《遊戲數據分析的藝術》是中國遊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遊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遊戲公司的資深數據分析專家，對遊戲數據從不同的業務角度進行了詮釋。
基本介紹
內容簡介：,作者簡介：,目錄：,
內容簡介：
《遊戲數據分析的藝術》是中國遊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遊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遊戲公司的資深數據分析專家，對遊戲數據從不同的業務角度進行了詮釋。本書詳細剖析了遊戲數據分析相關的指標、方法論、內容挖掘、數據挖掘、軟體使用、遊戲設計、運營策劃、渠道推廣、收入解讀、用戶分析和留存分析等。對於產品設計、開發、運營、推廣以及遊戲行業的人才培養都將帶來巨大的推進作用。
《遊戲數據分析的藝術》一共12章：第1章從巨觀上介紹了遊戲數據分析的重要意義、方法論、流程，以及遊戲數據分析師的定位；
第2章詳細解讀了遊戲數據分析的各項數據指標，部分指標在遊戲行業里都屬於首次提出，為行業建立了規範；
第3章詳細講解和示範了各種遊戲數據報表的製作方法；
第4章講解了基於統計學的數據分析方法以及它在遊戲數據分析中的套用；
第5~9章詳細地、全方位地講解了遊戲的用戶數據分析、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語言對遊戲數據進行分析，同時也附有大量案例。
《遊戲數據分析的藝術》一共12章：第1章從巨觀上介紹了遊戲數據分析的重要意義、方法論、流程，以及遊戲數據分析師的定位；
第2章詳細解讀了遊戲數據分析的各項數據指標，部分指標在遊戲行業里都屬於首次提出，為行業建立了規範；
第3章詳細講解和示範了各種遊戲數據報表的製作方法；
第4章講解了基於統計學的數據分析方法以及它在遊戲數據分析中的套用；
第5~9章詳細地、全方位地講解了遊戲的用戶數據分析、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語言對遊戲數據進行分析，同時也附有大量案例。
作者簡介：
于洋，TalkingData高級諮詢總監，主導TalkingDataUniversity計畫。曾在金山軟體公司任職遊戲數據分析師，從事遊戲及移動套用數據分析、產品數據體驗最佳化、金融機構運營及數據培訓。先後服務於多家銀行、保險、證券、移動運營商、移動網際網路公司。小白學數據分析專欄作者，撰寫第一本《移動遊戲數據運營指標白皮書》和《移動套用數據指標白皮書》。
余敏雄，金山軟體公司西山居數據中心數據分析專家，從事遊戲數據挖掘和數據化運營分析多年，研究領域包括大型端游、頁游以及移動遊戲，擁有貫穿遊戲立項、研發、測試、正式運營和穩定運營整個遊戲生命周期各個階段的豐富經驗。主要關注統計分析與數據挖掘在遊戲行業的實踐套用，如遊戲用戶行為預測、推薦系統、反作弊、用戶研究、社交網路與交易網路分析等，是遊戲行業數據化運營的倡導者與踐行者，同時是中國統計網數據分析培訓師，在企業員工培訓中也擁有豐富經驗。
吳娜，曾服務於久游遊戲和中國移動集團等公司，現擔任電信集團網際網路數據挖掘工程師，因其豐富的市場運營和數據分析工作經驗，能準確有效定位業務問題和數據方法論，精通數理統計、常用程式語言、常用數據挖掘工具和Hadoop分散式平台，現於上海交通大學計算機系就讀研究生，研究方向網際網路金融。
師勝柱，就職於中國最大的安卓遊戲渠道360手機遊戲，擔任戰略分析師。曾擔任TalkingData高級諮詢顧問以及上海中軟國際Windows技術支持工程師。在TalkingData期間主攻遊戲數據分析、遊戲運營以及移動遊戲市場的分析工作。為多款遊戲撰寫深度評測分析、產品體驗最佳化報告以及專題數據分析報告等。學分析論壇，愛分析微信公眾賬號（i-analysis）以及移動數據分析部落格的創辦者。
余敏雄，金山軟體公司西山居數據中心數據分析專家，從事遊戲數據挖掘和數據化運營分析多年，研究領域包括大型端游、頁游以及移動遊戲，擁有貫穿遊戲立項、研發、測試、正式運營和穩定運營整個遊戲生命周期各個階段的豐富經驗。主要關注統計分析與數據挖掘在遊戲行業的實踐套用，如遊戲用戶行為預測、推薦系統、反作弊、用戶研究、社交網路與交易網路分析等，是遊戲行業數據化運營的倡導者與踐行者，同時是中國統計網數據分析培訓師，在企業員工培訓中也擁有豐富經驗。
吳娜，曾服務於久游遊戲和中國移動集團等公司，現擔任電信集團網際網路數據挖掘工程師，因其豐富的市場運營和數據分析工作經驗，能準確有效定位業務問題和數據方法論，精通數理統計、常用程式語言、常用數據挖掘工具和Hadoop分散式平台，現於上海交通大學計算機系就讀研究生，研究方向網際網路金融。
師勝柱，就職於中國最大的安卓遊戲渠道360手機遊戲，擔任戰略分析師。曾擔任TalkingData高級諮詢顧問以及上海中軟國際Windows技術支持工程師。在TalkingData期間主攻遊戲數據分析、遊戲運營以及移動遊戲市場的分析工作。為多款遊戲撰寫深度評測分析、產品體驗最佳化報告以及專題數據分析報告等。學分析論壇，愛分析微信公眾賬號（i-analysis）以及移動數據分析部落格的創辦者。
目錄：
序
前言
第1章 了解遊戲數據分析
1.1 遊戲數據分析的概念
1.2 遊戲數據分析的意義
1.3 遊戲數據分析的流程
1.3.1 方法論
1.3.2 數據加工
1.3.3 統計分析
1.3.4 提煉演繹
1.3.5 建議方案
1.4 遊戲數據分析師的定位
1.4.1 玩家-遊戲用戶
1.4.2 分析師
1.4.3 策劃-遊戲設計者
第2章 認識遊戲數據指標
2.1 數據運營
2.2 數據收集
2.2.1 遊戲運營數據
2.2.2 遊戲反饋數據
2.2.3 收集方式
2.3 方法論
2.3.1 AARRR模型
2.3.2 PRAPA模型
2.4 數據指標
2.4.1 用戶獲取
2.4.2 用戶活躍
2.4.3 用戶留存
2.4.4 遊戲收入
2.4.5 自傳播
第3章 遊戲數據報表製作
3.1 運營現狀
3.1.1 反饋指標
3.1.2 製作報表
3.2 趨勢判斷
3.2.1 關鍵要素
3.2.2 製作報表
3.3 衡量表現
3.3.1 關鍵數據
3.3.2 製作原則
3.4 產品問題
3.4.1 兩個問題
3.4.2 分析案例
3.5 一個問題、三個原則和圖表的意義
3.5.1 一個問題
3.5.2 三個原則
3.5.3 圖表的意義
第4章 基於統計學的基礎分析方法
4.1 度量數據
4.1.1 統計描述
4.1.2 分布形狀類型及機率套用
4.1.3 常用統計圖
4.1.4 機率抽樣、樣本量估計和實驗設計
4.2 分類數據分析
4.2.1 列聯表分析
4.2.2 無序資料分析
4.2.3 有序分類資料分析
4.2.4 分類數據分析案例
4.3 定量數據分析
4.3.1 假設檢驗與t檢驗
4.3.2 方差分析與協方差分析
4.4 時間序列數據分析
4.4.1 時間序列及分解
4.4.2 時間序列描述統計
4.4.3 時間序列特性的分析
4.4.4 指數平滑
4.5 相關分析
4.5.1 定量資料相關分析
4.5.2 分類資料相關分析
參考文獻
第5章用戶分析
5.1 兩個問題
5.2 分析維度
5.3 新增用戶分析
5.3.1 黑色一分鐘
5.3.2 激活的用戶
5.3.3 分析案例-註冊轉化率
5.4 活躍用戶解讀
5.4.1 DAU的定義
5.4.2 DAU分析思路
5.4.3 DAU基本分析
5.4.4 分析案例-箱線圖分析DAU
5.5 綜合分析
5.5.1 分析案例-DNU/DAU
5.5.2 使用時長分析
5.6 斷代分析
5.7 LTV
5.7.1 LTV的定義
5.7.2 LTV算法局限性
5.7.3 用戶平均生命周期算法
5.7.4 LTV使用
第6章留存分析
6.1 留存率的概念
6.1.1 留存率的計算
6.1.2 留存率的三個階段
6.1.3 留存率的三要素
6.2 留存率的分析
6.2.1 留存率的三個普適原則
6.2.2 留存率分析的作用
6.2.3 留存率分析操作
6.3 留存率最佳化思路
6.4 留存率擴展討論
第7章收入分析
7.1 收入分析的兩個角度
7.1.1 市場推廣角度
7.1.2 產品運營角度
7.2 巨觀收入分析
7.3 付費轉化率
7.3.1 付費轉化率的概念
7.3.2 APA和DAU對付費轉化率的影響
7.3.3 真假APA
7.3.4 付費轉化率的引申
7.3.5 付費轉化率的影響因素
7.4 ARPU
7.4.1 ARPDAU
7.4.2 DAU 與 ARPU
7.5 ARPPU
7.5.1 ARPPU的由來
7.5.2 平均惹的禍
7.5.3 首次付費與ARPPU
7.6 APA
7.6.1 APA分析
7.6.2 付費用戶的劃分
7.6.3 付費頻次與收入規模
7.6.4 付費頻次與付費間隔
7.7 分析案例-新增用戶付費分析
7.7.1 新增用戶留存
7.7.2 付費轉化率
7.7.3 留存用戶中付費用戶的收入
7.7.4 ARPU
7.7.5 新增用戶的收入計算
第8章渠道分析
8.1 渠道的定義
8.2 渠道的分類
8.3 渠道分析的意義
8.3.1 最佳渠道是運營之外使產品的利益最大化的方式
8.3.2 品牌的力量不容小覷
8.4 建立渠道數據分析體系
8.4.1 建立數據監控體系
8.4.2 渠道推廣分析的閉環
8.5 分析案例-遊戲渠道分析
第9章內容分析
9.1 行銷分析與推送
9.1.1 理解用戶
9.1.2 行銷方式-推送
9.2 流失預測模型
9.2.1 數據準備
9.2.2 數據建模
9.3購買支付分析
9.3.1場景分析
9.3.2輸入法的局限
9.3.3 批量購買的設計
9.3.4 轉化率
9.4版本運營分析
9.4.1把握用戶的期待
9.4.2地圖
9.4.3 武器
9.4.4新道具
9.4.5其他更新
9.5長尾理論實踐
9.5.1概念
9.5.2顧尾不顧頭
9.5.3長尾與二八法則
9.5.4尾部的挖掘
9.5.5案例-FPS遊戲的長尾策略
9.6活動運營分析
9.6.1理解活動運營
9.6.2活動數據分析
第10章R語言遊戲分析入門
10.1R語言概述
10.2新手上路
10.3R語言數據結構
10.3.1向量
10.3.2矩陣
10.3.3數組
10.3.4 數據框
10.3.5列表
10.4R語言數據處理
10.4.1類型轉換
10.4.2缺失值處理
10.4.3排序
10.4.4去重
10.4.5數據匹配
10.4.6分組統計
10.4.7數據變換
10.4.8創建重複序列rep
10.4.9創建等差序列seq
10.4.10隨機抽樣sample
10.4.11控制流
10.4.12創建函式
10.4.13字元串處理
10.5基礎分析之"數據探索"
10.5.1數據概況理解
10.5.2單指標分析
10.5.3雙變數分析
第11章R語言數據可視化與資料庫互動
11.1R語言數據可視化
11.2常用參數設定
11.2.1顏色
11.2.2點和線設定
11.2.3文本設定
11.3低級繪圖函式
11.3.1標題
11.3.2坐標軸
11.3.3格線線
11.3.4圖例
11.3.5點線和文字
11.3.6par函式
11.4高級繪圖函式
11.5R語言與資料庫互動
第12章R語言遊戲數據分析實踐
12.1玩家喜好對應分析
12.1.1對應分析的基本思想
12.1.2 玩家購買物品對應分析
12.1.3討論與總結
12.2玩家物品購買關聯分析
12.2.1算法介紹
12.2.2物品購買關聯分析
12.2.3討論與總結
12.3基於密度聚類判斷高密度遊戲行為
12.3.1案例背景
12.3.2DBSCAN算法基本原理
12.3.3數據探索
12.3.4數據處理
12.3.5模型過程
12.3.6多核並行提高效率
12.3.7討論與總結
12.4網路關係圖分析套用
12.4.1網路圖的基本概念
12.4.2創建網路關係圖
12.4.3畫網路關係圖
12.4.4網路關係分析與套用
12.4.5討論與總結
前言
第1章 了解遊戲數據分析
1.1 遊戲數據分析的概念
1.2 遊戲數據分析的意義
1.3 遊戲數據分析的流程
1.3.1 方法論
1.3.2 數據加工
1.3.3 統計分析
1.3.4 提煉演繹
1.3.5 建議方案
1.4 遊戲數據分析師的定位
1.4.1 玩家-遊戲用戶
1.4.2 分析師
1.4.3 策劃-遊戲設計者
第2章 認識遊戲數據指標
2.1 數據運營
2.2 數據收集
2.2.1 遊戲運營數據
2.2.2 遊戲反饋數據
2.2.3 收集方式
2.3 方法論
2.3.1 AARRR模型
2.3.2 PRAPA模型
2.4 數據指標
2.4.1 用戶獲取
2.4.2 用戶活躍
2.4.3 用戶留存
2.4.4 遊戲收入
2.4.5 自傳播
第3章 遊戲數據報表製作
3.1 運營現狀
3.1.1 反饋指標
3.1.2 製作報表
3.2 趨勢判斷
3.2.1 關鍵要素
3.2.2 製作報表
3.3 衡量表現
3.3.1 關鍵數據
3.3.2 製作原則
3.4 產品問題
3.4.1 兩個問題
3.4.2 分析案例
3.5 一個問題、三個原則和圖表的意義
3.5.1 一個問題
3.5.2 三個原則
3.5.3 圖表的意義
第4章 基於統計學的基礎分析方法
4.1 度量數據
4.1.1 統計描述
4.1.2 分布形狀類型及機率套用
4.1.3 常用統計圖
4.1.4 機率抽樣、樣本量估計和實驗設計
4.2 分類數據分析
4.2.1 列聯表分析
4.2.2 無序資料分析
4.2.3 有序分類資料分析
4.2.4 分類數據分析案例
4.3 定量數據分析
4.3.1 假設檢驗與t檢驗
4.3.2 方差分析與協方差分析
4.4 時間序列數據分析
4.4.1 時間序列及分解
4.4.2 時間序列描述統計
4.4.3 時間序列特性的分析
4.4.4 指數平滑
4.5 相關分析
4.5.1 定量資料相關分析
4.5.2 分類資料相關分析
參考文獻
第5章用戶分析
5.1 兩個問題
5.2 分析維度
5.3 新增用戶分析
5.3.1 黑色一分鐘
5.3.2 激活的用戶
5.3.3 分析案例-註冊轉化率
5.4 活躍用戶解讀
5.4.1 DAU的定義
5.4.2 DAU分析思路
5.4.3 DAU基本分析
5.4.4 分析案例-箱線圖分析DAU
5.5 綜合分析
5.5.1 分析案例-DNU/DAU
5.5.2 使用時長分析
5.6 斷代分析
5.7 LTV
5.7.1 LTV的定義
5.7.2 LTV算法局限性
5.7.3 用戶平均生命周期算法
5.7.4 LTV使用
第6章留存分析
6.1 留存率的概念
6.1.1 留存率的計算
6.1.2 留存率的三個階段
6.1.3 留存率的三要素
6.2 留存率的分析
6.2.1 留存率的三個普適原則
6.2.2 留存率分析的作用
6.2.3 留存率分析操作
6.3 留存率最佳化思路
6.4 留存率擴展討論
第7章收入分析
7.1 收入分析的兩個角度
7.1.1 市場推廣角度
7.1.2 產品運營角度
7.2 巨觀收入分析
7.3 付費轉化率
7.3.1 付費轉化率的概念
7.3.2 APA和DAU對付費轉化率的影響
7.3.3 真假APA
7.3.4 付費轉化率的引申
7.3.5 付費轉化率的影響因素
7.4 ARPU
7.4.1 ARPDAU
7.4.2 DAU 與 ARPU
7.5 ARPPU
7.5.1 ARPPU的由來
7.5.2 平均惹的禍
7.5.3 首次付費與ARPPU
7.6 APA
7.6.1 APA分析
7.6.2 付費用戶的劃分
7.6.3 付費頻次與收入規模
7.6.4 付費頻次與付費間隔
7.7 分析案例-新增用戶付費分析
7.7.1 新增用戶留存
7.7.2 付費轉化率
7.7.3 留存用戶中付費用戶的收入
7.7.4 ARPU
7.7.5 新增用戶的收入計算
第8章渠道分析
8.1 渠道的定義
8.2 渠道的分類
8.3 渠道分析的意義
8.3.1 最佳渠道是運營之外使產品的利益最大化的方式
8.3.2 品牌的力量不容小覷
8.4 建立渠道數據分析體系
8.4.1 建立數據監控體系
8.4.2 渠道推廣分析的閉環
8.5 分析案例-遊戲渠道分析
第9章內容分析
9.1 行銷分析與推送
9.1.1 理解用戶
9.1.2 行銷方式-推送
9.2 流失預測模型
9.2.1 數據準備
9.2.2 數據建模
9.3購買支付分析
9.3.1場景分析
9.3.2輸入法的局限
9.3.3 批量購買的設計
9.3.4 轉化率
9.4版本運營分析
9.4.1把握用戶的期待
9.4.2地圖
9.4.3 武器
9.4.4新道具
9.4.5其他更新
9.5長尾理論實踐
9.5.1概念
9.5.2顧尾不顧頭
9.5.3長尾與二八法則
9.5.4尾部的挖掘
9.5.5案例-FPS遊戲的長尾策略
9.6活動運營分析
9.6.1理解活動運營
9.6.2活動數據分析
第10章R語言遊戲分析入門
10.1R語言概述
10.2新手上路
10.3R語言數據結構
10.3.1向量
10.3.2矩陣
10.3.3數組
10.3.4 數據框
10.3.5列表
10.4R語言數據處理
10.4.1類型轉換
10.4.2缺失值處理
10.4.3排序
10.4.4去重
10.4.5數據匹配
10.4.6分組統計
10.4.7數據變換
10.4.8創建重複序列rep
10.4.9創建等差序列seq
10.4.10隨機抽樣sample
10.4.11控制流
10.4.12創建函式
10.4.13字元串處理
10.5基礎分析之"數據探索"
10.5.1數據概況理解
10.5.2單指標分析
10.5.3雙變數分析
第11章R語言數據可視化與資料庫互動
11.1R語言數據可視化
11.2常用參數設定
11.2.1顏色
11.2.2點和線設定
11.2.3文本設定
11.3低級繪圖函式
11.3.1標題
11.3.2坐標軸
11.3.3格線線
11.3.4圖例
11.3.5點線和文字
11.3.6par函式
11.4高級繪圖函式
11.5R語言與資料庫互動
第12章R語言遊戲數據分析實踐
12.1玩家喜好對應分析
12.1.1對應分析的基本思想
12.1.2 玩家購買物品對應分析
12.1.3討論與總結
12.2玩家物品購買關聯分析
12.2.1算法介紹
12.2.2物品購買關聯分析
12.2.3討論與總結
12.3基於密度聚類判斷高密度遊戲行為
12.3.1案例背景
12.3.2DBSCAN算法基本原理
12.3.3數據探索
12.3.4數據處理
12.3.5模型過程
12.3.6多核並行提高效率
12.3.7討論與總結
12.4網路關係圖分析套用
12.4.1網路圖的基本概念
12.4.2創建網路關係圖
12.4.3畫網路關係圖
12.4.4網路關係分析與套用
12.4.5討論與總結
