游戏数据分析的艺术

定　价：¥79.00

作　者：	于洋，余敏雄，吴娜，师胜柱
出版社：	机械工业出版社
丛编项：
标　签：	计算机?网络游戏

购买这本书可以去

ISBN：	9787111507802	出版时间：	2015-08-01	包装：
开本：	16开	页数：	409	字数：

内容简介

　　《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。

作者简介

　　于洋，TalkingData高级咨询总监，主导TalkingDataUniversity计划。曾在金山软件公司任职游戏数据分析师，从事游戏及移动应用数据分析、产品数据体验优化、金融机构运营及数据培训。先后服务于多家银行、保险、证券、移动运营商、移动互联网公司。小白学数据分析专栏作者，撰写第一本《移动游戏数据运营指标白皮书》和《移动应用数据指标白皮书》。余敏雄，金山软件公司西山居数据中心数据分析专家，从事游戏数据挖掘和数据化运营分析多年，研究领域包括大型端游、页游以及移动游戏，拥有贯穿游戏立项、研发、测试、正式运营和稳定运营整个游戏生命周期各个阶段的丰富经验。主要关注统计分析与数据挖掘在游戏行业的实践应用，如游戏用户行为预测、推荐系统、反作弊、用户研究、社交网络与交易网络分析等，是游戏行业数据化运营的倡导者与践行者，同时是中国统计网数据分析培训师，在企业员工培训中也拥有丰富经验。吴娜，曾服务于久游游戏和中国移动集团等公司，现担任电信集团互联网数据挖掘工程师，因其丰富的市场运营和数据分析工作经验，能准确有效定位业务问题和数据方法论，精通数理统计、常用编程语言、常用数据挖掘工具和Hadoop分布式平台，现于上海交通大学计算机系就读研究生，研究方向互联网金融。师胜柱，就职于中国最大的安卓游戏渠道360手机游戏，担任战略分析师。曾担任TalkingData高级咨询顾问以及上海中软国际Windows技术支持工程师。在TalkingData期间主攻游戏数据分析、游戏运营以及移动游戏市场的分析工作。为多款游戏撰写深度评测分析、产品体验优化报告以及专题数据分析报告等。学分析论坛，爱分析微信公众账号（i-analysis）以及移动数据分析博客的创办者。

图书目录

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