游戏分析：开始使用分析工具
安德斯·德拉亨（Anders Drachen），Game Analytics 的首席作者，决定探讨一下游戏行业中的分析究竟是什么。他提出了构建这样信息工作的一系列 12 个步骤。具体哪些步骤？请阅读本文。
分析是一种强大的工具，必要时能够帮助在游戏开发过程中做出战略和战术层面的知情决策。它将有助于回答关于设计、吸引力、用户参与、游戏过程、货币化等关键问题。然而，分析在游戏开发中仍然是一个相对较新的过程，非专业人士可能会发现难以找到有用的信息。
在过去几年中，分析成为游戏开发领域广泛讨论的话题，当然并不限于免费游戏项目。然而，这一过程的相对新颖性限制了非专业人士可获取的知识范围，而可获得的信息则极其不结构化。通过简单地搜索不同的术语，人们可能会找到大量关于分析的信息，因为它在许多行业中都有应用，这点并不太有帮助。
如果排除与医疗、股票交易或网络商店客户分析等相关的信息，并将重点放在游戏领域，就能发现许多博客文章、若干优质的 Gamasutra 和 Game Developer Magazine 文章、来自游戏开发者大会（Game Developers Conference）和 Casual Connect 等行业活动的演示，以及学术论文、官方文档和来自 Game Analytics 等各种第三方分析来源的信息。
这些资源又充满了大量的缩略语（如 DAU、MAU、ARRPU、LTV 等），这些缩略语的含义可能会因上下文而异。此外，还非常关注与货币化相关的分析，即分析玩家行为以最大化收入的过程，以及与免费游戏/在线游戏相关的分析。然而，互联网上关于如何利用分析来帮助改进设计以提高用户乐趣和参与感的信息则要少得多。换句话说，知识是碎片化的，并未涵盖许多对于刚开始在游戏中使用分析的人来说至关重要的领域。
本文的目的是试图对非专业人士在使用分析时的相关知识进行对比，无论是游戏类型还是平台。这篇材料并未涵盖游戏开发者在创建成熟的商业分析方法上所需了解的所有内容，然而它提供了一条可能的路径。
开始工作：12 个步骤
有许多良好的方式可以开始使用分析。我们将在此讨论的模型基于商业分析中几乎普遍使用的标准信息查询模型，并已针对非专业的游戏分析人员进行调整和引导，以实现分析实践并取得成果。因此，本文假设读者对分析没有任何预先知识。
和所有值得做的事情一样，需要花一些时间来学习如何正确使用游戏分析。那么，一切就按步骤进行：
- 基础知识：首先需要理解分析是什么，它在游戏开发和管理中扮演的角色。分析是比货币化等工具更为广泛的工具。分析是为整个公司服务的，而不仅仅是针对特定游戏的工具。
- 关键术语：在第二阶段，需要熟悉游戏分析的关键术语及其含义。由于游戏中使用分析的全新性，术语的使用存在一些差异。没有对关键术语的理解，找到所需的信息会变得困难得多。
- 阅读：在这一阶段，应该寻找可在互联网上获得的关键材料。尽管这可能看起来有些奇怪，但在考虑如何在自己的游戏中做出改变前，研究他人获得的经验是非常重要的。
- 过程：必须学习分析的过程，从问题提出之际到得出答案并对游戏设计或公司流程进行变更。影响分析过程的一些关键因素包括利益相关者的特定需求。
- 目标：在了解游戏分析是什么，并对其在游戏行业中的应用有一定认识后，需要明确您需要分析的目的。分析领域很广泛，可以在战略和战术层面上应用。意识到各类可能性并设定目标本身就是一种成就，但在实施和测试的初始阶段，这些目标应严格与核心任务对齐。这个过程需要一种渐进的原型设计策略，其间分析将在迭代中持续改进，且初期投资的必要性将减少。设定目标可能是一个极具挑战性的任务，尤其在设计的初期阶段，因此渐进式开发有助于在学习过程中获得所需的经验，这对初学者特别有用。
- 规划：设定了目标后，需要制定实现这些目标的策略。在实践层面，这一过程涉及到确定需要收集哪些数据以达到目标，然后如何获取和分析这些数据以取得特定结果，以及如何将结果可视化并呈现给利益相关者。这个步骤包括几个流程，每个流程都涵盖了考虑、选择、计划信息层次结构、分析利益相关者的要求以及可视化等。可能看起来在开始数据收集之前需要花费很多时间进行规划，但事实并非如此：规划的复杂性与目标的复杂性呈正比。如果您只想知道有多少玩家在您的游戏中竞争，那么规划将相对简单。如果您希望获得进行 3D 活动地图、通过聚类分析对玩家进行剖析或跟踪数百或数千种行为模式的能力，则信息查询过程将更为复杂，而规划也会花费较多时间。如前所述，采用渐进的原型设计策略 - 从小规模开始，逐渐提升 - 是所有非专业人士或在处理不熟悉类型游戏时的建议。
- 信息收集：在设定清晰的分析目标后，是时候收集数据了。有许多方法可以做到这一点，包括开发内置系统、使用第三方工具等。假设已经实施了某种数据收集系统。
- 分析：是时候分析收集到的数据了。同样，有很多处理这一任务的方法。通常简单的统计方法，如计算平均值或总和，能够提供所需的所有信息，而在其他情况下，可能需要借助多维统计或机器学习方法。
- 可视化：在分析之后，数据需要以通俗易懂的方式进行可视化。如果分析师也是这部分受众，这一过程就相对简单，因为所有数字对他们来说都是熟悉的。但是，不同职业的人往往用不同的方式思考。例如，尽管分析师得到一张数据表会很高兴，但设计师可能需要以视觉方式表现这些数据。在行业中，一个为人所熟知的可视化示例是热度图，它直观地反映了例如虚拟环境中角色的死亡情况。
- 报告：现在是时候将成果展示给团队、管理层、市场同事、用户研究员、测试人员等。
- 实施：在取得令人满意的结果后，可以制定建议，以更改游戏设计、工作流程或其他方面。这项工作很少交给分析师 - 他们汇报结果，但决策则是各个领域专家的特权。例如，如果发现玩家较难通过某个Boss，因为他们没有发现隐藏的火箭发射器，分析师通常会呈现这个结果，但留给设计师自行决策，如何能让这个火箭发射器更加显眼。众所周知，微软工作室的研究着重于创建成功而紧密的团队协作，涉及用户研究、测试、数据分析和设计。
- 成熟度：完成了第一个规划、数据收集和分析周期后，可以进一步迈出一步 - 也许值得追踪更多数据，使用更复杂的分析方法，进行互动数据可视化实验，阅读其他行业的分析情况，看看是否有对您的具体情况有用的想法等。无限的机会等待着您。
安德斯在他的 Game Analytics 博客中详细探讨了这些每一个步骤。我们将在未来发布这些内容。
编者注：原文由安德斯·德拉亨（Anders Drachen）撰写，他是 Game Analytics 的首席游戏分析师。他是关于游戏分析、游戏数据收集、用户研究等方面最受欢迎的专家之一。
