户259
9.1.2 营销方式—推送261
9.2 流失预测模型263
9.2.1 数据准备263
9.2.2 数据建模264
9.3购买支付分析272
9.3.1场景分析272
9.3.2输入法的局限273
9.3.3 批量购买的设计275
9.3.4 转化率276
9.4版本运营分析278
9.4.1把握用户的期待278
9.4.2地图281
9.4.3 武器284
9.4.4新道具286
9.4.5其他更新288
9.5长尾理论实践289
9.5.1概念289
9.5.2顾尾不顾头290
9.5.3长尾与二八法则291
9.5.4尾部的挖掘291
9.5.5案例—FPS游戏的长尾策略292
9.6活动运营分析294
9.6.1理解活动运营294
9.6.2活动数据分析295
第10章R语言游戏分析入门297
10.1R语言概述297
10.2新手上路299
10.3R语言数据结构301
10.3.1向量301
10.3.2矩阵301
10.3.3数组302
10.3.4 数据框303
10.3.5列表305
10.4R语言数据处理306
10.4.1类型转换306
10.4.2缺失值处理307
10.4.3排序308
10.4.4去重309
10.4.5数据匹配309
10.4.6分组统计310
10.4.7数据变换313
10.4.8创建重复序列rep315
10.4.9创建等差序列seq315
10.4.10随机抽样sample316
10.4.11控制流316
10.4.12创建函数318
10.4.13字符串处理319
10.5基础分析之“数据探索”320
10.5.1数据概况理解320
10.5.2单指标分析322
10.5.3双变量分析326
第11章R语言数据可视化与数据库交互332
11.1R语言数据可视化332
11.2常用参数设置334
11.2.1颜色334
11.2.2点和线设置341
11.2.3文本设置342
11.3低级绘图函数345
11.3.1标题345
11.3.2坐标轴345
11.3.3网格线346
11.3.4图例348
11.3.5点线和文字350
11.3.6par函数353
11.4高级绘图函数357
11.5R语言与数据库交互368
第12章R语言游戏数据分析实践372
12.1玩家喜好对应分析372
12.1.1对应分析的基本思想372
12.1.2 玩家购买物品对应分析373
12.1.3讨论与总结378
12.2玩家物品购买关联分析379
12.2.1算法介绍379
12.2.2物品购买关联分析380
12.2.3讨论与总结385
12.3基于密度聚类判断高密度游戏行为386
12.3.1案例背景386
12.3.2DBSCAN算法基本原理387
12.3.3数据探索388
12.3.4数据处理389
12.3.5模型过程 390
12.3.6多核并行提高效率393
12.3.7讨论与总结394
12.4网络关系图分析应用395
12.4.1网络图的基本概念395
12.4.2创建网络关系图396
12.4.3画网络关系图400
12.4.4网络关系分析与应用403
12.4.5讨论与总结409
本书评论