游戏数据分析的艺术 PDF 高清完整版

《游戏数据分析的艺术》是中国游戏产业的开创性著作，具有里程碑意义，它首次系统讲解了如何对游戏行业的数据进行分析，在行业里竖起了一根标杆。作者是来自TalkingData等国内顶尖的数据分析机构和西山居这样的知名游戏公司的资深数据分析专家， 对游戏数据从不同的业务角度进行了诠释。本书详细剖析了游戏数据分析相关的指标、方法论、内容挖掘、数据挖掘、软件使用、游戏设计、运营策划、渠道推广、收入解读、用户分析和留存分析等。对于产品设计、开发、运营、推广以及游戏行业的人才培养都将带来巨大的推进作用。

《游戏数据分析的艺术》一共12章：

第1章从宏观上介绍了游戏数据分析的重要意义、方法论、流程，以及游戏数据分析师的定位；

第2章详细解读了游戏数据分析的各项数据指标，部分指标在游戏行业里都属于首次提出，为行业建立了规范；

第3章详细讲解和示范了各种游戏数据报表的制作方法；

第4章讲解了基于统计学的数据分析方法以及它在游戏数据分析中的应用；

第5~9章详细地、全方位地讲解了游戏的用户数据分析、运营数据分析、收入数据分析、渠道数据分析、内容数据分析，不仅有方法论和技巧，而且有大量的实际案例，这部分内容是本书的核心；

第10~12章讲解了R语言的核心技术以及如何利用R语言对游戏数据进行分析，同时也附有大量案例。

目录

• 序
• 前言
• 第1章　了解游戏数据分析1
• 1.1　游戏数据分析的概念1
• 1.2　游戏数据分析的意义2
• 1.3　游戏数据分析的流程4
• 1.3.1　方法论5
• 1.3.2　数据加工6
• 1.3.3　统计分析9
• 1.3.4　提炼演绎9
• 1.3.5　建议方案12
• 1.4　游戏数据分析师的定位13
• 1.4.1　玩家—游戏用户14
• 1.4.2　分析师17
• 1.4.3　策划—游戏设计者22
• 第2章　认识游戏数据指标24
• 2.1　数据运营24
• 2.2　数据收集25
• 2.2.1　游戏运营数据25
• 2.2.2　游戏反馈数据26
• 2.2.3　收集方式26
• 2.3　方法论27
• 2.3.1　AARRR模型28
• 2.3.2　PRAPA模型38
• 2.4　数据指标39
• 2.4.1　用户获取40
• 2.4.2　用户活跃41
• 2.4.3　用户留存43
• 2.4.4　游戏收入44
• 2.4.5　自传播47
• 第3章　游戏数据报表制作48
• 3.1　运营现状49
• 3.1.1　反馈指标49
• 3.1.2　制作报表50
• 3.2　趋势判断52
• 3.2.1　关键要素52
• 3.2.2　制作报表53
• 3.3　衡量表现56
• 3.3.1　关键数据56
• 3.3.2　制作原则57
• 3.4　产品问题58
• 3.4.1　两个问题59
• 3.4.2　分析案例60
• 3.5　一个问题、三个原则和图表的意义62
• 3.5.1　一个问题62
• 3.5.2　三个原则62
• 3.5.3　图表的意义64
• 第4章　基于统计学的基础分析方法65
• 4.1　度量数据66
• 4.1.1　统计描述66
• 4.1.2　分布形状类型及概率应用70
• 4.1.3　常用统计图73
• 4.1.4　概率抽样、样本量估计和实验设计80
• 4.2　分类数据分析95
• 4.2.1　列联表分析95
• 4.2.2　无序资料分析96
• 4.2.3　有序分类资料分析98
• 4.2.4　分类数据分析案例100
• 4.3　定量数据分析101
• 4.3.1　假设检验与t检验101
• 4.3.2　方差分析与协方差分析104
• 4.4　时间序列数据分析112
• 4.4.1　时间序列及分解112
• 4.4.2　时间序列描述统计115
• 4.4.3　时间序列特性的分析116
• 4.4.4　指数平滑121
• 4.5　相关分析124
• 4.5.1　定量资料相关分析125
• 4.5.2　分类资料相关分析126
• 参考文献129
• 第5章用户分析130
• 5.1　两个问题130
• 5.2　分析维度131
• 5.3　新增用户分析135
• 5.3.1　黑色一分钟135
• 5.3.2　激活的用户138
• 5.3.3　分析案例—注册转化率140
• 5.4　活跃用户解读141
• 5.4.1　DAU的定义142
• 5.4.2　DAU分析思路143
• 5.4.3　DAU基本分析144
• 5.4.4　分析案例—箱线图分析DAU146
• 5.5　综合分析151
• 5.5.1　分析案例—DNU/DAU151
• 5.5.2　使用时长分析157
• 5.6　断代分析161
• 5.7　LTV162
• 5.7.1　LTV的定义162
• 5.7.2　LTV算法局限性163
• 5.7.3　用户平均生命周期算法166
• 5.7.4　LTV使用167
• 第6章留存分析169
• 6.1　留存率的概念170
• 6.1.1　留存率的计算170
• 6.1.2　留存率的三个阶段173
• 6.1.3　留存率的三要素175
• 6.2　留存率的分析181
• 6.2.1　留存率的三个普适原则181
• 6.2.2　留存率分析的作用184
• 6.2.3　留存率分析操作190
• 6.3　留存率优化思路202
• 6.4　留存率扩展讨论203
• 第7章收入分析205
• 7.1　收入分析的两个角度206
• 7.1.1　市场推广角度206
• 7.1.2　产品运营角度207
• 7.2　宏观收入分析208
• 7.3　付费转化率210
• 7.3.1　付费转化率的概念212
• 7.3.2　APA和DAU对付费转化率的影响213
• 7.3.3　真假APA214
• 7.3.4　付费转化率的引申215
• 7.3.5　付费转化率的影响因素217
• 7.4　ARPU219
• 7.4.1　ARPDAU220
• 7.4.2　DAU 与 ARPU221
• 7.5　ARPPU222
• 7.5.1　ARPPU的由来222
• 7.5.2　平均惹的祸223
• 7.5.3　首次付费与ARPPU224
• 7.6　APA225
• 7.6.1　APA分析226
• 7.6.2　付费用户的划分226
• 7.6.3　付费频次与收入规模231
• 7.6.4　付费频次与付费间隔232
• 7.7　分析案例—新增用户付费分析235
• 7.7.1　新增用户留存235
• 7.7.2　付费转化率236
• 7.7.3　留存用户中付费用户的收入237
• 7.7.4　ARPU239
• 7.7.5　新增用户的收入计算241
• 第8章渠道分析244
• 8.1　渠道的定义244
• 8.2　渠道的分类245
• 8.3　渠道分析的意义245
• 8.3.1　最佳渠道是运营之外使产品的利益最大化的方式245
• 8.3.2　品牌的力量不容小觑246
• 8.4　建立渠道数据分析体系247
• 8.4.1　建立数据监控体系247
• 8.4.2　渠道推广分析的闭环254
• 8.5　分析案例—游戏渠道分析256
• 第9章内容分析259
• 9.1　营销分析与推送259
• 9.1.1　理解用户259
• 9.1.2　营销方式—推送261
• 9.2　流失预测模型263
• 9.2.1　数据准备263
• 9.2.2　数据建模264
• 9.3购买支付分析272
• 9.3.1场景分析272
• 9.3.2输入法的局限273
• 9.3.3　批量购买的设计275
• 9.3.4　转化率276
• 9.4版本运营分析278
• 9.4.1把握用户的期待278
• 9.4.2地图281
• 9.4.3　武器284
• 9.4.4新道具286
• 9.4.5其他更新288
• 9.5长尾理论实践289
• 9.5.1概念289
• 9.5.2顾尾不顾头290
• 9.5.3长尾与二八法则291
• 9.5.4尾部的挖掘291
• 9.5.5案例—FPS游戏的长尾策略292
• 9.6活动运营分析294
• 9.6.1理解活动运营294
• 9.6.2活动数据分析295
• 第10章R语言游戏分析入门297
• 10.1R语言概述297
• 10.2新手上路299
• 10.3R语言数据结构301
• 10.3.1向量301
• 10.3.2矩阵301
• 10.3.3数组302
• 10.3.4　数据框303
• 10.3.5列表305
• 10.4R语言数据处理306
• 10.4.1类型转换306
• 10.4.2缺失值处理307
• 10.4.3排序308
• 10.4.4去重309
• 10.4.5数据匹配309
• 10.4.6分组统计310
• 10.4.7数据变换313
• 10.4.8创建重复序列rep315
• 10.4.9创建等差序列seq315
• 10.4.10随机抽样sample316
• 10.4.11控制流316
• 10.4.12创建函数318
• 10.4.13字符串处理319
• 10.5基础分析之“数据探索”320
• 10.5.1数据概况理解320
• 10.5.2单指标分析322
• 10.5.3双变量分析326
• 第11章R语言数据可视化与数据库交互332
• 11.1R语言数据可视化332
• 11.2常用参数设置334
• 11.2.1颜色334
• 11.2.2点和线设置341
• 11.2.3文本设置342
• 11.3低级绘图函数345
• 11.3.1标题345
• 11.3.2坐标轴345
• 11.3.3网格线346
• 11.3.4图例348
• 11.3.5点线和文字350
• 11.3.6par函数353
• 11.4高级绘图函数357
• 11.5R语言与数据库交互368
• 第12章R语言游戏数据分析实践372
• 12.1玩家喜好对应分析372
• 12.1.1对应分析的基本思想372
• 12.1.2　玩家购买物品对应分析373
• 12.1.3讨论与总结378
• 12.2玩家物品购买关联分析379
• 12.2.1算法介绍379
• 12.2.2物品购买关联分析380
• 12.2.3讨论与总结385
• 12.3基于密度聚类判断高密度游戏行为386
• 12.3.1案例背景386
• 12.3.2DBSCAN算法基本原理387
• 12.3.3数据探索388
• 12.3.4数据处理389
• 12.3.5模型过程 390
• 12.3.6多核并行提高效率393
• 12.3.7讨论与总结394
• 12.4网络关系图分析应用395
• 12.4.1网络图的基本概念395
• 12.4.2创建网络关系图396
• 12.4.3画网络关系图400
• 12.4.4网络关系分析与应用403
• 12.4.5讨论与总结409