视频、手机以及社交游戏货币化的大数据分析

了解并影响可盈利的消费行为

随着传统游戏范围的扩大以至包括新类型的游戏、平台以及玩家，游戏行业正在经历着巨大的变化。游戏开发商和品牌有机会应用这些大数据分析技术来捕获各种各样的行为和多结构游戏，以及玩家数据。您可以将该数据存储在 noSQL 数据库中，并将其与关系事务型数据库集成以通过深入且更多可行的洞察来获得激烈的竞争优势。

游戏行业的变化和趋势

游戏行业正在进行着一场革命。全球游戏行业的规模参差不齐。根据 RW Baird 的行业分析师 Colin Sebastian 所说，视频游戏在 2011 年产生了 600 亿美元的收入，预计到 2014 年会达到 800 亿美元。尽管不同游戏类型的确切规划和预计的发展模式因来源而异，但某些来源却预示着视频游戏行业十年的预期大众媒体渠道（参见 参考资料）。今年 (2012)，计算机游戏预计达到 200 亿美元，社交游戏预计达到 20 亿美元。尽管这些数字表明当前市场的最大份额属于视频游戏行业，但是在偏好转变和玩家统计方面正在发生着重要的改变，预计会导致在普及核心视频游戏方面稍有下降，而在控制台多样性方面则会快速下降。

社交游戏现在通过社交平台（如 Facebook）实现了自身的一部分价值，并且可以在各种移动平台（如 Android 和 iOS）上播放。这些游戏不同于传统的视频和大型多人在线 (MMO) 游戏。传统的硬核玩家主要是年龄在 18 到 34 岁之间的男性，他们使用现金和信用卡购买盒装控制台和计算机游戏，并且在单独或者有限的交互式环境中玩游戏。手机游戏的快速采用表示了游戏领域的根本性改变，这扩大了游戏玩家玩游戏的对象、方式以及原因。社交游戏玩家通常 54% 都为女性，她们使用手机支付和 PayPal 进行购买，并且跨越平台和设备玩游戏（参见 参考资料）。各种设备之间的游戏收入模式正在发生根本性的转变。Newzoo 进行的最新调查表明，iOS 游戏在 Android 和其他平台上产生的游戏内收入占 85%。

行业分析表明，预计在控制台游戏以及相关的硬件和设备销售方面会有所下降，而基于 Web 的游戏会变为将来的游戏平台。这种趋势将与在计算机上播放的视频游戏的不断发展以及手机游戏的迅速增长齐头并进，据 ABI Research 表明，后者的收入到 2016 年预计将达到 160 亿美元。这对于分析提供商来说意味着有很大的商机。

游戏分析

尽管全球游戏行业的规模现在大于音乐行业，并且能够与电影行业的规模相提并论，但游戏开发商才刚刚开始采用高级分析功能支持游戏开发、产品设计、有针对性的营销工作和数据驱动的游戏内货币化的优化。相对应的游戏分析行业的发展仍然远远不足。社交和手机游戏的利基分析供应商的名单不断扩大，具有代表性的供应商有 Kontagent、Flurry、Mixpanel、Totango、Claritics 和 Google Analytics。极少数的供应商专注于计算机和 MMO 游戏，似乎没有一个分析提供商专注于提供跨游戏平台分析。

这些现成的产品中有很多产品足以为社交游戏提供预期的度量标准列表，包括：

游戏数据分析需要掌握的核心数据和算法公式详解

日活跃用户 (DAU)

月活跃用户 (MAU)

DAU/MAU 组合比

参与度，度量玩游戏所花费的时间

K 因子，是随着核心玩家和休闲型玩家基数的增长，病毒游戏发展的感染率

每用户平均收益 (ARPU)

生命周期价值 (LTV)，根据游戏内购买和其他与货币化有关的行为、玩家对病毒式传播以及网络游戏传播的影响来捕获玩家对于游戏的价值。

游戏货币化

传统上，视频游戏和社交游戏有明显不同的商业模式。现在，在游戏类型之间汇集了多种业务货币化的方法。过去，视频游戏依赖于一个基于订阅的模式，该模式需要游戏玩家提前支付游戏的购买并订阅之后的月租费。这种商业模式正在被具有免费测试模式（紧接着，社交游戏通常会提供新兴的 Freemium 模式）的一些游戏所取代。目前，移动和社交这两个术语经常互换使用，但是，随着游戏分销模式的发展，它们可能会成为不同的游戏类型。它们将扩大游戏的访问并且大大增加相应的潜在玩家领域。尽管目前某些游戏只能在某些网站（如 Facebook）、单一平台（如计算机或 Xbox）或者特定设备（如 iPhone 或 iPad）上使用，但是最终会采用与网站和设备无关的方式跨多个平台发布很多游戏名称。

社交游戏和手机游戏采用几种方式赚钱（货币化），但相关的业务和货币化模式正在发生着巨大变化。某些游戏（如基于 iOS 的 W.E.L.D.E.R. 文字游戏）收取初始订阅费，但最终可能会变为 Freemium 模式。其他游戏（如 Facebook 上的游戏）则依赖于虚拟商品的销售。例如，诸如 Zynga 的 CityVille 之类的游戏正是如此，玩家使用实际的货币或 Facebook 积分来购买游戏内的虚拟商品，以帮助他们更好地执行、获得优势、获得高级访问权限以及快速升至较高级别（升级）。第三种流行的游戏货币化的方式是游戏内置广告。很多公司（如 TapJoy）都提供游戏内置横幅广告、视频产品以及整页的插播式广告。越来越多的公司开始提供旨在提升新游戏知名度以及货币化优化的混合模式。随着游戏和相关的商业化模式的发展，用于确定玩家分段、玩家玩游戏的方式的基础分析的相关性、单击游戏内置广告或以现金购买虚拟商品的倾向性成倍增加。目前，供应商提供标准指标，并且某些供应商（如 Flurry 和 Kiip）提供虚拟商品或推荐广告优化引擎。尽管游戏分析行业正在大踏步向前发展，但仍可以说是处于起步阶段。实际未开发的社交数据的存储保留在玩家 ID 级别，这是因为这些社交数据作为可与细分相关联的潜在预测因素而存在，并倾向于可以驱动基于价值的游戏开发、本地化、有针对性的游戏内置产品和广告的购买模式。该社交数据还可以衡量用户净推荐值是否成功、确定玩家传播者，并跟踪游戏内置产品的赎回。

除了上面详述的主流游戏货币化方法之外，值得一提的是另一个主要的营销趋势正在形成，而且还与高级游戏分析重点有关。游戏化 是 2012 年企业最热门的趋势之一，内容涉及使用游戏机制和设计来激发人们的积极性以及驱动特定行为（参见 参考资料）。在消费者行为方面，游戏化涉及引入游戏元素（如排行榜，徽章，奖杯，点数，虚拟货币和积分等）来获取所需的行为。其中一个示例是，Bunchball 和 IBM® 已经联手推出游戏化来推动用户采用率和参与 IBM Connections 环境。医疗保健公司（例如 UnitedHealth Group）已经集成了游戏化和视频游戏策略，以促进健康和健康行为的自我管理。预计到 2016 年，游戏化将获得 20 亿美元的直接消费收入。由于这些项目得到普及以及更广泛的实现，因此将需要游戏分析解决方案度量游戏化项目对客户参与度和忠诚度的影响。

所有这些预期发展都围绕视频、社交以及手机游戏，并且越来越多的企业采用游戏化，人们可能会期望相关的游戏和游戏化分析解决方案更加成熟。灵活的与游戏和玩家有关的分析存在一个较大的障碍，这个障碍已经阻碍了这一领域的快速进步。如此大规模的玩游戏、升级、技能成就、游戏内购买以及各个玩家级别的外围游戏数据对传统数据库结构提出了挑战。没有构建传统的关系型数据库管理系统 (RDBMS) 来管理、存储和处理现代 MMO 和手机游戏或社交游戏所生成的 PB 级数据。新的大数据解决方案基于 NoSQL 技术，且更适合管理快速变化的数据量、来源和结构化、半结构化、非结构化数据的格式，以及将数据集过滤到某个可管理的水平，作为动态分析解决方案的输入。

数据库方面的技术进步

自从 20 世纪 70 年代出现关系型数据库以来，关系型数据库已经得到广泛使用。尽管这段时间内在线应用程序的用户群以及在线和移动系统所生成的数据出现了爆炸式增长，但并未引入更适合在此类大规模基础上管理数据的新解决方案，直到最近使用范围变得更加广泛，才引入了很多扩展传统系统容量的方法。

分片 是跨各种服务器进行数据分区，这需要了解数据的服务器位置并且不能连接各个碎片。必须保留每个服务器的模式。

另一种方法是非规范化，该方法涉及对冗余数据进行分组和索引，且通常会导致延迟以及保持关系型数据库系统的并发性问题。

分布式缓存 将最近的数据缓存在内存中，当需要数据时该方法非常有用。应用程序（Web、游戏、社交网络、搜索引擎等）首先检查分布式缓存系统（如 Memcached）是否存在所需的数据，而不是回到关系型数据库。

新的 NoSQL 技术避免了关系型数据库的常见缺陷，但需要采用上一段中所描述的范围扩展方法。这些方法不需要模式或连接，而且也不是关系型数据库。这些数据库可以处理结构化、半结构化以及非结构化数据。可以随时向存储中添加其他数据，不管数据格式如何，都可以立即用于分析。这些数据库可以轻松处理分层嵌套的数据结构，并且随着数据的扩展和收缩，可以在服务器之间有弹性地自动散布数据，而不会影响性能。

有很多种 NoSQL 数据库类型，包括文档存储、列存储、键值存储、XML 数据库以及图形数据库。正在使用的 NoSQL 数据库超过 122 种，而且这个数字还在继续扩大。有几个流行的开源 NoSQL 选项，包括列存储（如 Apache CouchDB 和 MongoDB）和宽列存储（如 Apache Cassandra、Apache Hadoop 和 HBase）。在系统（如 Hadoop 的 MapReduce 范式）之上也有开源分析工具。Apache Mahout 是一个计算机学习引擎，该引擎提供分类、集群以及协作筛选。已集成开源 R，因此现在可以直接在 Hadoop 节点中运行大量并行统计进程。此外，还流行将 Hadoop 与其他开源工具集成的商用 NoSQL 选项，通过分析、文本挖掘、应用程序内处理、Map-reduce 功能以及图形选项大大扩展了这些功能。这方面的一个示例就是最近发布的 IBM InfoSphere BigInsights，该产品构建于 Apache Hadoop 平台之上，并且提供基本的免费版本和功能更强大的企业版本。

视频游戏分析示例

现在，让我们看两个实际的游戏分析应用程序。想像一个大型 MMO 视频游戏。该游戏类型包括 Powerhouse 游戏（如史上最赚钱的视频游戏《魔兽世界》）以及最近发布的《星球大战：旧共和国》。视频游戏订阅模式分为以下几类：

付费游戏，玩家必须按月支付订阅费用。

免费游戏，通常涉及前期软件成本，但没有其他费用。

Freemium，允许玩家免费访问游戏内容以及免费玩游戏，但可以通过提供额外的内容和访问权限来收取费用。

在这个类型中，最大的游戏使用付费游戏订阅模式。随着手机游戏和社交游戏的发展，游戏工作室现在正面临着激烈的竞争。因此，尽管现在较大的游戏使用订阅模式，但最终仍可能会转向 Freemium 模式。

对于付费游戏，游戏分析侧重于了解谁是最有价值的玩家、他们如何玩游戏、他们是否传播该游戏且是否影响其他人玩游戏，以及游戏玩家的个性和动机如何。在此类模式中，倾向建模的一个重要应用就是确定最有可能进行以下操作之一的玩家：

继续订阅

订阅暂停之后返回玩游戏

鼓励新玩家订阅

成为熟练且和有说服力的公会领袖

数据元素包括：传统的游戏时间仪表盘关键绩效指标 (KPI)、完成级别的时间、独立与互动行为、头像选择、互动式指标、头像性别、游戏策略行为变量、与游戏相关的推文、社交网络活动、语言等。

微分段应用涉及细分玩家群以了解不同玩家的喜好和行为，从而引导有针对性的游戏设计、反映区域玩家喜好的本地化，并且呼吁有针对性的扩展包和额外的内容设计。细分某个玩家群并指定玩家实时倾向得分后，产品、设计和营销便具有详细的个人玩家情报，以指导策略和后端度量。这种处理游戏玩家的方法与致力于应用高级分析进行玩家保留、流失和市场营销应对工作的传统客户视图没什么两样。在此通道的主要区别是新型数据、巨大的数据量以及生成数据的速度。视频游戏行业从中受益，因为它们开始利用将传统关系型数据库（如 Netezza）与 Hadoop 和其他 NoSQL 数据存储组合的效率并应用数据挖掘工具（如 R 或 InfoSphere BigInsights），这些工具可有效地管理内存不足的数据处理和分析。

手机游戏和社交游戏分析示例

手机游戏和社交游戏开发人员很早就采用了大数据技术、云计算解决方案以及关联的数据挖掘应用程序。例如，Zynga 就是业内知名的基于一流玩家分析来进行可行用户分析的策略。通过玩家分析，社交游戏工作室可以实时了解用户为什么放弃游戏，并确定其他玩家离开游戏的风险，从而使工作室能够在这些玩家退出之前开发玩家保留策略。同样的分析应用可优化广告产生的互动和游戏中的虚拟物品的销售。

如果游戏开发人员能够确定在玩家群之间传播的病毒用户，那么他们可以通过奖励在社交媒体网站上进行扩展服务，从而确保所需行为的延续。对移动设置进行分析可确定在购买虚拟物品倾向性方面、传播游戏方面或产生广告收入方面价值最高的玩家。所有游戏类型的另一个主要问题是游戏欺诈，而分析可揭露欺诈玩家的行为，从而进行删除。手机游戏和社交游戏利用分析来了解最适合的内容和活动，通常结合嵌入的 A/B 内容测试和改进。基于与设备、平台、载体、地理位置、人口统计有关的变量的玩家细分可实现更有效的游戏内、非游戏品牌以及针对合作伙伴的实时产品。

结束语

游戏行业和技术正在以迅猛的速度发展。这两个行业的技术进步为游戏开发商和媒体工作室提供了令人兴奋的机会，他们运用高级分析进一步改进设计并优化游戏货币化。如果通过新的州立法将网上赌博合法化，那么将会出现关于高级分析和微分段的新焦点，即根据赌博模式来驱动玩家货币化。所有游戏类型之间抗击此内容的游戏欺诈和分析将继续加强。随着越来越多的用户被吸引到智能手机和平板电脑，更多的游戏商业模式将移动到 Freemium 模式，并会出现需要倾向建模和细分以便实现更有针对性的新玩家货币化模式。游戏化将继续扩展，对与这些计划有关的度量需求也将继续增加。未来十年间，将有望孕育专门的游戏分析解决方案以及侧重于利用大数据技术来揭示玩家和消费行为洞察的分析师。

作者：Kimberly Chulis, CEO 兼联合创始人, Core Analytics, LLC