今天的直播課，一個程式取得本年度五個月所有上市櫃營收統計，另存為資料庫，每月可再添加資料。在不開啟檔案情況下，直接Excel SQL執行各種分析查詢。

歡迎參加贊贊小屋AI投資大三門！
https://www.b88104069.com/excelcourse9

【聊聊遊戲數據分析常有的陷阱與誤判】

前兩天RF提到數據分析的理解與分享，剛好自己在這部分也有些體悟，順便分享一些自己的經驗。

每個人都有機會做數據分析，並進而得出些結論，但有些錯誤或陷阱是新人比較容易犯的，希望能夠提出些來幫大家少走些彎路。

(1)對於“正面”的反常數據不夠有警覺。

大部分人對於數字異常變差的警覺性較高，譬如營收、付費率、Arpu下滑；但對於數字異常變好的警覺性比較差。「事出反常必有妖」，營收相關數字異常變好，也有可能是出現bug、活動折扣標錯、對於道具價值錯誤預估、或是某個大戶異常行為的結果。

研究這些反常的“正面”數據，能夠排除遊戲的潛在問題，排除後還能想辦法嘗試複製相同的成功經驗。莫名其妙的成功不是本事，那叫做運氣，總有用光的一天

(2)數據分析的基礎是「數據正確」。

這是一個很基礎，但新人常忽略的事情。當發現一個特殊的數據變化，一定要先用邏輯判斷是否符合常理，再去用其他角度驗證數據的正確性，最後才進行分析下結論。

打個比方，當你發現三留暴漲，也要一併確認次留或七留有沒有相應的變化。如果沒有的話，那可能只是Excel拉錯，一不小心就會做出「三留因為活動成功而暴漲的錯誤結論」。

對於自己無法解釋的數據，務必反覆檢驗其正確性。

(3)產品只看營運數據，行銷只看廣告數據

在現今的遊戲產業，營運和行銷已經密不可分了。當營運部門看到留存上升時，有可能是因為廣告導入的用戶調整而非活動因素；當行銷部門看到廣告回收變好，也有可能是因為遊戲適逢重要活動。

只想當獨行俠而疏於溝通，已經難以在未來的遊戲產業生存。要想精進，就必須把玩家從“看到廣告”，到“進入遊戲"的環節都弄得一清二楚。

(4)產品生命週期會影響數據的變化

一般來說，事前登錄的用戶品質>第一批導入的用戶>後續導入的用戶。因此拿事前登錄的用戶數據去推估未來的遊戲收入成本趨勢，很有可能得到過於樂觀的結果。

(5)忽略離群值的影響性

大部分的免費遊戲，都仰賴1%的鯨魚玩家，這些鯨魚玩家有遠超過平均值的付費行為。而一個大戶的出現，常會把很多的“壞數據”變成”好數據“。

某個廣告群組的回收率、某個道具的銷售量等，都有可能因為一個大戶超捧場，從壞消息變成好消息，影響了數據分析的結論。

(6)行銷人員專注成本而忽略回收

早期的遊戲業，幾乎所有行銷人員的KPI都是「導入成本越低越好」。但現今廣告投放工具趨向複雜專業，有很多標榜便宜安裝的廣告採買方式，基本上不具備任何回收的可能性。

所有的數據決策，最終的目的都是「盈利」。如果只專注在單一的數據指標，忽略收益上的表現，將有可能把專案帶往錯誤的方向。

(7)拿不同遊戲的數據經驗，去推測其他遊戲的數據

這坦白說是很難避免的問題，我們都習慣以現有的經驗去預測未知的結果。做RPG的可能難想像放置遊戲的長線留存率，做三消很難想像RPG的付費能力。

我們都生存在看不見的那道牆中，只能不斷與外界聯繫交流，打破自己認知的侷限。

(8)數據所呈現的現象，沒有實際進入遊戲去驗證

營運看數據看久了，會容易依賴數據得出“空想”的結果，而非進入遊戲實際感受問題之所在。打個比方，你可以想像無數種活動成效不好的原因，但都不如你進入遊戲實際花錢，和玩家討論CP值，感受用戶和自己心中的回饋來得真實。

數據分析之路漫長遙遙，希望以上對你有所啟發。

【淺談遊戲數據分析的理解與經驗分享】 - By RF

延續前篇文章提到的營運基本素養，本文來說明筆者對於數據分析的理解與經驗分享，

數據分析可簡單分為三個區塊 Data→ Information → Solution
產品的每日數據表、鑽石產出消耗統計、禮包購買狀況等這類經統計出的「數字」，可視為 Data：

舉例: 每日鑽石產出約150-200萬鑽，但在5/6產出400萬鑽；

深入挖掘造成其數字變化的「背後原因與傳遞出的資訊」，可視為 Information：

舉例: 造成此5/6的鑽石產出變化原因，可能有bug被洗大量鑽石、有大型儲值活動吸引大量付費玩家出來付費、有大R怒儲100萬鑽、活動獎勵配置錯誤等原因；

最後根據其數據分析得到的資訊與結論，做出「相對應的決策與後續計畫」，可視為 Solution：

舉例: 本次活動獎勵配置原先預期A獎勵較吸引中小用戶，經分析後發現是B獎勵命中大R用戶需求，導致大R瘋狂付費，此時可以重新檢視品項設計與用戶需求內容，並思考該如何延續本次的活動成效，同時也要評估是否會過度投放而造成道具失效的狀況。

以下為筆者過去在數據分析時得到的經驗，提供大家參考。

1. 資料驗證
錯誤的分析結論可能會導致錯誤的決策，所以《資料正確性》為首要注意的項目。

營運人員大多從數據後台或請技術撈取資料，尤其在額外撈取的資料當中，有可能因需求說明不清楚或是一時疏失導致撈取欄位或內容錯誤，故在撈取資料前要預先想好如何檢驗資料正確性，且拿到資料後第一時間需做資料驗證。

舉例: 想瞭解A產品在 5/1-5/7的每日營收，在資料撈取需求時可以額外拆分付費渠道(GP、IOS、官網)，來進行資料比對與驗證，當拆分付費渠道後的營收加總與每日總營收不同時，此時可以先回頭確認資料源哪裡有異常。

2. 數據結構
《用戶特性差異巨大》，根據自身運營的產品統計，所有用戶中僅10-20%的用戶會付費，在付費用戶中的前20%大R用戶會貢獻約75%-85%的營收，在判斷所有數字時要盡可能瞭解其用戶輪廓，且要有更多種面向的數據來進行輔助判斷。

舉例: 在分析鑽石產出消耗時，如果是所有用戶一起看，可能會無法定位到明確的問題，如果細分成免費用戶、付費用戶(大中小R)等細分數據，則可瞭解各階層用戶花費鑽石的地方，進而找到用戶需求。

3. 輻射思維
大部份情況下，可能是因為看到某個數字異常值或是想解決某個問題而進行分析，建議可以從問題中心進行《射放性的假設與思考》，如果是單線性的思考，過度聚焦於某個論點，容易花了很多時間最終發現方向錯誤導致浪費時間，甚至演變成先射箭再畫靶的情況。

舉例: B產品因為調整活動獎勵，預期ARPPU會從1200元提升至1500元，最終結果提高至2000元，此時如果只是「說明」本次如何調整活動所以達到此結果，而沒有思考其他可能性的話，有可能會忽略真正發生的原因。

4. 善用工具
最常使用也最容易入門的是Excel，其中最重要的功能是「樞紐分析表」，可以將大量資料依自身需求快速轉換成清楚明瞭的統計報表；其次如vlookup等函數，可以加速資料處理與比對，這些基本功除了多使用還是只能多練習來熟能生巧，更進階的也能學習SQL語法、Python、Tableau等軟體與工具來加快資料處理的速度。

5. 挑戰自己
在數據分析的過程中，不斷挑戰自己的想法與觀點，同時切換不同視角來審視自己的分析與結論，除了可以發掘不同問題與報告缺陷外，也可以提前預想上級主管或聽講者會想得知哪些資訊與提問內容。

「重分析，更重結論與後續追蹤」
剛開始接觸數據分析的營運人員容易太重分析或太相信數字，反而忽略了「產品體驗」與「解決問題」，進而導致輕易下結論或缺乏有效驗證其方案。

數據分析雖不是萬能，但也是遊戲營運一項必備技能，時刻關注數據變化，培養數字敏銳度，才有辦法一眼看出異常值！

希望以上內容對你有所幫助，也歡迎大家一起多多交流。
--
本篇為客座專欄，作者RF，現為知名遊戲公司營運主管，希望藉由分享自身經驗，給有志於遊戲營運的朋友一些啟發。