“打破孤岛”用多维交叉工具做有理有据的数据分析

最近半年，开发者越来越开始追求游戏分析中的产品功能实现，比如，能不能做一个付费前虚拟币统计？能不能知道用户在首次付费时买了什么东西？能不能帮我统计玩家过关时每一关的分数？这些不同类型的需求交叉在一起，对于数据统计分析的要求越来越高，如何把握数据分析要点，打破数据分析孤岛，把所有数据用到实处？

在刚刚结束的u-Time游戏专场，【友盟+】游戏统分析负责人杨光为我们做了精彩分享。以下为演讲实录，整理时有删减。

作为产品经理，每天与开发者不停地沟通，然后每天也会收到反馈，反馈BUG、反馈页面交互不好，或是说性能慢，刷新慢等等。最近半年，发现我们的开发者越来越多地跟我们反馈，游戏分析很多产品功能实现不了。比如，能不能做一个付费前虚拟币统计？能不能告诉我用户在首次付费时买了什么东西？能不能帮我统计玩嘉过关时每一关的分数？最开始我们建议用“自定义事件”完成统计，比如说统计得分，调动自定义事件。然后他说能不能自动交叉？我想看看得分高的付费还是得分低的。

一、数据统计与市场环境

为什么开发者的需求越来越深入，与以前的思路完全不一样了？我们发现数据统计的情况是与市场环境有关的。【友盟+】App统计分析从2010年刚创立的时候，大家用数据很简单，市场很好，红利很大，每个行业都是蓝海，做一个游戏发上去数据就增增地长。

时间往后推2013年，数据没那么火，渠道为王，占领了大量的流量入口，这时就更加深入了，我要分析不同渠道的对比，我要看看渠道的量质量怎样，对比留存，对比其他数据。

到2016年，市场竞争越来越激烈。我们一直说出海，出海为什么？因为国内竞争太激烈了。这个时候不管是产品设计、运营都是要精益求精，所以开发者在数据的使用上有更高的要求，要求事件交叉然后属性交叉。

二、为什么要交叉利用属性和事件？

为什么数据用的深以后需要属性和事件交叉，这里涉及到数据分析核心目的，通过数据分析行为产生背后的原因，以及通过数据归纳行为里的特征，利用特征控制行为的走势。

比如：

1、我想看付费，为什么付费？付费前做了哪些事情？什么样特征的人做了什么事情的人可能成为付费用户？拿到这部分就可以提高付费转化率，提高游戏收入。

2、通过数据了解到游戏玩家玩游戏高峰是中午12：00，这时就要在这个点做活动和推送，而不是大家习惯的晚上做活动。

这是用户数据的核心目的。怎样让数据达到这样的目的呢？我们需要更多的上下游的信息，以及更多事件的交叉。刚才我举的例子，可能上一代产品里，数据是一个个孤立的数据，是一个孤岛，它是割裂的没办法做交叉。但是数据应该是相连的，把它连成一个网这样才能产生价值。

在付费的场景里，把数据相互连接以后，不同的数据做交叉，能够给我们带来什么样新的信息？

比如：付费的事件和关卡数据做交叉分析，我们可以了解到付费的人和不付费的人关卡的体验怎样，付费少和付费多的人体验又是怎样的。以及付费和道具做交叉，了解到哪些付费点更容易吸引玩家付费。再加上关卡还可以知道不同的阶段什么东西吸引他付费，还有付费的事件和游戏资源和任务做交叉，了解到付费前他做了哪些事情，资源是怎样的，拥有的金币越多付费意愿更强吗？这都是把数据放在一起交叉以后得到的信息。

三、U-Game 把数据连接成”网”

回到前面开发者提到的需求，我们觉得是对的。但是怎样做？与其修修补补给开发者解决需求，还不如重新设计产品，从底层设计就满足事件交叉、属性交叉的需求。在2016年，【友盟+】推出了U—Game，实现了上面说的需求，打破数据分析里面的孤岛，把所有的数据连接成一个网，放在一起分析。

U—Game是完全基于事件和属性的分析产品，根据不同事件和属性分析背后的走势。这里所有的数据都可以连接，在U—Game可以做一个事件、两个事件，多事件分析。

U—Game是一个网，三部分的数据组成了这个网。一是系统属性，包括版本、渠道、机型等。上面两个是比较核心的，一个是行为事件，这里面包括很多属性，付费属性，付费金额，付费关卡。同时利用玩家属性去做标注，比如说男女等。看到了设计理念以及U—Game统计到的数据，它到底能够解决什么样的事情。

案例：流失用户分析

这是我们分析流失用户的案例，在分析流失用户时，我们想把用户拆分，看看流失的用户里都是哪些用户：比如说它是普通用户、付费用户、还是一些其他行为的用户。这时候我们做两个属性的筛选，一个是圈定流失用户，然后是付费用户。我们圈定以后发现是有问题的，在流失用户里，付费用户且流失这样的占比很高，那这个我们就要去注意了，因为付费用户是我们高价值的用户，这部分用户如果流失的话，那对于游戏的损失是很大的。我们就想知道为什么，是什么原因导致了这部分用户流失了，我们可能需要通过数据找原因，让数据告诉我们。我们拿到这个群体在其他事件的属性做分析，然后去找原因。比如说我要拿到付费且流失的用户，或者是关卡的事件去做交叉和道具使用的事件做交叉，等级、时长等等信息。我们找了一圈下来以后，发现问题出现在关卡设计上。为什么？我们发现费用这个群体在关卡里面，通关时长与普通用户相比没有明显改进，通关率也没有明显提高，就是我付了费反而没有太强，这对于一些玩家来说不太接受，我花了钱体验跟别人是一样的，这部分用户会流失，而且很坚决，回来的机率很小。通过这些找到了原因，然后解决改进游戏。

这样一个例子说明什么呢？数据在这样多维度的交叉下才能发挥它的价值！拥有有可视化的报表和操作，U—Game实现这个需求会更简单一些，当你有足够的数据，我们这张数据网很大，做的事情就很多，就能分析出里面更多的一些事件的本质。

四、 U-Game的四大场景：关卡、付费、渠道、流失

可能有些开发者说之前都是定好维度的产品，对于这样的产品不太好理解，不太好上手，我们也考虑到这个问题。U—Game基于分析建立了四大分析场景。包括关卡、付费、渠道、流失。

1、在付费场景里，我们帮助开发者去了解必须要统计哪些数据才能做分析，然后根据游戏特点加上其他信息让数据更饱满，做更多的事情。比如付费数据结合累计金额，开发者根据不同的情况去筛选，和渠道交叉或者是和关卡交叉都是可以的。

2、关卡场景也是类似，也是通过这种事件和用户群体去做交叉，然后去做分析。这里面我们也是规定必须统计的字段，如关卡时长，是否成功，以及关卡的分数。

3、上面两个都是基于事件所做的场景，后面两个是基于用户群体，上面两个是先有事件，然后去和不同的用户群体做交叉，后面我们是先规定用户群，然后再拿用户群和不同事件做交叉分析。刚才流失提到了和付费用户的流失，以及找到相关原因。

4、最后是渠道，渠道是我们在运营游戏推广避不开的话题，最关键的是投入产出比和效果分析。

提出这四个场景，是帮助开发者更好上手U—Game这款产品，如果自己需求特别明确或者是对这样的产品非常熟的话，会非常容易使用U—Game这套产品，这套产品不会定死在什么东西，只是规定一个方向。

总之，U—game是高度定制化的产品，开发者根据自己的需求做很多的事情。U—Game是新产品，大家担心稳定性什么的，我们做过测试，是可以考验20亿次事件的压力，在座有用【友盟+】的话，可以很快地集成U—Game，因为U—Game和【友盟+】的基础统计产品完全打通，只需要添加一些简单的代码就可以使用。