也可向下阅读文字实录喔~
▍本文转自游戏葡萄整理；作者：迪亚菠萝包
《最强蜗牛》在 6 月底的横空出世，可能超出了绝大多数厂商的意料。
从 6 月 23 日上线 App Store 到现在，这款游戏稳稳地保持在畅销榜 Top 10 ，最高曾到达畅销榜第 2 。
青瓷从 2012 年成立起，一直都在做自研自发的体系构建。而《最强蜗牛》便是他们在风格独特的细分领域长期积累的结果。他们的打法归结起来，是找一个细分品类的玩法，再加商业化结合。
8 月 1 日，由数数科技主办、游戏葡萄协办的「数据驱动·数说变革」分享会上，青瓷数码 COO 曾祥硕分享了青瓷研发和发行游戏的方法论。
青瓷数码 COO 曾祥硕
以下为分享内容，有整理和删节：
————————
o1青瓷的研运一体化理念
研运一体化好像是一个不可避免的大趋势，但我们成立之初就认为研发和运营并非是两个团队。不是运营团队等到研发团队闭门造车做完一个产品后，再开始规划发行思路。从产品原型开始，两个团队就要深度结合。这里我可以举例《最强蜗牛》的例子。
首先，我们策划和研发团队在项目立项两周内完成产品原型的设计，运营团队立刻提供高质量、稳定的用户来测试产品性能。运营团队不是通过买量进行最前期的注册用户测试，而是依靠官方 QQ 群、公众号里比较活跃、能够随时导入新产品进行测试的几十万用户群。用户导入之后，我们就开始进行高频次、长周期的测试，调留存、调付费，逐步优化产品。
第二点，是通过用户数据模型确定运营节奏。我们会预估产品的用户群能做多大，天花板能做到多高，由运营团队做相关分析，帮助研发找准每个阶段的用户。我们可能第一次测试找最核心的用户，我们最核心的用户是不看美术的，这一点可能有点反逻辑。现在大家做的一些轻度的小型产品，可能最开始的测试是找美术原型，测试用户转化率，但我们的核心用户会更看重游戏的内容表达和底层逻辑。
第三点，是团队提出产品数据目标。比如测出产品数据之后，研发部门要确定这个产品到底要做多大，下次测试要把 ARPU 值提高多少、付费率提高多少；运营会提出市场目标，我们要打什么样的用户群体，什么年龄段，存在于哪些渠道等等。最后，研发和运营团队其实自然而然地会逐渐趋同。
o2用数据带来的精细化升级
我们之前自己有研发产品数据平台，但受研发实力限制，自研数据平台的效率和准确性不能满足工作要求，后来采用了数数科技的数据分析平台 ThinkingAnalytics （以下简称 TA 系统）来解决我们的数据痛点。和我们的自研数据平台相比，数数科技的数据平台在及时性和便利性上都有优势，数据反馈速度很快，数据结构和维度分得很细，能够承受比较大的用户量级，而且数据看板用起来很方便。基于系统的强大性，我们自然有了更多的一些数据精细化思考。
▍用户分层
用户分层我们主要关注 3 个点：服务器、游戏进程、商品选择。做《最强蜗牛》的时候，我们要合理设置服务器里的玩家规模，要考虑单服务器的活跃性，考虑玩家相互的简单交互。所以项目组在上线前做了测试，先开 2000 人和 8000 人的服务器做对比，谁效果好我就往谁偏一点，然后将 4000 人和 6000 人的服务器做对比。
当然还要考虑性价比，新开一个服务器会产生额外的服务器成本。游戏进度指在一个特定的时间节点，用户玩到什么地方、为什么会玩、大概有多少人。这些数据对于我们控制版本进度，以及运营活动调整都有关联。最后还有商品选择，我们观察不同玩家对于商品的兴趣，对用户喜好做出分层。
▍付费用户行为分析
付费用户行为分层的基本原则大家都知道，不同类型用户的需求和痛点不一样。我们有次专门测试了大R在游戏里面的痛点可能是什么，TA 系统展示的测试结果和我们的设想完全不一样：大R最反感的事情是充值花的时间太长，然后他买完宝箱之后，一堆资源放在包里花不掉。
这可能是我们的UI整体结构流程不合理，消耗资源速度过慢，或操作过程过于繁琐，或没有集中化消耗的渠道，后来我们相应对游戏进行了比较大的改进。还有一个零氪用户的例子。我们上线之前加入了视频广告，因为零氪用户很关心这个事情，他不认为他是在看广告，而是认为自己在通过努力获得了游戏资源，我们不加广告就是对他们不尊重。我们加了之后，他们觉得我们对他们有更多的关注，使得零氪玩家的数据表现更为友好。
▍行为追踪
这里举三个用户行为的例子。
- 主线任务未完成
我们要根据数据，去找出他为什么玩不下去了，然后把图标做得更大，或给用户更多提示。
- 竞技场打不过
《最强蜗牛》里面有很多用户对竞技场排名不是那么关注，越是泛用户越不关注竞技场。那他们干嘛去了？《最强蜗牛》游戏里有一台装载很多小游戏的电脑。那群玩家比较轻度，他们跑去玩小游戏去了。我也不知道为什么，但玩家喜欢玩，我们就把内容往里面做。有些东西我们其实不是很能理解，但是数据指向是它，我们就继续做，后面再做事后分析。
- 每日任务清空
玩家在《最强蜗牛》里会逐渐进入任务的周循环，每天差不多15分钟就可以做完日常。我们发现很多玩家的行为很有意思：他们可能跑到某个感兴趣的物品下面留言去了；有的玩家做完日常任务就在世界平台逗新手玩家，给他们错误的指引，告诉他们某个没有用的物品很有用，旁边还有人帮腔。我们觉得这蛮有意思，所以在聊天频道增加了更多功能，让他有机会去展示和互动，提升玩家的活跃。除此之外，我们还根据 TA 系统发现了玩家的游戏目的。玩家的游戏乐趣，不一定是开发者设计的东西。他们会自己创造乐趣。游戏目的的发现以前依靠运营的经验，或者牛X运营的道德驱动能力，他们很负责地盯着玩家行为，及时提供解决方案，现在我们可以把这一步稍微弱化，通过数据分析发现新的玩家行为，适时把系统加进去，让游戏能够长线运营下去。
o3蜗牛进化的数据依据
▍新手流程
很多人不看好《最强蜗牛》的新手流程设计，因为耗时很长。但数据告诉我们，尽管这个流程跑下来是很繁琐，很多用户接受这样的新手流程，它能让大量小白用户快速玩懂这个游戏。从业者有时候会觉得你不要这样教我，但是 TA 系统提供的客观数据告诉我们，新手流程做得并不差，自然也不用再将精力放在对指引的调整上。
▍参与度
做游戏都要关注资源消耗，玩家钻石存有多少，花了多少，为什么资源花不出去？道具兑换，玩家换了什么？运营活动，用户参与度到哪里，我们提供的奖励有没有吸引力，能不能推进主线剧情的展开？能不能让他们有社交炫耀？资源消耗的循环最开始很可能都是策划拍脑袋拍出来的，但玩家的实际参与度是否和我们设想的数值模型一致？我们只能去验证，快速响应，快速验证，然后修改。
▍功能和系统反馈
玩家评论不可信，唯有身体是诚实的。游戏设计者经常会做一些想当然的设计，他们自己觉得能打动很多玩家，但到底行不行？也要根据数据快速反应、快速验证。《最强蜗牛》设置了一个光子服专门用来测试，最早更新玩法和内容，并根据反馈快速调整，直到得到用户认可后，才会把版本更新到正式服里。这依赖于 TA 系统做出及时的、快速的数据反馈。
o4数据驱动团队的改变
▍客服
客服是高的岗位价值，是实现用户分层服务。我们客服系统的一部分数据是 TA 系统提供的，比如玩家在提意见的时候，我们可以点开他们的资料，判断他是哪一类用户。高价值用户可能会有专门服务高价值用户的客服组对接。这样做客服，可以提升高价值用户的感受，如果用传统的方式去判断，很多新用户实际上很难判断他属于什么类型，万一我们服务不及时，他产生了怨念，通过社媒抱怨，甚至带节奏，对游戏影响很不好。高价值用户往往具有一定的社会影响力，也通常会有比较好的文字表达能力。我们不是厚此薄彼，只是从经验来讲，要更多照顾到这一类用户。
▍财务
青瓷财务按A股上市公司的财务规范在做，规范化的财务统计需要游戏公司提供道具的消耗数量，如果玩家消费只和钻石、金币挂钩，就只统计钻石、金币，但如果付费礼包里推了某某道具，那就要把道具和实际货币的对应关系换算出来。从财务角度看，如果用户购买了消耗型道具，却没有使用的话，它的核算方式还不一样，所以我们要把所有情况统计出来。
但有时候一个道具的来源很复杂，它可以通过金币、钻石兑换，可以通过购买付费礼包，这时要怎么办？以我们的财务统计口，道具的所有兑换途径都要求列出来，我们自己的数据系统很难实现。我们的《不思议迷宫》前段时间要求统计海外市场的情况，据不完全统计，我们花了一个小时提取一个道具的各种数据，如果《最强蜗牛》以后要出财报，要出数据怎么办？可能需要曾经的产品部门全员投入好几天，就为了满足一个财务需求。而 TA 系统强大的数据平台能力，便填补了我们这一块的需求。
▍QA
去年好几个友商的产品出了问题，QA把资源发错了，为什么会发错？为什么没有及时发现？QA的流程和系统是不是有问题？。我们使用 TA 系统可以做到快速发现问题，及时阻止扩散。我们有没有出过类似的错误？有，但我们及时制止了，在小范围、很短时间内发现、处理，这个事说大不是大，说小不小，但还是比较有影响的。
▍运营
比如真实数据的展示，好多公司实际上不知道自己的真实运营数据。像放置挂机类的产品会有工作室刷初始号。比如说很有名的那两个挂机游戏，你们在淘宝里，花几十块钱就能买到3个月、6个月的初始号。工作室建初始号之后之后连续3个月、6个月，用批量化的工具领取日常活动发放的钻石，玩家购买以后直接拥有几十万钻石，这比注册一个新号划算多了。
初始号刷得真的很猖狂，曾经有一天《最强蜗牛》的日新增数据，有一半都是工作室在刷初始号。在运营维度，你怎么把工作室的干扰数据剔除，找到真实的运营数据？你需要一个好的数据统计平台的帮助。运营还要注意渠道特性，现在不同渠道特性比较鲜明，我们得做颗粒度更细的埋点，看哪个渠道可以更好的为运营目标服务，无论是推长线，还是一波流，我们如何判断应该在哪个渠道投入更多资金？这部分的业务升级，也需要 TA 系统给我们提供更多的数据支撑。
「数数课堂 」是数数科技2020年推出的知识服务子品牌，围绕“数据分析”提供知识共享。我们推出的第一个项目为「100堂游戏数据分析课」，学习是一个漫长的过程，用100堂课的时间，我们希望让更多人掌握游戏数据分析技能，让数据价值触手可及。
