游戏数据分析（数据分析改变游戏）

十年前，数据分析对于游戏公司来说可有可无，但如今却已经成为某些巨型工作室的增长动力。所有大公司和很多规模较小的公司，都会雇佣数据科学家从游戏中提取信息，分析和量化数据，并提出能够为产品带来帮助的改进建议——包括提高收入、提升玩家留存率、吸引更多用户下载或刺激购买游戏内购等等。不过我们对这门学科仍处在初等阶段，数据分析究竟有哪些价值？未来将如何影响游戏开发商、发行商甚至玩家？

安德斯·德拉根（Anders Drachen）是丹麦奥尔堡大学的一位副教授，曾在Game Analytics担任首席分析师。“在信息科学、市场营销和数据分析等领域，（用户）行为分析已经有相当长一段历史。”德拉根说道，“如今我们将计算机科学、信息科学领域的很多做法运用于游戏领域。但我们不能全盘照搬，因为游戏不是生产力软件或者一家网站，游戏更注重用户体验。”

“因此在对游戏用户行为进行分析和预测时，我们做了很多尝试，摸着石头过河。游戏行业这样做已经有大约5～6年时间了，一直都在寻找最正确的做法。”德拉根说。

《糖果传奇》开发商King是精通数据分析的游戏公司之一，其首席科学家文斯·达利（Vince Darley）认为，随着游戏数据科学进步，游戏品质也将在未来变得越来越好。

“我们注意到在移动游戏市场，游戏从极其简单逐渐变得复杂，玩家在里面有更多事情可做。”达利解释道，“我认为在未来，我们需要更多地理解游戏内的复杂世界，从而弄清楚玩家喜欢哪些内容，不喜欢那些内容。”

King首席科学家文斯·达利（Vince Darley）

“从某种意义上讲，这是一个正向循环——你掌握到的信息越丰富，就越容易了解玩家的需求，并针对这些需求创作产品。那些简单的游戏你是无法搜集很多数据的，只能看到玩家是否打开过游戏、是否通关，就只有这些了，很难真正了解玩家。”

达利认为了解玩家需求是数据分析的一部分。这意味着虽然数据分析的自动化程度越来越高，但为了正确解读数据，分析人员必须参与其中。“某些行业（数据分析）已经相当自动化了，但在游戏行业还不具备可行性。你的标准工具是非自动化的，虽然市场上很多公司能够提供一定程度的自动化服务，比如Game Analytics、Delta DNA、Flurry和Swrve等。这些公司确实能让你更快地与数据互动，并根据数据反馈调整游戏内容。但在游戏行业，绝大多数公司在分析数据时还是非常周到细致，有专门的人员对数据进行解读，从而帮助公司做出正确的决定。当然，这也说明游戏数据分析自动化仍有上升空间。”

Alessandro Scoccia Pappagallo是谷歌的一位产品质量分析师，此前曾在日本游戏公司SQUARE ENIX担任数据分析师。在他看来，游戏公司除了“雇佣更多数据科学家和使用更多工具”之外，还应让员工学习有关数据分析的技能。

Pappagallo说道：“最优秀的市场营销者，是那些熟练掌握数据的人士。我认识很多对数据有着深刻理解的营销人员。我们不能再将销售和市场部门的同事看成完全不了解产品的白痴了，相反，我们更应当审视自己——我们对市场营销、销售了解多少？举个例子，如果我对销售一无所知，那么当同事跟我谈论销售时，我将无法理解。这不是因为我笨，而是因为我不了解销售方面的知识。从这个角度来讲，我觉得游戏公司的研发人员和HR部门之间应当有更多沟通，HR部门的作用不仅仅是招聘和解雇员工，还应帮助员工提升职业生涯。我认为游戏研发人员学习数据分析方面的知识十分重要。”

“每名员工在加入公司时，甚至当他们在公司工作多年后，HR都应当询问他们希望提升哪些技能、为什么，以及打算如何提升。否则大家只能周而复始做同一件事情，那就太糟了。无论你从事哪一行工作，始终得给自己一点挑战。”

德拉根曾参与研发一套自动化、支持比赛回放分析的工具，据他介绍，后者能够帮助《Dota 2》职业选手在训练时提升水平。“这套工具可以分析比赛中的每一个重要节点，然后预测比赛双方的胜率。其预测准确率达到了大约80%。”德拉根解释道。

“我们的研究前后持续了大约两年，目的是为电竞选手和休闲玩家的训练提供帮助。我们之所以投入电竞（赛事）数据分析，是因为我们希望看看能够利用电竞的海量数据做些什么。玩家热爱数据，我们有专业的数据统计人员，所有职业战队都至少拥有一名分析师。与只搜集少部分赛事数据的足球运动不同，对于数字游戏，我们可以搜集到每一场比赛的数据。为了更全面、更深入地了解自己的比赛表现，提升竞技水平，职业选手需要像这样的一套系统。”德拉根说，“目前我们正在寻求投资，希望将这套系统打造成一款更易于使用的产品。”

在很长一段时间内，AI智能在数据分析领域还无法替代人类

还一个问题是，随着人工智能技术的持续进步，数据科学家未来会不会被AI取代？在被问到这个问题时，达利笑了：“还有很长一段路要走。有深度学习能力的AI确实让人印象深刻，但它只擅长解决成熟领域的复杂问题，例如下围棋或者识别图形。但我们的工作是解读——这不是一个有明确定义的问题。所以我相信在未来相当长时间里，人类仍将是（数据分析的）中流砥柱。”

德拉根认同达利的观点：“未来会不会出现足够聪明的AI，完全替代人类？我不清楚。我不是这个领域的专家。但至少在可预见的未来，在数据分析流程的每一个环节，你都需要有人参与其中。很关键的一点是，用户体验是游戏数据分析的核心，作为人类我们才理解用户体验。但未来会不会出现能够理解用户体验的AI？这就得看谷歌和Facebook能做些什么了。”

本文编译自：gamesindustry.biz