伴隨應用商店和社交網路的興起，遊戲市場規模空前擴大，大資料和人工智慧對於遊戲運營特別是延長產品壽命的積極作用越發明顯。但什麼樣的資料有價值？如何更有效的利用資料的價值？以及人工智慧具體可以將遊戲行業顛覆到何種程度？都逐漸成為遊戲行業共同關注的問題。那麼，遊戲企業可以利用大資料為自己帶來些什麼？大資料為遊戲行業帶來了哪些變革？
基於玩家所產生的海量資料，我們怎樣去獲取玩家的具體畫像、他們的特點以及**他們未來的一些行為以服務我們的運營、發行以及研發過程中的一些系統改造？
我們圍繞畫像展開。
舉個例子，如果乙個人玩cs，他是乙個狙擊手，狙擊手最想要什麼？衝鋒槍。那麼，如果我們沒事送他點別的，他可能覺得這個遊戲對他不太友好，這種贈送就沒有為遊戲帶來什麼價值。如果我們能利用資料對玩家進行分類，比如分為高活躍使用者、中活躍使用者和低活躍使用者，然後分發一些活動，那就可能引發他們的付費慾望。但是這個分層做得並不徹底，因為乙個類別中，他們的行為模式會很不一樣，我們能不能通過研究玩家的具體行為，然後將行為模式相似的使用者聚集起來？比如一款動漫遊戲，我們將它分為三個維度，遊戲、社交、元素，遊戲是指我被這款遊戲的系統吸引了，社交是指身邊有人在玩所以來玩和留下，元素是指被遊戲中的哪個動漫元素吸引而加入。
可能那些關注元素本身而忽略另外兩項的使用者是迷弟迷妹型別的，關注遊戲本身的使用者可能是聚焦遊戲型別的，而有一些交際型的使用者，那它們可能更注重各種遊戲裡有沒有他的好朋友。
對於關注元素的這一類，我們是不是應該抓內容、抓劇情、世界觀？不再是單維度描述玩家，是多維度。
提到多維度就不得不提及乙個概念——聚類。
聚模擬簡單的分類更多維。聚類是對玩家未知的分類，比常規的維度要多，會對活躍度、消費、玩法、參與、社交等等進行評估、打分。聚類相當於將n個散亂的點通過機器學習的演算法聚為一類，這一類的點之間會是最相似的。
舉個例子，定位潛在的流失玩家和潛在的付費玩家，付費玩家和流失玩家在遊戲中都會有自己的一定的行為模式，我們可以通過分析這些行為模式從而去構建模型，然後將這個模型應用到我們那些未流失、未付費玩家身上，看一下他們這些玩家的行為模式、行為軌跡和模型中的這些玩家行為軌跡、行為模式有什麼相似之處，如果相似度非常高，那我們可以認為這個玩家將來也有可能會流失，但是目前還沒有流失，這個時候就給我們留下乙個時間視窗，我們可以在流失之前去定位這個使用者，去干預和挽留，而不是在它流失之後通過發簡訊、發郵件去挽回，這會為我們減少成本。
當然還有從系統分析的角度，比如因為可以通過分析很多資料，例如玩家公升級、觀察駐留率，包括人家喜歡哪些道具，喜歡你的哪些商品等等，從而幫助我們去改變遊戲裡的一些不平衡的地方或者被玩家詬病的地方。
遊戲行業將會產生非常多的資料。遊戲行業對大資料的需求是最迫切的。拿現階段來說，一款遊戲從研發到運營，所有的成本**都要靠運營。運營怎麼做？這就要依託資料做指導。在遊戲行業運營指標是非常多的，有200多個，所以我們非常重視資料行業。遊戲行業是離錢最近的行業，是商業模式最清楚的行業。
如何應用大資料在遊戲行業產生實實在在的價值？
遊戲資料的構成分為四個層面：
第一層是論壇**的資料，這是遊戲外的資料；
第二層是運營資料；
第三層是玩家的行為資料，玩家登陸了、聊天了、釋放技能了等等，這些都會以日誌的形式記錄下來，這個資料量是非常恐怖的。
第四層是業務常規資料。
從大的方面來看，遊戲的資料構成可以分為遊戲外和遊戲內，遊戲內的遠大於遊戲外的。
遊戲外資料
遊戲外的資料我們能做哪些事？
1、情感識別:在採取玩家發言的時候，能判斷玩家的態度是正面還是負面。
2、話題檢測：自動對一段時間內新增的帖子進行檢測，並且歸納出玩家討論的熱點話題。以便讓運營者清楚的了解玩家的狀態。
3、畫像追蹤：通過玩家的發言、資料，分析玩家擁有什麼樣的特徵。
4、輿情監控：監控玩家，比如在出現bug、外掛程式的時候第一時間進行警告。
5、事件預警：很多突發事件都是從論壇裡爆發的，如果我們沒有及時發現，造成的損失是非常大的，或者說是致命的。
6、立項調研：比如遊戲有哪些需要改進的地方，市場怎麼樣，這些都可以進行挖掘。
遊戲內的資料
1、數值系統合理性評估：一款遊戲在內測期間數值體系是不是有漏洞、生產線怎麼樣、精密系統有沒有問題，這些都是可以進行合理性評估的。
2、玩家屬性聚類：通過演算法自動把玩家歸類。
3、系統關聯性分析：各個系統之間有什麼關聯，是非常常用的演算法。
4、流失玩家預警：玩家有沒有流失，未來某個時段有沒有流失的風險，這些都可以計算出來。
5、遊戲健康度評估：綜合判斷整個遊戲各種指標是否健康，尤其是在平台運營資料較多的時候，可以給我們乙個比較正確的全域性指導。
6、潛在付費玩家定位：通過分析付費玩家的特點，去匹配潛在的付費玩家。
7、玩家行為**：基於以上的特徵把玩家分類，就可以**玩家的行為。這可以幫助遊戲在精細化時，有比較系統科學的決策依據。
其實可以做的遠遠不止這些，我們可以從玩家行為中判斷他是不是外掛程式，是不是異常玩家。還可以通過玩家的行為資料和聊天記錄，分析這個玩家是不是**，有沒有做非法的事情。
對於產品來說，獲取的資料越多越好，資料被放棄的理由主要有兩種：一，遊戲版本增加了生化對戰模式，只實行乙個月，乙個月之後這個模式沒有了，資料就會自動消失。二，資料量比較大，使用率比較低。從資料管理層面給產品進行反饋，說明這個資料意義不大，儲存浪費很多空間。
資料的重要性，更多的是指遊戲使用者行為關鍵的資料，例如能影響到遊戲運營的關鍵環節：活躍還是流失，或是付費等。這些資料關係到遊戲內部的核心運營資料，就會要求遊戲開發商必須上報，否則將無法提供標準化、模組化資料經營分析的基礎服務。所以，每次跟遊戲開發做對接的時候，會給乙個標準化、必要的日誌模板，剩下的日誌可以選擇性上報，根據遊戲的運營節奏適當的增加或減少。
大資料架構在底層來說一定是一致的，也沒有太大區別，遊戲中也有所謂的精準推薦，也有實時規則。包括現在比較火的如何把分析做的更快，一定是結合到自己產品的實際場景當中來做相關的區分，舉個例子，在電商平台購物，使用者關注的物品，平台就會為使用者做推薦，甚至跳過任何乙個**，都能看到之前瀏覽的產品。電商平台會把使用者的行為推給第三方，在登入第三方平台的時候，如果使用者確實在之前買過這個產品，就會受到彈出的方式的不停干預。網際網路任何乙個網頁裡面都可以實時的干預使用者。實際上電商已經做好了模型，這個**已經有這個模型做所謂的廣告推薦的方式。
大資料的架構大同小異，基本上都包含採集、傳輸、儲存、計算、應用，還有相關資料探勘。在遊戲特定場景下有一些應用的服務痛點和想要突破的問題。在遊戲大資料應用服務高頻營銷場景中，需要使用者行為的實時規則。遊戲內和遊戲外我們所涉及到的相關技術包括：機器學習、資料探勘、文字婉拒、自然語音處理和深度學習。其中深度學習尤為重要，是非常強大的**。
遊戲資料分析能讓遊戲開發商、渠道、分發平台都能實現精細化運營。
網易猛獁大資料平台作為一站式的應用開發和資料管理平台，通過大資料開發套件，將資料開發、任務運維、自助分析、資料管理、專案管理等工作通過工作流的方式有效的串聯起來，提供敏捷易用的使用者操作介面，降低了大資料分析的使用門檻，顯著的提高了資料開發工程師和資料分析師的工作效率。猛獁大資料平台在電商、**、雲課堂學習、企業工業製造等領域已廣泛應用，基於持續的需求驅動，通過多行業的業務驗證，同時豐富全面的元件，提供完善的平台能力，滿足不同型別的業務需求。基於猛獁大資料平台成熟而穩定的大資料分析處理技術，對海量資料進行etl分析，實現在營銷過程中針對特定場景提供精準化銷售行為。
點選免費試用
大資料在各個行業中的應用 大資料在企業管理中的應用
大資料是指將多個資料整合在一起，形成乙個包含各項資料的資料庫。雖然大資料概念提出的時間比較早，但由於傳統的科學技術無法支援大資料的應用，因此大資料在現階段才被廣泛應用於各個領域之中。計算機網路的普及和應用，給大資料的發展提供了新的載體，對於企業來說，能否充分的應用大資料進行企業管理，已經成為企業發展...
大資料風控在信貸行業的應用
大資料風控是基於龐大的資料通過技術方式構建模型對借款人進行風險控制和風險提示，風控的目的是對好壞使用者進行識別從而降低損失，對使用者資質進行分層從而獲取更大的利潤。目前，大資料風控主要圍繞以下幾個方面展開 1.驗證申請人身份 對申請人身份 運營商 銀行卡 學歷等方面的資訊進行核驗，呼叫活體識別，身份...
大資料在銀行業的應用場景
隨著銀行業務的載體與社交 電子商務的融合越來越緊密，僅對原有15 的結構化資料進行分析已經不能滿足發展的需求。企業需要借助大資料戰略打破資料 邊界，囊括85 的大資料分析，來構建更為全面的企業運營全景檢視。以科技引領業務發展，未來銀行也同樣需要借助由大資料構建的企業經營全景檢視來進行風險管理 產品營...