中清龙图谈大数据时代的数据化运营 | 新浪游戏 _供求信息

现如今在大数据时代，运营产品变化过程相当快，各家游戏运营的压力都相当大，在某些特定的模式下，突发一些事故，或者对数据错误的分析，导致了运营中的一些思路上的错误调整，这可能给产品带来非常巨大的影响。今天我们采访到了中清龙图副总裁李翀为广大cp讲解如何在大数据时代进行数据运营。
　　
什么是大数据？

　　大数据**个特点是数据量特别大，举个例子，比如一个人站在这里，仅知道他的身高体重等等，是没有什么实际意义的，但如果把很多人的身高体重都统计量一下，可能可以得出一些数据。这说明了什么？只有当数据量到一定程度的时候，我们才能分析出一些共性的东西和区域性的东西。另外是数据的内存比较多，可能会衍生到很多纬度，比如身高长相，还有体重以及其他的年纪等等各种各样的东西，我们运营其实就是从大量的数据中挖掘出更多的价值。
另外的表现是数据产生速度非常快，就目前来讲，《刀塔传奇》用户量级上亿。每天都会产生大量的数据，那么需要在有限的时间里，对我们的数据从目前2300多个服务器上进行行为数据的采集，并且清洗之后作为存储，然后进行计算。得到不同纬度上希望得到的我们想要的结果。目前我们的做法是，在整个两年的时间中，一直努力地规范数据采集的方法，包括客户端服务器的相关的ICK，存储方面，主要是几个方面。所有的国内的包括存储、计算等等，很多放到了云端，计算也是利用了Pyton的脚本等等。
　　
数据的甄别和挖掘——避免数据陷阱

　　目前情况下，我们在运营中看到可以获得**数据的原始数据不是问题，去除无效和虚假的数据才是关键。
　　相信做发行的同行都知道，在实践中，会遇到通过某些渠道或者是CPS，或者是广告渠道，他们一定会有大量的虚假的数据在里面。在游戏的基础上可以比较容易地判别出虚假的数据，或者是有问题的数据。在大数据运算中，识别出有陷阱的或者有缺陷的数据，是做大数据运营过程中**点需要关注的点。
　　
不同纬度的数据——彼此之间的相关性是关键

　　在运营大数据时我们会从游戏中获得的数据本身是零散的数据，这些不同纬度的玩家的基础性的数据，它们代表得特性以及彼此之间的相关性是最为关键的。举个例子，我们都知道，我们关注得比如DAU，比如三流，五流等数据，或者是付费数据，当我们上线一个产品，或者对已有的老产品做运营分析的时候，我们会发现，为什么这个产品的次流会比较好，而有些产品的次流比较差，反过来看其他的数据，我们会发现，往往在次流方面表现比较好的产品和比较差的产品表现完全不一样。当两个产品不具备相关性的时候，那么对转化率，或者在一些内容进行分析。我们遇到了一个现状，一开始我们是比较小规模进行测试的时候，发现这个产品还可以，我们决定按照整个规划去上线产品，上线产品之后，我们发现数据离我们最初的预期差很多，比如次流明显低于小批量投放的效果，包括付费渗透率以及UP值低于预期。原来的广告资源都铺开了，只能快速地调试产品和验证产品。当时我们用了一个比较特殊的渠道，我们在7天出了七八个版本，每天一个以上的版本，我们用了一个礼拜的时间，最终才把产品调到了预期的数据。
　　
如何做到数据化运营

　　总体来讲，我们只关注表现以及一些变化趋势，现在做得东西是智能报表，我们从报表本身出发，根据产品制作的模型提高我们的洞察力，不管是短期的运营项目还长期问题以及机会，反馈给运营同学，采取行动，再反馈到报表做一个整体的闭环系统。数据化运营可以通过数据手段**地解决的问题。通过不同的纬度的玩家的行为数据，达到一定效果，另外通过精细化的运营，将推销变为营销，做可持续地运营。
　这是运营中的渠道的CPS，现在大家比较普通用到的是免费制的产品模式，实际上，在come、stay、Pay三个点上有不同的方面，come即所谓的用户画像，根据产品的分类以及产品的特点不同，会决定我们在产品投放模式上的不同。这是基于现在已经有的用户行为数据统计的基础上的。我们可以在这里做很多工作，比较**地管理产品投放，我印象中，到上个月，基本的产品新进用户的次流可以保持在50%以上，这个产品本身品质比较好，另外我们一直在持续地优化导流的模型。
　　
关于精准营销

　　通过用户本身的付费习惯和付费行为的区分，我们对所谓不同的用户会定期和不定期地推出不同档次的运营活动，提供比较精准的后续版本的开发和运营活动的方案。根据用户不同的层别区分，对他去做营销。
　以个人的判断来讲，可以看到快速起来的推广期，还有比较短的推广期，还有一个长尾，这种数据化的运营不能真的把一个游戏变成一个长青树，但是可以**地延长长尾期。
　　
关于如何预防用户流失

　　通过数据分析，什么样的用户可能会成为流失型用户，并且通过数据去发现问题，然后去挽留他们。举个例子，比如用户的付费冲动变得弱化了，消费能力变差了，甚至登录程度变低，都会数据运营都应提出警告，这样的用户也许是因为内容不足，也许是因为信心丧失，导致了流失。我们在用户还没有真的流失之前想办法挽留他，比在他流失之后用各种方式召回更容易。另外，可以发现，这些即将流失以及已经流失的用户特征，我们可以做出不同的方案进行补救。
总结

　　数据化运营需要通过**多维度的数据综合分析来了解分析用户，由群体式的运营向针对每个用户的精准化运营进行转变，将“推销”转变成为“营销”，以用户的根本需求作为核心运营的根本方向。