今日: 5363|昨日: 5551|帖子: |会员: 980040|欢迎新会员:
过小年吃饺子喽
如何回复申请人以家庭为单位申请食品经营许 ...
关于严禁中央和国家机关使用“特供”“专供 ...
湖南郴州少年吃15包辣条昏迷？医生：吃四五 ...
【这是给谁保险？】食责险：为舌尖安全再加 ...
用“五个必须”捍卫“舌尖上的安全”
食品伙伴网盘点2017年日本十大食品政策
消费者举报相关产品批次问题，监管部门总是 ...
“拉菲特”傍大款被判赔偿“拉菲”200万
山东省食药监局关于茶叶中氰戊菊酯和S-氰戊 ...
包饺子啰！
质量管理经典资料---六西格玛核心教程---黑 ...
大肠菌群平板法检测问题
关于严禁中央和国家机关使用“特供”“专供 ...
消费者举报相关产品批次问题，监管部门总是 ...
过小年吃饺子喽
如何回复申请人以家庭为单位申请食品经营许 ...
从事食品品控，你的每月酬薪是多少？（2018 ...
食品乱象——农产品就是免死金牌嘛？
饼干中可以使用防腐剂山梨酸吗？
“2017年食品行业十大热门词汇评选”活动等 ...
论坛会员级别最新调整 以及最新的论坛积分
各位筒子有没有遇到包材方面的食品安全问题 ...
我在用的工具书，希望可以帮助到大家
食品安全科普征文大奖赛年度大奖请您当评委 ...
2018食品科技创新论坛
食药总局微生物检测培训视频百度云下载
食品标签合规性解析及食品恶意投诉应对技巧 ...
特殊医学用途配方食品（FSMP）相关讨论贴
【持续进行】新版GB 食品微生物检 ...
十年研发成果总结！！！
食品安全法:供应商资质证明及合格证明
食品十年艰辛泪，家族企业“质”与“量”的 ...
BRC第七版内部培训课件---绝对精华
消毒与灭菌
伊利化验室培训资料
食品技术配方大搜集
标准菌株管理程序
把欲望当成理想，何言正义？
关于食品保质期加速试验
主题: 8774, 帖数: <span title="万
主题: 6721, 帖数: <span title="万
主题: 99, 帖数: 1144
分区版主: , ,
主题: 6万, 帖数: <span title="万
主题: 4万, 帖数: <span title="万
主题: 1万, 帖数: <span title="万
主题: 1万, 帖数: <span title="万
主题: 1万, 帖数: <span title="万
主题: 2536, 帖数: 1万
主题: 709, 帖数: 6121
分区版主: , ,
主题: 4万, 帖数: <span title="万
版主: , , , ,
主题: 5万, 帖数: <span title="万
主题: 1万, 帖数: <span title="万
版主: , , ,
主题: 1694, 帖数: 2万
主题: 3万, 帖数: <span title="万
版主: , , ,
主题: 1万, 帖数: <span title="万
主题: 1797, 帖数: 3万
主题: 5465, 帖数: 7万
主题: 4万, 帖数: <span title="万
主题: 3万, 帖数: <span title="万
主题: 4215, 帖数: 2万
主题: 2508, 帖数: 1万
主题: 7141, 帖数: 4万
分区版主: , ,
主题: 1104, 帖数: 2万
主题: 2270, 帖数: 3万
主题: 4172, 帖数: 4万
主题: 4728, 帖数: 4万
主题: 2406, 帖数: 1万
主题: 1934, 帖数: 1万
主题: 139, 帖数: 3万
主题: 5551, 帖数: 3万
主题: 1350, 帖数: 8663
主题: 1612, 帖数: 1万
主题: 295, 帖数: 1万
主题: 6927, 帖数: 3万
主题: 3万, 帖数: <span title="万
主题: 4290, 帖数: 1万
主题: 6435, 帖数: 4万
分区版主: , ,
主题: 1万, 帖数: <span title="万
版主: , , , , ,
主题: 7069, 帖数: 9万
主题: 2万, 帖数: <span title="万
主题: 2万, 帖数: <span title="万
版主: , , ,
主题: 5万, 帖数: <span title="万
主题: 2093, 帖数: <span title="万
主题: 8万, 帖数: <span title="1万
主题: 261, 帖数: 3002
主题: 1, 帖数: 12
主题: 119, 帖数: 2711
主题: 42, 评论: 6
主题: 41, 评论: 5
主题: 29, 评论: 32
主题: 15, 评论: 32
主题: 6, 评论: 51
主题: 49, 评论: 42
主题: 54, 评论: 144
主题: 103, 评论: 66
Powered by数字占星术：游戏数据的精准应用（文字版）
[摘要]8月9日，极客公开课《探秘游戏方法论》在北京腾讯汇举办了第一期题为《数字占星术》的分享。本期公开课由腾讯互动娱乐高级数据营销经理陆金贤、数据营销经理王常伦进行分享，内容围绕“数据决策”展开。本期公开课视频、PPT等内容近期将陆续放出。据了解，该公开课为系列课程，后期仍会有其他主题的分享陆续展开。腾讯互动娱乐市场总监陆金贤：今天很荣幸应极客公园的邀请给大家来分享这样一门课。在座很多都应该是从事互联网行业的，有做产品的，有做运营的，应该知道数据都是每一家公司的核心机密，所以很少有公司跟行业的同仁做这方面的沟通和交流，今天很荣幸能做这样的事情。我是来自腾讯互娱市场部的陆金贤，我所带领的团队主要是做数据产品的。今天我来跟大家分享的是跟数据相关的东西，可能大家来之前应该都知道有一个词叫大数据。其实大数据是什么东西，我相信很多人都讲不清楚，国内真正懂大数据或者在做大数据的人，包括我自己在内，我都算不上一个真正懂的人，都不超过一只手，5个人。今天为什么还要来讲数据，并不是想告诉大家大数据是什么，或者大数据应该怎么去用，而是要告诉大家腾讯互娱是怎么来应用这个数据的。昨天我也在跟极客公园的人沟通今天课程的时候，还在讲腾讯游戏内部，甚至整个腾讯公司内部，用心的同学，如果关注一下我们腾讯过往的信息和资料，会发现其实腾讯很少在公共场合去讲大数据。因为腾讯不是没有数据，而是数据太多了，而且腾讯自己也不一定知道大数据是怎么一回事。所以我们更多的反而是关注怎么去运用数据，这才是数据应该具有的价值，以及我希望这堂课能够带给同学们的直观的感受。用一句话来概括说我们怎么去理解数据以及我们觉得数据所具有的价值或者带给大家的是什么，其实这跟我们产品技术组所有的工作氛围和口号有关，就是一切以解决问题为出发点。我们认为数据应该能够发挥数据的价值，它必须去解决问题，如果解决不了问题，这个数据只会给你造成负担。尤其是大家都听过一个词就是信息爆炸，信息爆炸就是数据爆炸的过程，你会被各种各样的数据轰炸的六神无主，完全不知道该怎么办。这时候还不如静下心来讨论一下这些信息哪些是有用的，哪些能够帮助你解决实际的问题。再来讲一下腾讯互娱，它在营销方面数据的探讨时间也不长，从2010年开始。当时他所承担的责任就是做数据分析，做营销端的数据分析。相信跟所有的在座的同事，做产品的也好，做运营的也好，跟数据的关系是一样的，都是做数据分析。到了2011年的时候，从传统的数据分析，统计学的领域向更深层次的营销端结合，这个时候我们整个团队就变成的数据营销组。他已经把传统的数据分析以及数据挖掘的工作直接跟业务去挂钩了，需要用数据去解决营销的问题。到了2013年的时候，经过两年的沉淀，从原来单一的服务于媒介这一块的业务，脱离出来成了一个服务于整个全营销领域的。全营销领域包含很多，像活动、公关、品牌包装、创意、地面推广等等相关的。所有的营销相关的领域都需要用数据去解决一些问题，就可以看到它从单一的服务的媒介变成了服务于整个全营销的领域。到了2014年数据产品在原来数据营销的基础上进一步脱离出来，就可以看到整个数据产品和技术就会涵盖大概这样四大块工作。第一，策略以及数据分析和相关的直面业务这一层的工作，就是数据营销。也就是2011年那段时间做的工作。在这上面还有支持他工作的数据产品，数据产品就是我要去做一些工具出来，我要去做一些模型出来，我需要做一些相关的算法出来，用来支持做数据营销相关的产品，更好的展开工作。还有一个开发的团队，工程师的团队，因为他要把很多的东西实现掉，通过这些手段实现掉。可以看到前面的营销也好，产品也好，开发也好，更多的聚焦在内部的数据这一块，其实我们还需要知己知彼百战不殆，我们还需要关注整个行业的变化，整个市场的变化，专门用来监测外部市场的变化。可以看到整个腾讯互娱营销端的团队大概是由这样四个工作组组成的。今天跟大家讲一下数据驱动三部曲，围绕的几个问题基本都是这样的，数据可以为我们带来哪些帮助，数据应该去哪里找。希望大家能够简单的探讨5分钟，等一下我会给大家发言的机会，希望大家踊跃回答，最终会有得分，胜出的组还有神秘大奖。第一组：大家好，我是第一组的组长代表来发言。第一个问题，数据为我们带来哪些帮助？相信有过经验的人遇见最多的人就是开会，我认为第一个帮助就是让拍脑袋去死吧，很多为决策提供依据，很多时候我们做不了决策，是因为我们的信息不够整齐。当信息足够整齐的时候决策自然而然就出来了。现场有很多游戏行业的人，我们在做引导的时候会在各个地方去买点，通过用户的流失率来改进自己的问题。买点是一种整数据的方式。第二种以传统行业而言，亚马逊这个网站是监测用户行为的，定位用户的群体，为用户推送有效的信息，提高销售。谢谢！第二组：大家好，我叫喜喜，也是做互联网的。我代表第二组小伙伴们发表一下我们的看法。数据可以为我们带来哪些帮助，我们总结了一句话，就是避免盲人摸象，我们简单的总结了一下，数据可以帮助我们了解客户，发现自身产品的问题，改善运营，同时提高产品的质量和各种指标，使这些产品的指标可以量化和可视化，能够更规范的有标准可循的帮助我们的产品实现提高，同时数据也可以帮助我们监测一些具体和行业发展的动向，让我们发现自身的问题，寻找差距。数据从哪里可以找，我们简单分了一下内部和外部，内部像我们自己的数据挖掘团队，数据监测团队，看一下自身产品的数据。从外部来说首先是一套第三方的报告，像艾瑞、腾讯发出的报告我们觉得是很有意义的，还有政府公开的，像工信部的统计互联网调研，也是我们获得信息的比较好的出处。同时要想进一步监测，除了广泛建立人马以外，还要关注上市公司的年报，会找到我们所需要的数据。总体来说，现在互联网的发展不能够只是靠拍脑袋，一切都要有章可循，数据是大有可为的。第三组：我是第三组的组长，还是组员。我是中国传媒大学游戏设计专业的学生，但对行业了解的比较少。比如做网络策划，面向市场定位的时候数据是最主要的来源，我之前理解的有些误差，我自己理解的误差是可循环的，把一些复杂的问题量化、简单化，这样对你的市场客户有充分的了解，可以帮助你进行有效的产品定位。你知道你的重点是什么，你知道需要给用户带来什么样的体验。做完之后你就需要投放到市场，投放市场获得反馈也是通过数据的形式体现出来的。现在形成一个半圆，下一个半圆是通过市场的反馈重新进行产品的改进，这又回到把复杂的问题简单化的情况，量化一下。我对于数据具体的应用在游戏行业不是特别的理解，但参考了一下其他的行业。比如说Google有一个生态圈，他是通过一系列产品来分析的，而不是通过某一个单独的游戏，所以获得的用户的数据是非常全面的，他有一系列的工具，所有的东西全部融合在数据当中，他有这么多全面的数据来支持，对用户的分析是非常精准的。这就是我说的第二个问题。陆金贤：可以看到游戏行业的发展，包括现在国内一流的学府也在关注这一块，开设了相关的课程和专业。个人觉得很荣幸，说明整个国家也好，战略层面、宏观层面还是很关注这一起的。谢谢大家！第四组：大家好。从我自身职业的发展来诠释一下数据带给我们的帮助，可能特别专业，运营方面的数据大多是从我们公司运营那边拿到的，有很多数据是腾讯反馈给我们的。我们自己的数据会反馈到我们的产品那边，从研发的角度去做一些改动，因为我比较关注体验，像UI以及角色，还有展现上做一些修改。给我们的帮助，比如说我们会在91上推产品，91给我们一些数据反馈，我们再在游戏策划和体验上做一些修改，应该会给我们节约一大部分资金和时间以及人力成本。接下来推版本的时候，会召集一些用户过来，体验我们的新版本，带给我们一些反馈我们再去修改，之后才正式上线，对未来产品的方向我们会有一些新的定位。非常肤浅，谢谢大家！ 第五组：大家好，我姓谢，我来自第五组。从我自身做运营的角度来说，我觉得数据给我们带来的帮助是很大的。比如说我们做相应的广告投放，数据可以给我们直接带来很多观念性的决策的影响。比如说这个广告做的好不好，数据可以为我们带来很直观的判断和提升LIO的标准。我们的数据还是从一些统计工具上去找，我们也有自己的APP产品，也开发了工具，可以从不同的维度看产品投放的情况，帮助产品进行用户体验的改善。做互联网是离不开数据的，因为数据确实太重要了，对人性的把握和了解，对产品的优化，都是有很大帮助的。前面几位同学都说的很好了，把很多都总结到了，先说这些，谢谢大家！第六组：大家下午好。我们这边总结了一些看法，第一是数据的帮助。首先是数据对产品的现状是有帮助的。我们现在产品不足和目前产品的需求。第二，对产品未来是有帮助的，会帮助我们判断行业的趋势，整个产品发展的状况。第三，能够让我们更加了解用户的行为，做游戏的用一个行业的黑话讲叫挖坑，我可以通过数据来判断坑挖在哪儿。第二个问题是数据从哪里找，我们分内部和外部。内部是来自于公司内部数据的分析，以及跟用户或者其他的玩家的互动，比如说以调查问卷的形式或者测试的运营数据。外部数据一个是来自于我们对行业的分析以及对竞争对手的分析，比如通过发布会以及他们的运营数据。还有一个是来自于第三方。第七组：大家好，我代表我们组总结一下我们组的发言。我们觉得数据对于决策和行为的影响是比较大的，把行为分为三类，过去的行为、当前行为和未来的行为。当前的行为数据可以体现实时的动态，比如说现在是什么人在用，对过去的行为可以提供一个反馈、评估和总结，评估过去的决策是否正确，对于未来的行为来讲我们可以进行预测，通过当前的数据和过去数据进行预测，做出更好的行为来作用于当前。三者之间应该是不断的影响，不断的在变化的，这样数据越来越有利，对当前和未来的效果能达到一个良好的分析。数据从哪里找，我觉得数据应该是到处都在，互联网里面所有的东西基本上都能够体现在数据上面。找应该换一个词叫做挖掘，应该从数据里面找寻它的规律或者有价值的信息，并不是说渠道越多数据量越大，对我们的帮助越大。我们组的讨论结果大致就是这样，谢谢大家！第八组：各位好，我是第八组的组长。介绍一下我们的组员，我们组员当中有4个PM，有一个市场营销，有一个运营工程师。数据在很多时候是可以量化的，类似跨部门的工作其实是一个颇为具有说服力的方式。门里面到底包括谁，包括现在在座的每一位到我们工作的时候都是以部门为单位，之间要去协同目标的时候尤其需要数据来说话。数据是具有统一性和目标管理方便便携度的，但是要确定自己干什么。如果过分的依赖数据，很有可能导致决策会有其他的盲点，你认为数据可以量化，实际上更重要的是数据没有结构化的时候，我们不理解它其中含义的时候，是会出现问题的。刚才说到数据从哪里找，大家说了很多，从我个人的工作经历来讲，除去自身和第三方数据来讲，我们更依赖于自身对竞品的分析。我自己做过一个事情，对竞品每15分钟的数据从早上8点一直做到晚上12点，每一分钟都有一个数值，可以注意到没上线的产品也可以看到哪些地方是可以改进的。谢谢！陆金贤：刚才大家都讲的非常好，说实话大家都很谦虚，说自己不是专业做数据的，但是你们每个人做数据已经够了。这样大家讲的都非常好，我也评不出来，每个人都给100分好了。大家都讲的非常好，我们聚焦一下，相信刚才所有同学讲的跟腾讯在做的其实是真的几乎一样，非常类似。首先讲一下数据从哪里来，第一部分就是游戏本身的数据，刚才有很多组都讲到了运营的数据，还有同学讲到广告的数据，这其实都是游戏本身的数据。刚才传媒大学的学生讲到Google是多产品的平台，作为腾讯来说也是多产品的平台。作为我们公司来说，包括蓝港也有很多的游戏，实际上本身自己也是一个平台。这种跨产品的基于公司架构平台的数据就是第二个数据来源，因为这个平台的数据跟单一产品的数据这里面是会有不一样的地方的。第三个就是外部的数据。因为除了要去研究自己之外，更重要的是外部公司竞品的变化，行业的变化。外部公司在做什么活动，他的广告对我们本身自己产品未来的走势是会有直接影响的。整个数据的来源就可以看到自己的数据、平台的数据以及外部的数据。这些数据有了以后怎么去获得三种类型的数据，对自己的数据来说就是布点，我把我所关注的、所关心的那些点去布点，采集上来。外部数据也是一样的，它也是一个布点的过程，跟内部数据的采集是一模一样的。刚才有同学已经讲到他做一个产品，每隔15分钟去抓一下竞品的数据，这也是布点的过程。其实内部数据和外部数据的获取都是一模一样的，就是布点，在你所关注的关键路径上，你所需要获得的关键数据上去布点，按照一定的时间维度去进行数据的采集。在过程中你得到的数据以后，并不是所有都是你真正关注的数据或者是你需要解决的问题所需要的数据，你需要对数据进行分类，把相应的噪音去除掉。所谓数据的噪音很简单，就是今天大家过来，到腾讯汇来参加这个活动，大家决定坐公交车，这时候你无须去关注地铁的运行情况，即使搜出来，但这跟你坐公交车的数据是不相干的，所以你可以把地铁的数据去除掉。实际就是一个数据筛选的过程。作为腾讯来说，腾讯互娱关注用户数据采集的过程，跟刚才大家提的说关注游戏本身的数据还不太一样，我们会从整个用户全生命周期采集数据。从整个过程来说叫做SaaS，这种模型并不是腾讯所创的，最早是Google提出来的。它是怎么一回事？从用户看到你的整个品牌概念的时候，一直到他有没有对你的品牌所传达的信息引起注意，直到他最终愿意去尝试你的产品，到他有没有跟周围的人推荐你的产品。实际上是整个用户全生命周期做布点，并且研究数据的过程，不仅仅局限在运营数据，运营数据一个是记录，一个是尝试。在这两个环节中还有很多环节，大家未来做相应的数据布点的时候，用户进入你的游戏之前已经发生了很多的事情。包括进入到游戏，流失了以后，其实也发生了很多事情，都需要去关注。我记得第七组讲的特别好，他在做这个事情之前会去关注一个用户已经发生的数据，发生中的数据和发生后的数据。用另外一个话来讲是他在做三件事情，第一是决策，根据我已经发生的数据去考虑一下对未来的预判。已经发生的数据，再加上未来可能的数据，你要做的事情就是事前决策。发生过程中的数据就是做事中的优化。还有我做完以后又产生了新的已经发生的数据，你用这个数据要做的是事后的考核工作，另外检查执行过程，再看未来有没有新的优化空间，再做下一个案例的时候可以规避掉很多的问题，可以做的更好。其实就是怎么做事前的决策，事中的优化和事后的考核，接下来有请我们的团队负责具体业务的数据营销的王常伦给大家进行相关的分享。谢谢大家！ 王常伦：谢谢领导。我是腾讯互娱市场部专门对接数据业务的王常伦，大家都叫我老王，所以有人叫我老师我还不太适应，叫我老王就可以了。由我接下来给大家讲解一下数据营销实施的过程，其实也就是事前决策、事中优化和事后考核是怎么开展的，我们在周末的下午来听一堂数据的课，还能保证不睡觉，我是挺佩服的。数据能给我们带来哪些帮助，肯定不仅仅是工作当中，好比第二天老板给你加薪50%，你挺高兴，为什么？因为50%在你眼中是一个数据的概念，出来之后听说你的同事加了80%，你马上就不高兴了，为什么，数据只有比较才有衡量的概念。一切一切一切，数据在日常生活中都可以给我们带来帮助，我们工作中所遵循的基本原理也是完全一致的。我们就是想让数据告诉我们做什么事情是最优的决策或者在可控的时间范围内做什么事情是次一点的决策，对我们是有利的。给大家看看我们在日常生活中是怎么做的。要想做决策，有人给我开了2倍的工资挖我走，起码我得想一想老板有没有可能在年底的时候给我3倍的工资，如果老板有可能在年底给我3倍的工资，我就忍一忍。所以我们要有一个前提性的判断，才有利于我们对接下来要做什么东西，有一个正确的行为。我们在平常的工作或者生活当中有没有去预测过自己的产品，因为很多同学自己就是做游戏的，有没有想过我的美术的风格上线之后能给游戏带来一些什么好的效果。我的产品新开发上线了，今天能够来多少人，我在媒体上做一个活动有多少人参与进来，假如第一天来了100人，是不是第二天走的一个不剩了。有没有哪个同学做过，都拿100分意味着没有分数，所以大家要积极参与进来。第六组：我们现在做的游戏，为什么做这个游戏？一个是对比同类型的游戏。其中两款在APP Store都进过前十，通过对比我们发现现在格斗的游戏在手机上比较少的，而且精品也是比较少的，通过数据来对比，发现现在用户的需求是非常大的。对比还发现一个风格，比如说《炫斗》跟《时空》，是比较卡通的，但写实的风格比较少，所以我们做起来会比较有机会。所以我们的风格把它定位于目前用户比较关注，但是世界上比较少的风格。这是预测产品的走势对我们的帮助。王常伦：给他加50分。这位同学回答的还是比较到位的，并不是说只回答了100分的一半所以给加50分，我们只是要控制一下不要因为这道题就把其他的人甩开了。我们要做很多这样的判断，刚才他说这种类型起码有一个游戏比较火，这就代表了我去做这个比较火。有的时候我们进入到游戏领域，做完这款产品预测一下自己到底能到什么样的程度，我也做了一款格斗类的游戏，是不是第一天也能跑到第一名，除此以外我们还要做很多预估的判断。第一，我这个产品投入到市场之后新进的量级是什么程度，比如我拍了一部电影有多少人喜欢进入到电影院看这部电影。所以我们先要有一个基础的判断，判断完之后还要看一下这款游戏拉来这么多人，到底有多少人真正的留下，有多少人真正为这个游戏付费，这是我们比较关注的。我们也特别想知道一款游戏上线之前的这些数据，老板给我一百万，我如果告诉老板让我做一款游戏能卖110万，老板想来想去不是特别的划算，物价的贬值都赶不上你的速度。所以我们需要有这些数据精细化量级的判断。 游戏的新进用户受哪些因素影响，不仅仅是游戏，今天在座的很多不是游戏的。数据可以帮我们做太多的东西，不仅仅是游戏，我们也会经常考虑对未来的一些判断。比如说我女朋友最后会不会嫁给我，在我谈恋爱的一瞬间就要判断这个问题，有没有数据帮我做出决策。一个电影上线了，这个电影上线最后的票房跟什么有关系，它是个文艺片，可能也有好的票房，但也有没有好的票房的。还有其他很多的产品，我希望每一个小组选择一个场景判断一下个场景受哪些因素的影响。刚才我已经抛出一些场景了，比如女朋友会不会嫁给我，票房怎么样，游戏的新进用户怎么样。每个小组选一个问题，看一下这个问题未来的走势和未来的方向受哪些因素的影响。刚才我们做了一个测试，本身释放分数，改变数据激发自己动力的过程。刚才我们的助教说奇数组来回答，很明显的感觉到奇数组的讨论分贝比偶数组的分贝高，所以这一次让偶数组的同学回答。第二组：大家好，我们这边主要讨论了一下游戏新进用户主要受哪些因素的影响。先从市场来看，有一些媒体曝光度，还有现在的游戏是不是贴合主流的市场，比如版权的东西，这些东西也会影响新进用户。还有做游戏活动，本来10名开外的游戏，做了一个活动可能就升到了第一名或前五。还有游戏质量，当然游戏质量不能影响新增用户，他进去之后才能看到游戏。还有渠道推广的资源，资源好可能新增用户就多。还有朋友间的口碑传播，有的完全是靠口碑的传播。第四组：我主要从自己产品本身来说。我们的游戏主要是音乐类的，音乐作曲，我们最近做了一个比较大的改动，做了一个音乐分享社区。做这个之前我们从用户给我们的反馈来说，他们做产品并不是只自己听，很希望别人认可，跟大家进行分享。用户音乐分享的需求还是很大的，于是我们新增加了一个分享平台，在我们的音乐当中。平台增加了功能确实带来了用户的增长。首先一个人口碑的传统对新进用户的影响还是比较大的，因为我们80%的用户在国外，用户可能把自己的作品上传到网上之后会分享到脸书上，他的朋友的朋友都会看到这个东西，会比较感兴趣，会带来一些新增用户。从后台来看这一时段我们的用户增长了5倍。有一些是属于沉默用户，虽然不是新的用户，但他可能因为你的新功能的上线，又唤起了当年的记忆，又开始来玩。我自己的产品做新增用户的时候会受这些因素的影响，但我还是比较认可的是用户的口碑传播。第六组：我们刚才总结了一下。第一，IP。一个产品的IP决定了用户的粉丝量，而且决定了知名度，如果IP非常好的话结果不用说了。第二，用户群体。做一个什么样类型的游戏，必然要针对一个什么样的用户群。如果这个用户群非常大，你做同类型的就不会输的太惨。第三，运营的实力和渠道，包装和推广。第四，品质，一个产品的本质就是品质。第五，团队的口碑和团队之前的产品。如果用户是你团队的粉丝，玩过之前的游戏，他可能会关关注后期的游戏。第八组：因为我们确实讨论的不是特别充分，所以我也不能完全表达优秀的组员所有的意见，我就简单说两点。第一，不管是做游戏还是做电影，一个很重要的点就是需求分析。这家公司在开发一个新电影或者做一个新游戏的时候，公司的资源和你的能力，比如你的优势在哪里，怎么去匹配市场的需求。举个很简单的例子，现在国内电影行业比较火的，不管是《小时代》还是《后会无期》，还是《纸牌屋》，都是通过非常精准的目标用户的定位，了解到这些用户他们的一些喜好，他们的口味，从选题、立意以及元素的增加，放进去，最后他真的能够打动这部分消费者，而且能够取得比较好的效果。我觉得从这个方向来讲，电影是一个非常好的参照。从游戏的角度来讲，之前所有的同学讲的都很有道理，首先第一点要从这个地方来出发。公司把握住这个用户，还有能力通过一些东西去实现他。谢谢！第一组：刚才老王说场景，我希望换一个领域来讲我们对非游戏圈的人而言更好一些。我们组总结如下。第一当红的明星、主创、导演，这是影响电影大的元素。第二，流行的主题。比如说《指环王》这样的主题如果强的话，前面已经积累的大量的票房和粉丝。第三，市场空白。我拿剧本来说，往前数基于80后的一个记忆的需求，比如《中国合伙人》和《致青春》，这个题材就是市场空白，满足了现在能花得起钱的部分用户。当90后也特别能花钱的时候也可以拍那样的电影。第四，制作水准。一个团队的制作水准，无论是电影团队还是游戏团队，他的制作水准已经决定了成本的下限。如果团队水准非常强，无所谓，在哪里都是王。第五，团队的营销能力。我的老板营销能力很强，产品上线的时候指数非常非常好。第二个人是锤子手机的罗永浩，营销能力是影响电影大卖的一个重要的因素。第六，资源的甄选。《》，其实我不喜欢这个电影，但他当初利用自己的公关能力，包了当时的院线，同时阻止了其他的国外大片对他有票房冲击力的电影。王常伦：第六组回答的非常好，所以我们加80分，其他的偶数组都加60分，第一组加50分。对于补充不错的小组我们都加50分。刚才大家讲了很多，一件事情未来的预测受很多很多因素的影响，一个电影的上线都受这么多因素的影响。我们每个人都很清楚，但是不知道在座有多少人是真正去做数据的，或者在我们日常工作当中也经常被老板问到的数据的情况。我们会发现并不是很多影响因素都可以量化，像团队的制作水准，什么样的团队制作水准算高，什么样制作团队水准算低。高的你给他打多少分，高和低之间有多么大的差距，一开始我们都很难给出原始的判断。我这个产品符合用户的需求，比较符合用户的需求，不符合用户的需求，特别被用户讨厌，这些定性的我们都勉强可以给出来，但是所有做数据的我们只能从目前可以卡到的被大范围应用到的，大范围采集到的这些数据量来代表一定的维度。刚才讲游戏用户受什么因素的影响，有些同学讲了很多，我这里列的更多，游戏的题材、游戏的品质、市场的热度、游戏的口碑、合作的量级，有一些产品在做的时候内部有一些合作，包括腾讯也有一些腾讯游戏的合作。为什么我们一上线就可以排到第一名，其中微信的平台等等都可以给到我们一些资源，这些平台上和不上有很大的差别。所以今天我给大家第一个数据的概念是当用数据去预测产品趋势的时候，我们尽量选择第一可量化，第二产生主要影响力或者能够融合几个影响因素的。在游戏当中我们遵循一个原则，大道致简的原则，预测一个游戏新进用户量的时候，我们发现两个指标对他未来这款产品到底能否上线影响甚大。第一，百度指数。百度指数代表市场热度，代表用户的关注度。一款游戏上线之前，如果大家都不知道你的名字那就太失败了。锤子手机可能好几年前就说要卖锤子手机了，前期聚集的人气怎么样从百度指数可以看出来。对于游戏来讲，网吧的点击量。大家知道游戏用户群体最纯粹的地方在哪里？大家去网吧的时候可以看一下。学校里面也有电脑，但很多学生不喜欢在学校里打，因为没有氛围。网吧放眼望去全是志同道合的人，这种感觉是很好的。所以我们认为网吧里面的点击率代表了我们想针对的游戏用户群体对我们前期的关注度。 我们分析了大量的游戏，每一个游戏上线之前百度指数、资源的转化率、网吧的点击率我们发现有比较明显的线性的关系。我们要寻找线性关系的时候，一切为了实际问题的出发，要求我们不要关注太多百分百的东西。从这张都可以看到基本的趋势是类似的，但并不是在某一个点完全契合，是不是我们就放弃这个图形，我们是做工作的，我们是解决问题的，数据往往可以预测出来趋势，大部分时候可以满足我们工作的需求。通过我们把百度指数，把网吧里面的点击率与实际的资源转换率相结合以后，我们可以比较好的预测我们想预测的总体的90%，我们就觉得够了，我们要辅助老板判断的时候，差别在10%以内的时候对他的决策不会有很大的影响。预测出来新进用户通过资源可以带来，刚才有的同学讲到不管是票房还是游戏，口碑传播是一个很重要的点，口碑传播是更难用数据量化的。我只知道一个爆款，突然爆起来和口碑传播有关系，当然你提前预测一下自己的产品能不能成为爆款，谁敢说，没有人知道。三年前靠水军还可以，三年后都有水军就不行了。我们也做了大量的研究，一款产品新进用户的量级，后面投入的资源，通过资源是可以追踪到用户的。如果不能追踪的，当你的新进用户到达一定程度的时候，你的口碑传播会到达一定的系数。如果口碑好，通过资源渠道进来的也会多，它是一个相辅相成的关系。有类似的比例的关系当然它不是一个恒定的系数，会随着用户量的不同呈现出不同的系数。我们发现可以控制在4%以内，有多少人不进游戏，有多少人不进影院看电影，我们可以做出一定的判断。我们可以预估月活跃，来了不是我们的目的，流向是我们的目的，花钱是我们的目的。这是我们最终的目的。大家都去苹果商店逛了一圈走了有什么意义，没有意义，苹果做产品主要是让大家进了苹果商店看一看最后买了。给大家讲一个情景，我们一款产品进行不限号测试，口碑很好，第一天就达到了220万新进，当天的活跃量达到了400万。随后几天都在400万以上，后续每天的日新进也在50万用户以上。这种情况下我们需要做一个判断，把任务丢到数据组，一个月之后我能不能到达500万，因为他知道第一天就到了400多万，在老板心里觉得分分钟就会达到500万。一个月之后如果不能达到500万我投1000万行不行，投还是不投，我要对一个月之后的日活跃度有一个判断，意味着在产品第一天上线开始对它的每一天都要做出判断，要画出曲线图来。在做数据分析的时候，如果你想把这个问题搞清楚，你就必须把这个问题剖解开来，把所有的环节打开。在日活跃的关注度上，这一部分群体是可以剖开来看的。这一天日活跃相当于昨天的用户流到今天，我们把每一天的活跃用户剖析来看，每一天的日活跃用户和每一天新进用户的后续留存有直接的关系，这部分数据是我们每一个产品都可以算出来的数据。不同的产品每一天的用户都有不同的留存率，不同的产品每一天有不同的留存率，所以这是两个维度。同一个产品每一天都不一样，不同产品也会不一样。在这种情况下，我们需要知道留存曲线满足什么样的规律，才能说今天新进50万，第二天、第三天、第四天留存多少，在广泛的数学模型里我们选择满足的模型来。后来明显的看出来它满足指数衰减的模型曲线，把我们的数据导入进去，就可以算出来这一款产品留存曲线是什么，系数和你的品质有关，和我们每一天的运营有关，上线新版本，这个版本对你有用，你的曲线就好。通过刚才讲到的留存曲线，我们把每一天的日活跃用这个公式算出来，因为我有每天的新进，我去算一下每一天的留存情况，得出来日活跃的曲线。后来实际证明，我们预估的日活跃和实际的日活跃之间模拟是很好的，也就是说，它不会出现我告诉领导能上500万结果掉到350万。也可能是领导能上500万，最后到499，出现这种情况领导也不会骂我们的。有这种模拟曲线OK，可以了。对每一个产品留存曲线来讲我们可以通过留存曲线的模型得出什么，这里所有的曲线都可以转化为指数衰减的系数。每一个系数在每一天都会有不同，通过我们反过来去看，每一个B系数的不同都对应着这一天不同的版本所拉来的回流或者所拉来的留存用户情况怎么样，可以去评判。如果质量相同的渠道，质量相同的活动，B系数应该是一致的，如果B系数不一致，代表着两者之间在质量上是有差别的。回到最初的问题，通过刚才的方法到底是投还是不投，画出一条曲线发现如果想达到老板要求的500万，后续的日新进每天需要达到80万，我们投入1000万是达不到这个级别的，我们就不用投了。去预测这些东西的时候，我们希望是能够给老大做决策，做前期决策除了要看新进和日活跃，有的时候对预测的分配也需要提出数据的决策。这里有一个场景，一个游戏他要投放520万做开放性测试，我要上线了人人都可以来玩。根据目前游戏的数据表现，分析这个游戏投合不合适，到底是不是投放。大家想一想如果让你去判断一款产品该不该投钱的时候应该怎么去判断。同学：第一，要考虑的是本身产品的完成度，对于自身内部来说。第二，对外部的考虑是竞争产品目前有多少。第三，考虑之前投入的问题。王常伦：这位同学加10分。为什么加10分，从数据人的角度来讲，特别不能容忍的就是第三个问题的出现，为什么？不知道在座的有没有炒股的，一旦碰到大熊市，心里想的是我已经亏的这么多了，不能再卖掉，你会亏的更多。所以数据辅助我们做决策的时候一定避免出现这种问题。一款产品上线以后到底怎么去评判，我们只需要看用户来了以后会不会留下来，留下来之后会不会付费，如果付费能付多久。在你进行判断的时候，我投入多少，能产出多少，最后看出投入和产出满不满足我心中的期望。大概的模型就是根据资源可以判断用户的规模，根据留存可以判断日活跃，这款产品的生命周期我们做出基本的判断之后就能得出产出是多少。根据这款模型我们做了一个测算，这款产品在投放520万的情况下，一个月的新进有100万，最高PCU可达11.5万，一个月稳定PCU在5.2万。接下来两个月的时间能赚回560万，投了520万，两个月才能赚回560万，还有这么多人干活，还有很多看不见的腾讯合作的内部其他的资源，所以最后我们决定就是不投。我们不会在一条错误的道路上越走越远，这就是数据决策可以给整个预算决策带来的有效的东西，老板最不希望看到的就是他做决策之前不知道决策做完是对还是错，我们可以通过这种方式告诉他这一点。刚才讲到我们在做决策的时候算出来新进和日活跃，我们可以给预算做一些决策。其实在日常工作当中，不管是运营，即便是做美术，我们都面临一些资源的优化，不仅仅是营销资源的优化。我们在做一些优化的时候，都要先做什么？基本上从劣中选优才能比较出来。像加薪的例子，加50%你挺高兴，问完别人加80%你就不高兴了。我们怎么知道是好是坏，没事拉出来一个游戏团队，他的制作水平放在十年前他就是顶尖的，放在今天可能是最差的。所以这种数据的比较才有意义。我们在日常的工作和生活当中有没有做过数据的测试，运营的测试和美术的测试，各种行业我们都会面临这种情况。哪位同学可以讲一下工作当中数据测试的例子。同学：我们如果发的话会做内测、公测，会做月留存、日留存和付费APP，和转化率。王常伦：你们是怎么测的？同学：先让渠道导一些量，一天一千到两千的量，我们这边去测这部分用户的数据。王常伦：第二组加50分。同学：平时为什么要做模拟考卷就是为了做一下测试，防止正式考试的时候出现问题，类似的例子大家都可以想一想。 同学：我说两部分。第一部分是营销端，在一个产品上线的时候，我们不能确定这个点位都适合相应的用户，转化的时候存在几天测试，这部分测试占到投放的一小部分，5%左右。这部分主要是为了整体的转化率。这部分转化的情况数据拿到后，第二个阶段我们会进行一部分的转化调整。另外一部分是关于内容运营角度的，比如说我们针对一个细分人群在第三方的调查过程中，举个例子，25&#8212;45岁的男性，他关注的有几个方面。比如社会动态、旅游、汽车、家庭、金融，针对一个产品属性的过程中，我们可能同时进行几个栏目的建设，在一个周期测试期结束后我们发现有些栏目的效果不是很好，传播转化的效果欠佳。因为会需要一个测试周期，要比营销的方式测试周期还要更长，在这个过程结束之后我们再测一下。有一个细节，对于模板的构建，怎样的VI设计和怎样的引导流程会刺激用户的转化，比如颜色、引导方式。最简单的大家都有关注微信的服务号和订阅号，有很多号上面会存在自己的模板，有自己的箭头标识也好，其实都是这种方式呈现的。王常伦：五组加60分。我们在工作当中确实需要做很多的数据测试，数据测试可以告诉我们谁好谁坏的问题。如果我们心中已经有一些想法，来看一下腾讯互娱主要做哪些测试。第一，市场反应测试。刚才这位美女讲到了说我需要引入一些用户做测试，但在游戏运营当中面临一个问题，一个产品在小众测试的时候吸引到的往往是核心用户，他们留存率非常好，大部分用户进来以后不走了。有的月留存数据可以达到90%以上，这是因为他们是核心用户。到市场真正投放的时候是不是也会这么好，这就很难讲。我们知道应该是会差一些，但到底差到什么程度，还是那句话，数据不是告诉老板怎么定性的，数据是告诉老板怎么定量的。他投放市场之后差到什么程度，谁能告诉我，我们只能测大众用户群体在游戏当中的表现有哪些不一样。我们会通过一些常规的运营，我们也有论坛，会找一些核心的测试用户群。其次还会通过一些大众的渠道，比如在一些门户网站通过投放和普发吸引大众的用户，观看他们在游戏里面的行为，比较两类用户群体的差别。差到什么样的程度算好，说实话这个数据我们只能通过历史的经验去看。我们知道大量的数据他的核心用户群和目标用户群，发现常规的游戏10%的周留存率的差距是比较正常的，我只能说通过游戏后面的表现。如果这款游戏的目标用户和核心用户差10%，正式测试之后还不错，另一款游戏差的比较多，正式上线之后果然面临这样的问题。通过这种测试得出来符合还是不符合规律，因为我的游戏投出去总是为了有更大的用户群体。如何操作落地页和素材的测试，测试的方式也是比较类似的。数据有的时候是有一些迷惑性的，并不见得数据高就是好，数据低就是不好。最简单的例子就是国家在扫黄打非，国家为什么要扫黄打非，因为在座的每一位搞美术的都知道什么样的素材点击率高，能用吗？不能用。其实对于产品来讲，有时候它也真的不能用，为什么？我们前期要做内容测试。是关于用户心理层面定性的分析，这部分点击你广告的用户，你的素材展现在他面前，让他感觉到的和你游戏匹配的性能，你能把这部分群体吸引进来。如果本身就是一款高大上的游戏，假设一部手机我要卖一万块钱，吸引的全是月收入200块钱的人来点击，那有什么意义。所以我的素材希望传达的品牌理念和希望吸引的人群，能够跟产生消费的人群产生共鸣。根据测试提供的内容准备几版不同的内容和落地页，找到一款点击率最高的。我们是通过这两轮的筛选判断出来谁高谁低。我们发现不同的素材点确实差别很大，有的差别一倍以上。今天拿来给大家讲，就是为了告诉大家，素材的测试，数据的测试对我们的工作真的有很好的帮助。落地页测试也是同样的道理，有的落地页测试，上面和下面对于不同的用户转化率差别很大。第一，我们发现有些位置你投静态广告和投动态广告，转化效率是基本一致的。我做一个视频和做一个海报效果是一样的，这个时候当然是做海报，做视频太贵了。第二，传统的Banner广告位不适合采用悬念式广告，有的广告跟放电影一样，Banner如果太复杂了大家可能就不清楚了，广告以直白为主。第三，有吸引力的素材元素最好第一时间展现，我到底是先放游戏的东西还是先放明星，后来我们发现有明星元素的素材应该第一时间展现转化率更好。第四，促销信息清晰明了。今天送你一款小米手机，明天送你一款苹果手机，这种促销信息最好是让用户第一眼就知道你给他什么。在落地页测试的情况下，不同风格的落地页对用户的转化效率有很大的影响，对于页游来讲尤其如此。对于端游突出奖励，创意更具视觉冲击力的。落地页下载要直发下载并不一定是好的方式，做端游的或者做手游的，当你有一个下载按纽的时候，我们投完广告就要把用户引到一个页面里面去，这个页面肯定有下载按纽，下载按纽用户点完马上弹出一个框，是这种方式好，还是用户点击下载按纽就把他引导到下载页面里。到哪个环节更好，第一个还是第二个，有的同学说第一个，有的同学说第二个。针对不同的游戏有不同的转化的过程。我们在测试一款游戏的时候发现第二个方式反而更好，这和我们之前的想法完全不一样。之前我们做测试的时候转化率越短越好，因为用户点击下载按纽的时候还没有完全接收到你的信息，在这种情况下你让他下载5G、8G的客户端或者安装包他有很大的压力，往往这些人立马点击率取消。你让他充分了解游戏到底是什么，转化率要高出20%以上。到事中优化环节，给大家介绍一下。有一个问题，大家简单讨论一下，在日常生活当中大家是不是用到了精准营销的技术。门当户对就是古代最典型的精准匹配技术，其实很多的产品都可以用到。每个小组讨论一下看看怎么做精准营销。第一组：谢谢老王同学。在日常工作中，网站会根据你的浏览习惯，页面停留时间，一句话说明就是有可能你很喜欢，我在亚马逊买书买的很多，买一个类型的书，我邮件里面会收到其他的书。第二个精准营销技术就是你必须找到你的粉丝团体，比如YY工会游戏，找到工会以后，找到粉丝团体。第三组：第一，当你用百度搜索，百度会通过他的分析把相关的产品或者服务推送给你。第二，广告公司他们会对投放他们公司的广告和产品，根据在各个住宅区或各个商场的人群进行传播和推广。第三，当你浏览像淘宝或者浏览京东这些电商网站的时候，购买某一类物品，他记录你的购买习惯，做相应产品推广的时候自动推送过去。第五组：我是做搜索引擎营销的，所以我对精准营销了解稍微多一点。我想补充的说一下刚才前面这位同学说到的问题，其实现在大家生活中已经被精准营销覆盖了，就像他刚才说的在淘宝你可能看到了一个什么东西放到购物车里，你会发现最近的广告都是围绕着你搜索的产品。这就是我们所说的精准营销人群的分类，你已经被我们做成了标签，告诉我你需要的东西，我再来进行营销。现在日常生活中如果你是在网上购物，或者你想买什么东西，我们做的工作大多数都是为你服务的。所以在大家日常生活中，包括手机上你购买任何产品，电商已经做到了非常精准营销的营销技术。在互联网上现在精准营销已经无处不在了。第五组补充：精准我觉得是存在悖论的，我们认为主流的精准其实是有一个模糊范围，比如优酷，优酷在做精准的时候，视频投放的时候，第一步说的精准是针对他的内容属性去定位的。比如说25到45岁，只是一个模糊范围，我们只能针对这个精准。但相对另外一种精准的方式，比如优酷的鱼雷。 第七组：精准营销要针对我们非常重视的用户，以前亚马逊有提供一个没有下单之前通过你的行为帮你下单，如果不是你想要的会进行佩服。像类似于招聘，基本上是精准营销，我们个人对公司的一种精准营销，我觉得精准营销存在的价值是对个人的差异很重视或者尊重个人的选择。王常伦：这几个小组回答的都不错，能感受出来大家都认真准备了。给第五组90分，其他几个小组都是80分。第二组：中粮有一个电商，是一个垂直电商，我们可以获取用户的一些生命指标，比如他有没有一些家族病，他的血压，每天吃什么东西，会不会运动。基于此我们了解用户的购买习惯，知道他爱吃什么，我们会基于这两个方面为他推送，应该说是一个独特的精准营销的案例。王常伦：给二组加40分。在日常生活中大家是非用到了精准营销，刚才大部分同学都在讲要么自己是做精准营销的，在工作当中用到精准营销，在生活当中我们被精准营销使用着。刚刚这位同学讲了，我昨天血压有点高，我被他知道了，这位同学讲手机淘宝，我买了什么东西被他偷偷知道了。这种情况下我们都被精准营销覆盖使用，互动娱乐对于游戏用户的推介和大家在使用的商品，买衣服的情况几乎都是类似的。做精准营销第一个特点是我要了解清楚我的用户是可以被分类的，这首先是一个基础点。所有人都有一样需求的情况下无须精准营销。第二，分完类这个技术可以把不同的东西分到不同的用户群体当中。互娱的DSP、DSK的整个架构，我们用技术的手段分发给各个不同的流量，只想说的是这个营销所实现的场景，回去我们如果能把这种营销的东西应用到工作当中，它所转化的实际的路径。第一，首先打开APP，打开网页或者打开产品，不管是卖服装，卖食品，卖水果的，卖游戏的。用户进到你这儿来，用户进来一瞬间我要对他进行判断，判断这个用户原来买过什么东西，判断这个用户购物车里放了一年，浏览过10次，实在想买但工资太低了，今天他发工资了我优先把产品推上去。第二是判断用户的属性，你要在后台自己建一个标签。根据用户的属性把相应的素材挖掘出来，把购物车的产品拉出来了，把可以降血压的产品拉出来了，我把你喜欢的东西拉出来了，同样的道理，在炫舞里面，假设这个人平时只买裙子，在游戏的时候我们推荐的时候最好推荐裙子。所以平台行为构建的总体标签库让我们可以判断出用户的大范围的属性，从而展现不同的素材，在手机端或者PC端，对于游戏我们都是这么处理的。大范围的一些素材的投放采取这样的投放方式。其实精准营销或者精准运营对于单产品来讲，某一个产品来讲，它使用的技术是完全一致的。不是每个人都是做淘宝的，也不是每个人都服务于亿万厂商，单个产品也可以对自己做精准的运营。怎么做？我们使用的是这种技术，看一个的例子。他有自己的官网，有自己的客户端，谈起标签的构造我们总认为没有能力构造这个标签，不知道他的年龄和地域，似乎只有大的公司才知道，但是游戏类型我们是知道。有没有想过把这些产品用户的行为构建成标签库，从而在你可以掌握的渠道里对其进行精准营销。不同的用户看到的官网是不一样的，重度活跃用户和轻度活跃用户所看到的道具的推介是不一样的。你半年没来，来到一款游戏最关注的是它有什么新的玩法，以及现在玩还能不能追得上，所以这时候要告诉用户，你来吧，把你原来的全给补上去，不用担心。来了之后有新的玩法和你原来玩的完全不同。对于天天玩这款游戏的用户，来了之后不需要告诉他这些信息，只需要告诉他有新的东西来了，在原来的基础上可以尝试这些新的活动。通过这种方式我们发现确实有效果，注册CPA降低40%多，拉新转化率提升了很多。到了事后考核的部分，如果我们能够在事前对趋势或者未来有一个很好的预判，当他达到了我们的预判，我们认为他就符合了这个KPI，达不到我们就认为哪个地方做的不对，通过数据的回看检查哪里做的不对。一个人做一道题做到了100分，我是夸他好还是不好，我只能看他到底是一个小学生还是大学生，需要对以前的情况有一个判断，才能对他现在的情况做一个判断。对于端游和页游来讲，最近一年用户的转化率有下滑，下滑幅度在30%左右。我个人认为可能是受到了手游的影响，大部分端游和页游出现爆款的比较少，整个产品的生命周期在拉长，导致用户转化率在下降。出现了什么异动，背后具体的原因通过细化进行分析。对于游戏用户所聚集的网吧渠道，整个网吧的市场，在过去一年也有一定的下滑的幅度，轻微下滑，大概下滑了百分之十五、六。在网吧玩游戏的人在减少，很多用户自己拥有了电脑，喜欢为了氛围而去花钱的用户在逐渐的减少。对于年龄的分布，如果是从事互联网行业和对互联网行业有所关注的，整个游戏用户人群的分布大概符合这个比例。21到24的用户群体应该是分布最多的，40岁以上的用户占比占总体比例的10%。对移动游戏来讲所展现出的是其他不一样的特征，我们发现更年轻，30岁以上的用户群体只占15%。在地域分布中，广东遥遥领先，为什么？因为那个地方年轻人比较多，现在很多打工的都是“下广东”。在其他的渠道当中可以看到类似的特征，广东、江苏、山东位列游戏用户群体排行TOP3。移动游戏用户群体当中又产生了一点不一样的变化广东依然排行第一，大概还是占15%以上的比例，但是浙江取代山东进入TOP3，也就是说在移动用户群体里目前浙江排名比山东更多，山东玩端游的更多一点。北京、成都、广州位列游戏用户比例的TOP3。男女的用户比例游戏群体整个的分布是比较类似的，大概都是6：4的比例，可能有一部分做游戏的人群会有一些不一样的观点，是在于我的游戏用户通常展现出来排名的比例是9：1。在游戏群体里有这么两个性别的比例，9：1代表着重度游戏，像枪战类游戏基本都是9：1，非卡通风格的游戏大部分都是9：1，其他的基本都符合6：4，很多页游达到5：5。女生也是很喜欢玩游戏的。大家把手机拿出来，女生的手游品类搞不好比男生还要多。这是整体的游戏用户的比例。对于目前整个行业上排名比较靠前的，手游畅销榜前面的，除了腾讯的几款之后，还有《我叫MT()》。这就是为什么移动游戏里面女生可能玩的比较多，但是重大的爆款很多都是男生为主流用户群推高起来的。分布的比例大概在6：4左右。我们发现一半左右玩游戏的人群几乎每天都会参与游戏，不是偶尔，你喜欢看电影，我喜欢看电影，你多长时间去一次电影院？有男女朋友的一星期一次，没有男女朋友一个月、两个月、半年一次。对于玩游戏的群体来讲，他喜欢玩游戏，他每天都会去玩，也就是说游戏已经基本上成为大家的日常的娱乐方式。每天就跟吃饭睡觉一样。
正文已结束，您可以按alt+4进行评论
相关阅读：
[责任编辑：troyxu]
热门搜索：
Copyright & 1998 - 2018 Tencent. All Rights Reserved