【聊聊遊戲數據分析常有的陷阱與誤判】
前兩天RF提到數據分析的理解與分享，剛好自己在這部分也有些體悟，順便分享一些自己的經驗。
每個人都有機會做數據分析，並進而得出些結論，但有些錯誤或陷阱是新人比較容易犯的，希望能夠提出些來幫大家少走些彎路。
(1)對於“正面”的反常數據不夠有警覺。
大部分人對於數字異常變差的警覺性較高，譬如營收、付費率、Arpu下滑；但對於數字異常變好的警覺性比較差。「事出反常必有妖」，營收相關數字異常變好，也有可能是出現bug、活動折扣標錯、對於道具價值錯誤預估、或是某個大戶異常行為的結果。
研究這些反常的“正面”數據，能夠排除遊戲的潛在問題，排除後還能想辦法嘗試複製相同的成功經驗。莫名其妙的成功不是本事，那叫做運氣，總有用光的一天
(2)數據分析的基礎是「數據正確」。
這是一個很基礎，但新人常忽略的事情。當發現一個特殊的數據變化，一定要先用邏輯判斷是否符合常理，再去用其他角度驗證數據的正確性，最後才進行分析下結論。
打個比方，當你發現三留暴漲，也要一併確認次留或七留有沒有相應的變化。如果沒有的話，那可能只是Excel拉錯，一不小心就會做出「三留因為活動成功而暴漲的錯誤結論」。
對於自己無法解釋的數據，務必反覆檢驗其正確性。
(3)產品只看營運數據，行銷只看廣告數據
在現今的遊戲產業，營運和行銷已經密不可分了。當營運部門看到留存上升時，有可能是因為廣告導入的用戶調整而非活動因素；當行銷部門看到廣告回收變好，也有可能是因為遊戲適逢重要活動。
只想當獨行俠而疏於溝通，已經難以在未來的遊戲產業生存。要想精進，就必須把玩家從“看到廣告”，到“進入遊戲"的環節都弄得一清二楚。
(4)產品生命週期會影響數據的變化
一般來說，事前登錄的用戶品質>第一批導入的用戶>後續導入的用戶。因此拿事前登錄的用戶數據去推估未來的遊戲收入成本趨勢，很有可能得到過於樂觀的結果。
(5)忽略離群值的影響性
大部分的免費遊戲，都仰賴1%的鯨魚玩家，這些鯨魚玩家有遠超過平均值的付費行為。而一個大戶的出現，常會把很多的“壞數據”變成”好數據“。
某個廣告群組的回收率、某個道具的銷售量等，都有可能因為一個大戶超捧場，從壞消息變成好消息，影響了數據分析的結論。
(6)行銷人員專注成本而忽略回收
早期的遊戲業，幾乎所有行銷人員的KPI都是「導入成本越低越好」。但現今廣告投放工具趨向複雜專業，有很多標榜便宜安裝的廣告採買方式，基本上不具備任何回收的可能性。
所有的數據決策，最終的目的都是「盈利」。如果只專注在單一的數據指標，忽略收益上的表現，將有可能把專案帶往錯誤的方向。
(7)拿不同遊戲的數據經驗，去推測其他遊戲的數據
這坦白說是很難避免的問題，我們都習慣以現有的經驗去預測未知的結果。做RPG的可能難想像放置遊戲的長線留存率，做三消很難想像RPG的付費能力。
我們都生存在看不見的那道牆中，只能不斷與外界聯繫交流，打破自己認知的侷限。
(8)數據所呈現的現象，沒有實際進入遊戲去驗證
營運看數據看久了，會容易依賴數據得出“空想”的結果，而非進入遊戲實際感受問題之所在。打個比方，你可以想像無數種活動成效不好的原因，但都不如你進入遊戲實際花錢，和玩家討論CP值，感受用戶和自己心中的回饋來得真實。
數據分析之路漫長遙遙，希望以上對你有所啟發。
遊戲數據分析 在 科技大觀園- 【一款線上遊戲可以活多久？】 數據分析可以從 ... 的推薦與評價
【一款線上遊戲可以活多久？】 數據分析可以從玩家上線時間，看出哪些玩家即將玩膩遊戲，原來大多數MMOG 遊戲生命週期大概只有4~9 個月?! 玩過最久的線上遊戲玩了多久 ... ... <看更多>