-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

游戲數據分析的藝術

( 簡體 字)
作者:于洋 余敏雄 吳娜 師勝柱 著類別:1. -> 遊戲 -> 遊戲程式
譯者:
出版社:機械工業出版社游戲數據分析的藝術 3dWoo書號: 42100
詢問書籍請說出此書號!

缺書
NT售價: 395

出版日:7/1/2015
頁數:409
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111507802
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

為什么要寫這本書

無法衡量,就無法改進。

每一個產品都是藝術品,游戲是產品,故游戲也是藝術品。然而產品需要用戶,用戶與產品都需要衡量,深入地分析并解決問題,提升產品,經營用戶。

游戲伴隨互聯網的發展逐步成為重要的產業,這其中誕生了像暴雪這樣的公司,同時也誕生了像西山居這樣的民族品牌。我們的技術越來越好,我們的界面越來越炫,我們的設計策劃力量也在不斷成長。各種針對這個行業的書籍層出不窮,然而我們卻發現,在越來越注重產品運營的今天,當一切走向了數字化后,我們的產品數據分析和數據建設,在大多數的從業者當中,卻是極度匱乏和無助的。

從當初寫“小白學數據分析”開始,就承載了一種使命,一種要將行業數據分析不斷完善和發展的使命。迄今為止,這個行業還沒有一本書是系統地梳理和講解游戲數據的概念和運用的。伴隨大數據和移動互聯網的發展,移動互聯網創造了更加公平和廉價的創業機會,大數據給予了大家更多利用數據驅動變革的思考,參與到其中的人越來越多。數據開始得到越來越多人的重視和建設,令人欣喜的是,我們看到很多的渠道、發行商、開發者開始用數據說話,開始注意ROI,開始關注留存率,這是一種好的現象,說明數據開始發揮價值和影響。不過,留存率也好,ARPU也好,被玩壞了,被曲解,存在了多重標準,這使得眾多的從業者,尤其是很多新人難以區分這些標準,難以理性和客觀地分析這些數據。很多時候,我們都缺少一個像電商中SKU這樣一個高度統一認識的指標,也從未有詳細的材料或者書籍對游戲數據分析進行全面的闡述。

數據分析是以解決問題為先。

數據分析注重的是結果轉化,理論和知識最終服務于方案和最終的效果。游戲可以看作是一件藝術品,然而這樣一件藝術品是需要受眾的,要經營受眾,我們就需要去衡量,去改進。在這個過程中,所使用的軟件不是最關鍵的,使用的算法也不是最關鍵的,解決問題的方法才是最關鍵的,并有切實落地的方案以及對于最終效果的反饋和改進措施。不只是對于游戲數據分析是這樣的,對于其他領域的數據分析也是如此。本書除了解決基本認識、方法之外,還有更多對于業務理解的思考,從解決問題入手,以游戲為最佳切入點,輻射整個數據分析領域,并完成大部分理論和基礎數據的解讀分析。

讀者對象

這是一本關于游戲數據分析的書籍,但是其中所包括的知識、方法、指標、理論是可以服務于整個互聯網的,以下人員均可閱讀和使用本書。

游戲產品運營人員。

游戲數據分析人員。

移動應用產品運營人員。

移動應用數據分析人員。

產品營銷推廣人員。

產品體驗設計人員。

產品數據挖掘及平臺建設人員。

數據分析愛好者。

如何閱讀本書

本書從組織、策劃、收集到創作歷經了3年時間,由4位來自不同領域的作者共同完成,其中于洋完成了第1章、第2章、第3章、第5章、第6章、第7章和第9章的創作,余敏雄完成了第10章、第11章和第12章的創作,吳娜完成了第4章的創作,師勝柱完成了第8章的創作。

本書分為兩大部分:

第一部分貫穿了從基本的游戲數據分析概念、分析師的定位、數據指標認識、游戲數據分析方法論、統計學運用、渠道流量經營到具體產品每個階段的數據運營知識。

第二部分則是重點闡述運用R語言和數據挖掘的知識,深入探討游戲數據分析的高階知識。

勘誤和支持

除封面署名外,本書在創作過程中得到王巍、姜長嵩的支持,他們提供了大量的內容。由于作者的水平有限,編寫時間倉促,書中難免會出現一些錯誤和不準確的地方,望各位讀者批評指正。為方便溝通,我們特意創建了在線網站http://www.ianalysis.cn,讀者有任何問題可在該網站進行留言,同時書中未完全闡述之內容,將在該網站上繼續為各位讀者進行解答。另外我們也將定期更新該網站上的文章。如果您有更多寶貴建議,歡迎發送郵件至yuyang2011@gmail.com,或者關注本書微信公共賬號i-analysis,期待能夠得到您的真摯反饋。

致謝

首先感謝西山居CEO鄒濤為本書所作的序,作為曾經的金山人,深感榮耀。

感謝TalkingData CEO崔曉波,在我職業生涯中所給予的啟迪和平臺,作為TalkingData的一員,有幸參與到偉大的數據事業之中,倍感自豪。

感謝TalkingData、西山居,他們為行業做了一件非常偉大的事情,從此游戲數據分析也是一個真正落地的方向,TalkingData為行業的數據發展做出了產品和方法的指引,而西山居則將多年的沉淀與積累奉獻于公眾。同時也感謝所有一直以來支持游戲數據分析發展的眾多游戲公司。

感謝在本書創作過程中給予我們幫助的金山西山居姜長嵩、暢游王巍、游戲數據挖掘與分析QQ群每一位參與游戲數據分析建設的熱心網友,感謝TalkingData閆輝和于海亮,他們的產品設計和研發,使得行業進入了快速發展軌道,還有諸多未提到的朋友,感謝他們長期對游戲數據分析的支持和貢獻。感謝所有付出艱辛努力的作者,余敏雄、吳娜、師勝柱,他們的全力支持和參與,使得本書順利出版。

感謝機械工業出版社華章公司楊福川的信任,他陪伴我一同等待了3年時間;感謝辛苦改稿的編輯姜影。因為有了他們的支持、鼓勵和幫助,本書才能得以順利出版。

最后感謝家人,感謝你們一直以來的理解、陪伴和支持。

謹以此書獻給親愛的家人。



于洋
內容簡介:

內容簡介
本書是中國游戲產業的開創性著作,具有里程碑意義,它首次系統講解了如何對游戲行業的數據進行分析,在行業里豎起了一根標桿。作者是來自TalkingData等國內頂尖的數據分析機構和西山居這樣的知名游戲公司的資深數據分析專家, 對游戲數據從不同的業務角度進行了詮釋。本書詳細剖析了游戲數據分析相關的指標、方法論、內容挖掘、數據挖掘、軟件使用、游戲設計、運營策劃、渠道推廣、收入解讀、用戶分析和留存分析等。對于產品設計、開發、運營、推廣以及游戲行業的人才培養都將帶來巨大的推進作用。
全書一共12章:
第1章從宏觀上介紹了游戲數據分析的重要意義、方法論、流程,以及游戲數據分析師的定位;
第2章詳細解讀了游戲數據分析的各項數據指標,部分指標在游戲行業里都屬于首次提出,為行業建立了規范;
第3章詳細講解和示范了各種游戲數據報表的制作方法;
第4章講解了基于統計學的數據分析方法以及它在游戲數據分析中的應用;
第5~9章詳細地、全方位地講解了游戲的用戶數據分析、運營數據分析、收入數據分析、渠道數據分析、內容數據分析,不僅有方法論和技巧,而且有大量的實際案例,這部分內容是本書的核心;
第10~12章講解了R語言的核心技術以及如何利用R語言對游戲數據進行分析,同時也附有大量案例。



互聯網的崛起,使得游戲產業快速發展,在整個產業當中,除了運營、研發、推廣、設計、美術人才之外,未來游戲數據分析師也將給產業帶來更加深遠的影響,現實的情況是今天的渠道也好,廣告平臺也好,都開始用數據說話,激烈的競爭將驅動產業不斷升級和轉變思維。游戲產業發展需要數據人才,這可以使從業者能夠將產業帶入更高的發展軌道,綜合運用數據、技術、創意、設計,創造和運營更多優秀的產品,同時游戲數據分析的豐富和發展也將促進作為藝術品的游戲取得更大的成績。
游戲數據分析在中國萌芽的時間很長,卻在最近5年得到了快速發展,究其原因,也是得益于像TalkingData這樣的第三方數據公司的推動,隨著精細化運營概念的深入,大數據落地實踐經驗的豐富,在未來游戲數據分析將得到長足的發展,通過不斷的數據嘗試和優化,在人群刻畫、精準投放、深度運營、游戲內容數據的挖掘等方面,將得到進一步的突破。
目錄:



前言

第1章 了解游戲數據分析1

1.1 游戲數據分析的概念1

1.2 游戲數據分析的意義2

1.3 游戲數據分析的流程4

1.3.1 方法論5

1.3.2 數據加工6

1.3.3 統計分析9

1.3.4 提煉演繹9

1.3.5 建議方案12

1.4 游戲數據分析師的定位13

1.4.1 玩家—游戲用戶14

1.4.2 分析師17

1.4.3 策劃—游戲設計者22

第2章 認識游戲數據指標24

2.1 數據運營24

2.2 數據收集25

2.2.1 游戲運營數據25

2.2.2 游戲反饋數據26

2.2.3 收集方式26

2.3 方法論27

2.3.1 AARRR模型28

2.3.2 PRAPA模型38

2.4 數據指標39

2.4.1 用戶獲取40

2.4.2 用戶活躍41

2.4.3 用戶留存43

2.4.4 游戲收入44

2.4.5 自傳播47

第3章 游戲數據報表制作48

3.1 運營現狀49

3.1.1 反饋指標49

3.1.2 制作報表50

3.2 趨勢判斷52

3.2.1 關鍵要素52

3.2.2 制作報表53

3.3 衡量表現56

3.3.1 關鍵數據56

3.3.2 制作原則57

3.4 產品問題58

3.4.1 兩個問題59

3.4.2 分析案例60

3.5 一個問題、三個原則和圖表的意義62

3.5.1 一個問題62

3.5.2 三個原則62

3.5.3 圖表的意義64

第4章 基于統計學的基礎分析方法65

4.1 度量數據66

4.1.1 統計描述66

4.1.2 分布形狀類型及概率應用70

4.1.3 常用統計圖73

4.1.4 概率抽樣、樣本量估計和實驗設計80

4.2 分類數據分析95

4.2.1 列聯表分析95

4.2.2 無序資料分析96

4.2.3 有序分類資料分析98

4.2.4 分類數據分析案例100

4.3 定量數據分析101

4.3.1 假設檢驗與t檢驗101

4.3.2 方差分析與協方差分析104

4.4 時間序列數據分析112

4.4.1 時間序列及分解112

4.4.2 時間序列描述統計115

4.4.3 時間序列特性的分析116

4.4.4 指數平滑121

4.5 相關分析124

4.5.1 定量資料相關分析125

4.5.2 分類資料相關分析126

參考文獻129

第5章用戶分析130

5.1 兩個問題130

5.2 分析維度131

5.3 新增用戶分析135

5.3.1 黑色一分鐘135

5.3.2 激活的用戶138

5.3.3 分析案例—注冊轉化率140

5.4 活躍用戶解讀141

5.4.1 DAU的定義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—箱線圖分析DAU146

5.5 綜合分析151

5.5.1 分析案例—DNU/DAU151

5.5.2 使用時長分析157

5.6 斷代分析161

5.7 LTV162

5.7.1 LTV的定義162

5.7.2 LTV算法局限性163

5.7.3 用戶平均生命周期算法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 留存率的計算170

6.1.2 留存率的三個階段173

6.1.3 留存率的三要素175

6.2 留存率的分析181

6.2.1 留存率的三個普適原則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 留存率優化思路202

6.4 留存率擴展討論203

第7章收入分析205

7.1 收入分析的兩個角度206

7.1.1 市場推廣角度206

7.1.2 產品運營角度207

7.2 宏觀收入分析208

7.3 付費轉化率210

7.3.1 付費轉化率的概念212

7.3.2 APA和DAU對付費轉化率的影響213

7.3.3 真假APA214

7.3.4 付費轉化率的引申215

7.3.5 付費轉化率的影響因素217

7.4 ARPU219

7.4.1 ARPDAU220

7.4.2 DAU 與 ARPU221

7.5 ARPPU222

7.5.1 ARPPU的由來222

7.5.2 平均惹的禍223

7.5.3 首次付費與ARPPU224

7.6 APA225

7.6.1 APA分析226

7.6.2 付費用戶的劃分226

7.6.3 付費頻次與收入規模231

7.6.4 付費頻次與付費間隔232

7.7 分析案例—新增用戶付費分析235

7.7.1 新增用戶留存235

7.7.2 付費轉化率236

7.7.3 留存用戶中付費用戶的收入237

7.7.4 ARPU239

7.7.5 新增用戶的收入計算241

第8章渠道分析244

8.1 渠道的定義244

8.2 渠道的分類245

8.3 渠道分析的意義245

8.3.1 最佳渠道是運營之外使產品的利益最大化的方式245

8.3.2 品牌的力量不容小覷246

8.4 建立渠道數據分析體系247

8.4.1 建立數據監控體系247

8.4.2 渠道推廣分析的閉環254

8.5 分析案例—游戲渠道分析256

第9章內容分析259

9.1 營銷分析與推送259

9.1.1 理解用戶259

9.1.2 營銷方式—推送261

9.2 流失預測模型263

9.2.1 數據準備263

9.2.2 數據建模264

9.3購買支付分析272

9.3.1場景分析272

9.3.2輸入法的局限273

9.3.3 批量購買的設計275

9.3.4 轉化率276

9.4版本運營分析278

9.4.1把握用戶的期待278

9.4.2地圖281

9.4.3 武器284

9.4.4新道具286

9.4.5其他更新288

9.5長尾理論實踐289

9.5.1概念289

9.5.2顧尾不顧頭290

9.5.3長尾與二八法則291

9.5.4尾部的挖掘291

9.5.5案例—FPS游戲的長尾策略292

9.6活動運營分析294

9.6.1理解活動運營294

9.6.2活動數據分析295

第10章R語言游戲分析入門297

10.1R語言概述297

10.2新手上路299

10.3R語言數據結構301

10.3.1向量301

10.3.2矩陣301

10.3.3數組302

10.3.4 數據框303

10.3.5列表305

10.4R語言數據處理306

10.4.1類型轉換306

10.4.2缺失值處理307

10.4.3排序308

10.4.4去重309

10.4.5數據匹配309

10.4.6分組統計310

10.4.7數據變換313

10.4.8創建重復序列rep315

10.4.9創建等差序列seq315

10.4.10隨機抽樣sample316

10.4.11控制流316

10.4.12創建函數318

10.4.13字符串處理319

10.5基礎分析之“數據探索”320

10.5.1數據概況理解320

10.5.2單指標分析322

10.5.3雙變量分析326

第11章R語言數據可視化與數據庫交互332

11.1R語言數據可視化332

11.2常用參數設置334

11.2.1顏色334

11.2.2點和線設置341

11.2.3文本設置342

11.3低級繪圖函數345

11.3.1標題345

11.3.2坐標軸345

11.3.3網格線346

11.3.4圖例348

11.3.5點線和文字350

11.3.6par函數353

11.4高級繪圖函數357

11.5R語言與數據庫交互368

第12章R語言游戲數據分析實踐372

12.1玩家喜好對應分析372

12.1.1對應分析的基本思想372

12.1.2 玩家購買物品對應分析373

12.1.3討論與總結378

12.2玩家物品購買關聯分析379

12.2.1算法介紹379

12.2.2物品購買關聯分析380

12.2.3討論與總結385

12.3基于密度聚類判斷高密度游戲行為386

12.3.1案例背景386

12.3.2DBSCAN算法基本原理387

12.3.3數據探索388

12.3.4數據處理389

12.3.5模型過程 390

12.3.6多核并行提高效率393

12.3.7討論與總結394

12.4網絡關系圖分析應用395

12.4.1網絡圖的基本概念395

12.4.2創建網絡關系圖396

12.4.3畫網絡關系圖400

12.4.4網絡關系分析與應用403

12.4.5討論與總結409
序: