一、為什麼要做數據分析？
- 產品優化的參考依據
用戶的所有行為都會化為一個個數字在後台呈現，包含但不限於付費數據、關卡通關次數、角色養成狀況與道具使用狀況等數據，從茫茫數字資料中挖掘並匯整成有用的資訊，最終轉換成結論與解決方案。
- 提高溝通成功率
「我覺得A玩法很無聊」 跟 「根據數據顯示，A玩法的參與率除了更新後的第一次達到50%，接下來一個月的參與率都不到15%」，相信後者更能說服研發進行A玩法的優化改動。
二、數據分析流程
「發現異常 → 定位問題 → 後續方案 → 追蹤檢視」，
以下用兩個簡單的案例作為示範說明。
案例一：以 遊戲優化的參考依據 為例
[發現異常]
某遊戲的新手次日留存率目標是達到40%，在進行第一輪測試時只有30%
↓↓↓↓↓
[定位問題]
通常會從流失節點、流失等級與流失關卡等方向來分析用戶是在哪裡流失造成留存率低。
透過流失關卡時發現，牧師職業的轉職副本通關率比其他職業來得低很多，原因是該副本難度過高，如果沒有手動操作就有很大的機率通關失敗。
↓↓↓↓↓
[後續方案]
調整副本難度，難度設定成僅靠自動操作也能通關。
↓↓↓↓↓
[追蹤檢視]
於下一輪測試時重點關注此改動是否有提升牧師的轉職通關率，如果沒有的話則回頭再重新定位問題。
案例二：以 定位問題 為例
[發現異常]
某遊戲每天鑽石產出量約150萬的鑽石，但在11/22這天在無特殊活動的情況下產出約800萬的鑽石。
↓↓↓↓↓
[定位問題]
確認可能造成鑽石數量變化的原因，包含但不限於遊戲系統產出異常、特定玩家大量儲值獲得鑽石、信件獎勵配置錯誤等情況，最後在鑽石產出管道表中找到是因為，從今天開始的為期七天的登入獎勵配置錯誤，原先想贈送100鑽石，結果變成500鑽石。
↓↓↓↓↓
[後續方案]
如果是資源獲取異常的情境，通常會先確認影響範圍以及傷害損失，再根據每次不同的狀況來判斷是否進行回收或其他營對，這就非常考驗營運與研發的決策能力，沒處理好可能會造成民怨，甚至是影響到遊戲生命週期。
以此案例來說只是多贈送商城幣，且全部玩家都是拿到一樣的數量，一般情況就不會額外進行回收或處置，故決定今天的獎勵不調整也不回收，但後續六天因獎勵尚未對外展示，所以需調整後續六天的獎勵，避免鑽石大量溢出擴大影響範圍。
↓↓↓↓↓
[追蹤檢視]
往後六天都需觀察鑽石產出是否符合正常落在約150萬的鑽石。
三、一些小提醒
- 數據驗證
在數據撈取或整理中，有可能因為需求說明不清楚或是一時疏失導致欄位公式錯誤，得到的結果與實際剛好相反，並且根據此結論制定相反的應對方案，這種錯誤的結論往往會造成更嚴重的傷害，所以確保數據正確性是非常重要的環節，建議在撈取數據前要預先想好如何檢驗資料正確性，且拿到數據後首先先做資料驗證再進行數據分析。
- 用戶特性差異
以自身營運過的某款MMORPG產品為例，其付費滲透率可能僅有10-20%的用戶會進行付費，也就是不到20%的付費用戶會貢獻整個遊戲的營收；這些付費用戶中的前10-20%又會貢獻約75%-85%的總營收，也就是說如果今天想分析儲值貨幣的消耗內容，建議將付費用戶與免費用戶拆開分析，就可以得到更精準的答案。
- 輻射思維
大部份情況下是因為看到某個數字異常或是想解決某個問題而進行數據分析，建議可以從問題中心進行"射放性的假設與思考"，建議一開始就將所有可能的問題與原因都先想過一輪，如果是單點或單線性的思考，會過度聚焦於某個論點，容易花了很多時間最終發現方向錯誤導致浪費時間，甚至演變成先射箭再畫靶的情況。
- 善用工具
最常使用也最容易入門的是Excel，其中最重要的功能是「樞紐分析表」，可以將大量資料依自身需求快速轉換成清楚明瞭的統計報表；其次如vlookup等函數應用，可以加速資料處理與比對，這些基本功除了多使用還是只能多練習來熟能生巧，更進階的也能學習SQL語法、Python、Tableau等軟體與工具來加快資料處理的速度。
- 時刻保持懷疑
在數據分析的過程中，不斷挑戰自己的想法與觀點，數據是否正確、結論是否正確等，同時切換不同視角來審視自己的分析與結論，有機會可以發現自己的盲點與發掘出額外的問題點，也可以提前預想上級主管或聽講者可能會提出哪些挑戰。
-
四、小結
- 好與壞都是異常，時刻關注數據變化，培養數字敏銳度。
- 不只是做好數據分析，更要注重結論、執行方案與後續追蹤成效。
- 數據有很高的參考價值，但也不要完全忽略「用戶感受」與「產品體驗」，與數據分析搭配使用更能制定出有效的執行方案。
- 數據分析不是自身利益的操弄工具，保持客觀找出問題並解決問題才是數據分析的價值所在。
-
以上是筆者的一些個人心得與想法，希望對大家有啟發，歡迎留言或私訊交流更多你的看法。
