Zynga数据分析全盛期

Zynga是一家伪装成游戏公司的数据公司

导语:这篇博文是分析法进化史(Evolution of Analytics)系列博文中的第二篇,如果你想看关于点击计数器(hit counter)和早期网页分析的第一篇,请点击这里

Zynga在旧金山的主办公楼。图片来自Slate.

“如果你不能测量它,就不要建造它。如果你不能测量结果,那就不要尝试。否则你怎么知道你的想法是对的?或者是不对的?”-Andrew Trader, Zynga的创始团队成员和前销售与商业发展副总裁。

Zynga是一家知名的游戏公司,它的作品之一是在facebook上大热的FarmVille,这个游戏被认为是社交化游戏(social and casual gaming)的先驱,在它之后才有了Candy Crush。

在Zynga鼎盛时期,Zynga全力地用数据和分析来优化他们的游戏,使得游戏像病毒一样的传播又带来了巨大的经济效益。

Zynga的前GM Nike Vuori举了一个Ville的游戏做例子(FarmVille, FrontierVille,etc)。在这些游戏中,玩家可以通过搜集不同的元件来建造最终产品:一个房屋,一辆车或一座公园。这些产品被称为Buildables. 玩家有两种方式可以获得这些元件,一是从facebook上的朋友那里,二是从游戏中直接购买。数据显示,用户并不会为了取得一点进展而购买这些元件,但是他们会为了完成一个Buildable而购买。换句话说,为了一个需要10个元件的车,用户会为第9和第10个元件付钱,但是不会为了1到8付钱,而这1到8可以从朋友处搜集过来。

Clever TowerZynga FarmVille中的一个Buildable,玩家需要购买元件或是从朋友处搜集元件来完成它。图片来自这里。

基于这个观察,Zynga优化了他们的盈利模式(monetization):他们设计了那些需要元件数量刚好超过朋友圈可以拿到的总量一点点的Buildable。这样,一个玩家可以从朋友那拿到大部分的元件,但是基本不可能从朋友那拿到所有的元件。但是他是那样的接近完成一个Buildable,所以他会愿意购买那最后的一、两个元件。

在这篇博客中,我们会看一下Zynga在游戏研发中对数据分析的应用,看看他们是如何发现类似上述的观察。这家公司建立了自己的数据埋点(data tracking)架构-dubbed Ztrack,这在当时属于非常先进的很多人闻所未闻的解决方案。Zynga用这些数据来优化和提高他们的游戏。正如Zynga的前VP of Analytics Ken Rudin被广泛引用的一句话总结的“Zynga其实是一个伪装成游戏公司的数据分析公司”。

尽管Zynga被新闻关注的主要是其管理上的一些问题和对facebook的过度依赖,但是Zynga依然因为其数据导向的产品研发的先驱者地位而受到同行的尊敬。Zynga系的员工们将这种思路带到了许多其他的项目里,那些比社交化游戏(social gaming)更大的世界里。

一个Metrics(指标)导向的公司文化

据Zynga的创始团队成员之一Andrew Trader的介绍,Zynga最重要的企业文化是其对于Metrics(指标)的重视。在Zynga刚开始的年代,鲜有游戏创作室会追踪他们的玩家的各种数据,大部分游戏设计都还只是凭着设计者的直觉和用户的反馈。

从一开始,Zynga就和其他的游戏公司不一样,它雇佣的产品经理大多来自于财务或者咨询背景,这部分人都非常习惯用分析法来解决问题。公司推崇的是数据透明(data transparency)。从软件工程师,到产品经理,到CEO都参与到指标的建立和维护中。

Zynga的高管强调了艺术和科学必须完美结合。在这里艺术是指能够创造绝妙的游戏创意的能力;而科学是指理论化的测试出这个创意是否很棒的能力。下面这一页PPT来自于Zynga的前VP of Analytics Ken Rudin在2010年的一次讲座。

Zynga强调除了游戏设计的艺术和创造力之外,能够科学地设立指标和验证假设的能力也是十分重要的。这页PPT来自于Ken Rudin 2010的讲座。

Zynga是怎样决定追踪怎样的数据的呢?在游戏研发阶段,产品经理会为游戏定义数据层次(data hierarchy)和玩家需要采取的一些行动(action)。设置合适的数据埋点对于发行一个新游戏来说是至关重要的。

正如Zynga早先的一位副总裁和GM Roy Sehgal所解释的 “我们一开始的哲学就是在游戏上线之前全面试玩游戏并且测试走通各个数据埋点。我们意识到用数据来了解用户行为和产品表现的重要性,接着我们会在游戏上线后反复迭代来提高产品体验。如果我们不能正确地追踪某一指标,我们会延迟游戏上线。数据和分析不是事后诸葛亮(afterthought)”。

事件分析法的先驱

尽管从现在来看,这个层次的埋点和分析是所有高成长性的公司的标配,但是在Zynga的年代这还是一项非常新的技术。前文提到的Sehgal先生表示“时至今日人们已经对这些指标和分析习以为常,然而在Zynga的年代,并没有很多人在做这样的事”。

在2008年的时候,市场上并没有许多自助式分析平台可以使用。唯一的方法是自己建立这样的平台,而这需要极大的人工和资源成本。这也就意味着那些没有达到Zynga规模大小的资源匮乏的公司很难获得像Zynga一样丰富的数据和强大的分析能力。

当大多数公司都还专注于pageview(页面访问量)为中心的网页分析时,Zynga建立了自己的内部分析平台ZTrack。 Pageview(页面访问量)对于测量impression(显示)和提高广告营收是十分重要的,但是,当企业的盈利模型由广告营收慢慢转向用户付费时,pageview就不再那么重要了。一些像Zynga一样成熟的公司就开始追踪网站上不同产品(游戏)的用户行为。

在游戏上线之前建立分析模型

Zynga的团队在上线每一款游戏前都会制作一个详细的产品表现分析模型。这个模型会将诸如钩子效应(virality hook)和用户获取渠道(user acquisition channel)等因素都考虑进来。这个模型可以从这些数据中对关键指标做出预测。这些指标包括每天的下载量,下载曲线何时会呈现下降趋势,不同时间病毒式传播的因子(virality K-factor over time),第一天客户留存率,日活用户的花费等。Zynga团队还会通过建模来确定游戏中虚拟商品的定价。

通过这些模型, zynga团队能够了解到如何将游戏设计得成长最大(growth),用户参与度最高(engagement),盈利最大(revenue)。这些模型还成为了一个比较的模版,游戏上线后,团队能够迅速察觉到游戏是否在走向正轨,是否能达到目标。

Zynga常用指标

Zynga常用的指标有哪些呢?通过和zynga许多经理的交流,我了解到了很多测量游戏的健康程度和是否成功的有趣的指标。

1. 3R 原则:Reach, Retention, Revenue

Zynga的发展是围绕3个R来的:Reach(有多少用户), Retention(有多少留存用户)和Revenue(盈利)。其中Retention(用户留存)是关键,如果用户留存率高,另外两个R(Reach&Retention)都会相应地上升。Zynga还发现第一天的客户留存率(Day 1 retention)对长期的客户留存很有指导意义,一个用户如果第一天没有回你的游戏,他之后也不会特别粘这款游戏。

Zynga有一个很有趣的地方,也是造成它和其他非游戏类公司不一样的地方:每一款游戏都有一个设置好的长短在12-24个月的lifecycle(产品周期)。不同的指标的重要性取决于一个游戏在产品周期的位置。对于一款新游戏来说,Zynga团队专注于增加他们的第一个R-Reach,也就是有多少人玩这个游戏。这意味着他们会宗教一般地追求每日的安装下载量,每日的新增用户数,第一天的客户留存和付费用户转化率。游戏上线三个月以后,团队会将重点放在最大化第三个R-Revenue上。

2. 行为群组分析法(Behavioral Cohorting)

Zynga是群组分析法的重度用户。一个群组(cohort)是指一群有相同特性的人,比如游戏安装时间相同,相同年龄组或是相近的地理位置。在Zynga,产品经理们还会按用户对于某个具体功能(feature)的投入程度(level of engagement)和行动(action)进行分类,既行为群组分析法(behavioral cohorting)。分析师通过对比不同群组的留存率和盈利可以识别出那些可以预测出用户被游戏粘住了的行为,或者是识别出那些让用户转变成付费用户的功能。

3. 用户路径(User Walk)

用户路径是Zynga采取的另外一种分析方法。它主要回答了如下问题:我们的活跃用户从上星期到这星期有什么变化?假设你在一周中从100万日活用户增加到了120万日活用户,这新增的20万用户是从哪里来的?用户路径会被分析师具体地拆分成几个部分:多少用户是新用户,哪些是重新激活的用户,哪些用户即将沉睡(inactive),以及这些用户分群的来源。用户路径为游戏精准详细地展示了新增和流失用户的来源。

4. 第一次用户体验(First Time User Experience [FTUE])

在一款游戏上线之前,产品经理会列出第一次用户体验(缩写“FTUE”)过程中的30+个步骤。Zynga团队会寻找每个步骤之间是否出现用户数量的大幅度变动,这可能意味着这一步用户体验可以再完善一些,或者这一步就是有个bug!

太数据导向了?为短期利益牺牲了长期利益

尽管Zynga的以指标为中心的策略在刚开始时创造了极大的成长和盈利,部分Zynga的前员工依然认为Zynga有一些太以数据马首是瞻了(当然现在也许时代不同了)。

Zynga某前产品经理曾经评价说因为Zynga过于强调短期的可测量的指标(类似日活人数),从而忽视了游戏设计中那些无法计量考核的部分,比如提高游戏整体的可玩性(usability)。他认为“数据变成了人们用来追求短期利益的借口”。在追求最大化利益的过程中,游戏创作的艺术在渐渐丢失。

Vuori补充道:“最终的结果可能是人们因为太关注定量的数据从而没有花太多的时间在定性研究游戏的质量上。但其实我们关注了那些定性的因子,只是定量的那部分总是占据了我们的主要精力。”

Sehgal也支持这种平衡定量(quantitative)和定性(qualitative)研究的理论。他说“你非常有可能变得过于依赖数据。数据导向(data-driven)是一个复杂的词汇(loaded term)。我相信一个人应该是假设导向(hypothesis-driven)的,并且用数据来验证或否定自己的假设。数据并不一定需要告诉你要怎样改变。数据只是能告诉你你的假设是否正确以及强调一下可能可以改善用户体验的地方。然后你需要聪明的有创造力的人来帮你想新的富有创意的解决方案,从而提高用户体验。”

闪购:是一时性的风口吗?(Boom or Bust)

有些时候,太过注重短期的利益将会损失到你的长期收益。Zynga的闪购就是一个非常好的例子。在Zynga 的游戏中,类似前文提到的buildable的虚拟商品都有固定的价格。Zynga第一次开始决定打折销售这些商品时,效果十分之好。销售额一下子冲到了天上!基于那些盈利数据,Zynga决定常规性的采用闪购的销售模式。

在一开始,销售数据打破了之前所有的纪录。

不过慢慢的,这个策略的弊端就显示了出来。Zynga发现他们为了让用户买更多的虚拟币就会发起折扣更深的闪购促销活动。这直接造成了游戏世界里的超级通货膨胀:玩家们有比自己能花的钱更多的虚拟货币,打折越来越没有效果,长期来说这个促销手段带来的是负收益。

短期的数据显示促销促进了收入的增加:更多的玩家变成了“买家”,玩家花得越来越多,游戏收入越来越高。但是长期来看,Zynga只是把未来的收益转到使用闪购模式的今天来收取,并且还使得虚拟货币通货膨胀了。

扑克玩家都去了哪里?

Zynga Poker, 图片来自这里。

另一个有关Zynga过度依赖数据的例子来自于Zynga扑克牌游戏(Zynga Poker)。Zynga团队的每一个人都会佩戴一只提醒他们日活用户(DAUs)的老鹰图案的表。如果日活人数降到某个临界值,这个表会自动发出报警信号。

某一天Zynga扑克牌游戏的月活人数急速地下降了,手表报警了,分析师们都吓坏了,赶紧聚起来商量到底发生了什么事。他们什么原因也找不出来,几个小时以后,月活人数由恢复到了正常水平。几周以后,同样的事情又发生了一遍。

分析师花了大量时间试图找出月活人数降低的原因,依然一无所获,直到有人想到要看一下足球的比赛时间。原来Zynga扑克牌游戏的主要玩家是世界各地的年轻男性,而月活人数降低的时间正好是几场最火的球赛进行的时候。

“非常滑稽的是数据在告诉我们有东西坏了,有东西变得糟糕了”Vuori回忆说。“用户们都到哪里去了?!他们消失了!有什么东西一定坏掉了!”

Vuori在那之后创立了Rocket Games, 一个设计老虎机游戏(slot game)的独立游戏工作室。Vuori觉得Rocket Game对数据采取了一种更平衡的使用方式。他说

“我们大多数人都同意,Zynga向我们展示了数据的重要性,他能帮助你做决定。在缺少数据的时候,很难将工作设优先级。就像在说‘我的直觉比你的直觉好’一样无厘头。但是数据不应该占据整个世界(rule your world)。”

在Vuori看来,并不是所有的新功能或创意都需要数据来支持。“你仍然应该对那些与众不同的,直觉导向的设计做好接受的准备。我们依然是非常假设导向的,但是我们应该勇于支持挑战那些没有数据支撑的但是非常棒的点子。”

原文链接:Zynga analytic at its peak

原文撰写时间:2015年6月24日

作者:Alicia Shiu, Amplitude的Content Strategist, Amplitude是一家YC Combinator孵化的硅谷大数据创业企业,目前已获得200万美军的种子轮投资。

译者:Angela Guo, Data product manager intern@vip.com

相关阅读:

视频、手机以及社交游戏货币化的大数据分析

游戏行业,大数据该如何应用?

End.


企业会员

免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。

2015-07-17
Zynga数据分析全盛期
导语:这篇博文是分析法进化史(Evolution of Analytics)系列博文中的第二篇,如果你想看关于点击计数器(hit counter)和早期网页分析的第一篇,请点击这里。

长按扫码 阅读全文

Baidu
map