具体描述
《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TalkingData University 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》，运营学分析（www.xuefenxi.com）及www.ianalysis.cn网站。
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（www.xuefenxi.com）,爱分析微信公众账号（i-analysis）以及移动数据分析博客（www.ianalysis.cn）的创办者。
目录信息
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
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
这本书的装帧设计真是令人眼前一亮，那种带着些许复古又不失现代感的配色方案，在书架上显得格外沉稳大气。我尤其欣赏它在排版上的用心，字体选择既清晰易读，又不会让人产生阅读疲劳，即使是深夜沉浸其中，眼睛也不会感到负担。更难得的是，它在引入新概念时，并没有采用那种冷冰冰的学术术语堆砌，而是巧妙地融入了一些视觉化的图表和流程图，让原本可能显得晦涩的数据处理过程，瞬间变得生动起来，仿佛作者正拿着一支画笔，在我们面前勾勒出一幅清晰的数据脉络图。随便翻开任何一页，都能感受到那种对细节的极致追求，无论是页边距的留白，还是章节标题的层级划分，都体现出一种对阅读体验的尊重。我记得有一次，我只是想快速查阅某个特定模型的工作原理，结果却被书中附带的一个小小的案例分析吸引了过去，那个案例的叙述方式非常生活化，让我立刻明白了理论如何落地应用，这种体验是很多技术书籍无法给予的。它不仅仅是一本工具书，更像是一份精心准备的阅读盛宴，每一个设计细节都在无声地邀请你深入探索。
评分这本书的行文风格简直是一股清流，完全颠覆了我对技术书籍的刻板印象。作者的笔触流畅而富有哲思，读起来完全没有那种机械的“说明书”味道。他似乎总能找到一个恰到好处的比喻，将复杂的数据挖掘步骤与我们日常生活中常见的逻辑联系起来。比如，在讲解特征工程时，他引用了烹饪中“食材预处理”的理念，一下子就让这个抽象的过程具象化了。更让我佩服的是其观点的深度，很多章节后面都附带了作者的“思辨空间”，里面探讨的并非仅仅是“如何做”，而是“为什么这样做最优”，甚至是“在特定文化或商业背景下，这种方法可能存在的潜在局限性”。这种深层次的探讨，极大地拓宽了我的思维边界，让我不再满足于仅仅复制粘贴代码，而是开始主动思考背后的逻辑和选择的合理性。阅读过程中，我常常会停下来，合上书本，对着空白的笔记本思考半天，那种被激发的好奇心和求知欲，是久违的酣畅淋漓。
评分这本书给我最大的感受是它的实用主义精神，它是一本真正意义上“能用”的书，而不是只能“看懂”的书。在讨论完理论之后，每一章的末尾都提供了一系列精心设计的“实践挑战”。这些挑战不仅仅是简单的课后习题，它们往往模拟了真实商业场景中的复杂需求，要求读者整合前几章所学的所有知识点来解决一个跨领域的问题。我花了一个周末的时间，尝试完成其中一个关于用户留存预测的挑战，过程中遇到了好几次卡壳，但每当我翻回去查阅相关章节的讲解时，总能找到解决问题的关键线索。这种“做中学”的教学闭环，极大地增强了我的实操能力和自信心。它教会我的不仅是分析的技术，更是一种面对未知数据时的系统性解决问题的思维框架，这比任何现成的代码库都更有价值。
评分这本书的结构设计堪称一绝，它的逻辑推进是那种非常符合人类认知规律的“螺旋上升”模式。它不会一开始就抛出所有复杂的数学公式，而是循序渐进，从宏观概念开始，每深入一层，都会用一到两个精心挑选的实际案例进行锚定。这些案例并非那种虚无缥缈的“完美数据”，而是充满了现实世界的“噪音”和“脏乱”，这恰恰是我们在真实工作中面临的主要挑战。作者处理这些“不完美”数据的技巧，简直是教科书级别的展示。我记得关于时间序列分析的那一节，作者没有直接跳到ARIMA模型，而是先演示了如何通过可视化发现数据中的季节性趋势，然后才逐步引入平稳化处理的必要性。这种层层剥茧、步步为营的叙述方式，使得那些原本让我望而却步的复杂统计过程，变得清晰可见，甚至产生了一种“原来如此”的顿悟感。
评分坦白说，我本来对这类偏向理论基础的书籍抱持着怀疑态度，总觉得它们会陷入过时的算法罗列，或者内容过于空泛。然而，这本书的实在性超乎我的预期。它在基础概念的阐述上极其扎实，每一个术语的定义都经过了反复的推敲，保证了初学者能够迅速建立正确的认知框架。但更关键的是，它在高级应用部分的切入点非常新颖。书中对某些新兴的数据采集和清洗方法的介绍，明显是紧跟当前行业前沿的，甚至提到了一些尚未完全普及但极具潜力的新工具和新思维路径。我特别喜欢其中关于“数据伦理与隐私保护”的章节，作者并没有把它当作一个可有可无的附录，而是将其置于核心讨论地位，强调了技术人员的社会责任感。这让我感觉到，这本书的视野不仅局限于代码和模型，而是将分析师的角色提升到了一个更具社会责任感的层面，这对于我未来在实际项目中平衡效率与规范性，提供了极其宝贵的指导方向。
评分可读性比较差。
评分只能叫游戏数据分析的技术
评分推荐，方法层面很有启发。
评分书的本身还不错，基本覆盖了游戏分析的方方面面，但也正是由于涵盖的过多，以至于真正的实战经验很少，讲的分析也有些通用化，没有对游戏行业本身有太多的关注，更像是一本需要时看一下的工具书。
评分只能叫游戏数据分析的技术
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有