4008-443757
数据分析
数据统计软件离职腾讯创业4年又获2500万A+轮融
发布时间:2020-01-06    信息来源:未知    浏览次数:

  今天,以游戏数据分析服务为核心业务的数数科技公布信息,公司已完成2500万A+轮融资。将帮助中国的游戏公司把数据用好,以提供产品成功的概率,驱动游戏业务增长。

  这两年游戏相关厂商的融资消息越来越少,有好的项目也很难拿到行业外机构的投资。以数据分析服务为主业的数数科技,能够逆势而上拿下这个金额级别的融资,实属难得。

  据游戏葡萄了解,数数科技在今年的营收规模相比去年已经翻了一翻,经营利润也有成倍增长,此轮融资对他们来说更像是锦上添花。原因在于,他们的数据分析产品Thinking Analytics于今年很快在业内传开,渗透到国内各大厂商中。上半年,这套系统一共被几十家游戏公司使用,而到今年年底已经有近两百家游戏公司在使用了。

  这套系统通过底层大数据技术的创新,使得原本繁琐低效的数据分析变成了简单、便捷,高效的事情。于是通过早期几家注重技术和数据的厂商高口口相传,很快在业内扩散开来。

  而现在,使用Thinking Analytics的游戏公司已经包含大量业内知名的厂商,比如猎豹移动、中手游、英雄互娱、Habby、叠纸科技、中清龙图、疯狂游戏、电魂网络、雷霆游戏,等等。在近年来大热的中重度游戏、小游戏、超休闲游戏背后,可能都有数数科技的服务在做辅助。

  为什么游戏行业收缩的现在,有那么多厂商对数据分析有这么强的诉求,数数科技又是怎么发现这个机会,做出Thinking Analytics(后文简称TA平台)的?带着这些问题,葡萄君采访了数数科技创始人兼CEO吕承通,了解到他们的创业经过。

  四年前,吕承通离开腾讯,与一帮在大数据和游戏行业摸爬滚打多年的老战友创立了数数科技,由于长期与大数据业务打交道,他们的第一项业务瞄准了玩家的舆情分析。通过爬虫技术抓取玩家在外网的反馈数据,结合文本挖掘和自然语言处理的技术来分析玩家的情感,讨论的话题,以帮助项目组更好地了解玩家诉求,制定更好的运营策略。

  然而,这套舆情分析服务并没有收获太多的市场,原因在于,游戏舆情对大多数游戏公司来说,并不是刚性需求。于是吕承通开始思考,游戏行业到底需要什么样的数据分析服务?为了摸清楚关键点,他便找了十几家游戏公司的老板,深入了解他们在数据上的痛点。

  一番深入调研之后,吕承通和他的团队一起分析讨论,最终提炼出了大家在数据层面比较普适性的需求,而这些需求往往都隐藏在表像之下。

  大家对数据的认识基本都停留在数据分析层面,技术能力强一点的团队则有一定的数据挖掘的意识。但是大家很容易忽略在数据分析和数据挖掘这两个层面之下,还有两层基础的需求,一个是数据采集,另一个是数据获取。

  只有先解决了数据采集和数据获取的问题,才能在数据分析和数据挖掘层面有所建树。之前大家反馈的问题基本都是数据分析和挖掘的问题,但其实本源是数据采集和数据获取问题,而这两点,是可以通过在大数据技术上的创新来解决。

  于是经过一番构思和设计之后,数数科技在2017年开始研发,通过两年多的产品迭代,产品已经非常成熟。如今TA平台支持海量数据秒级查询,支持八大分析模型、支持私有化部署,且可支持各种不同类型的游戏数据分析,国内和海外的业务需求均可满足。

  “刚开始,只有几家老板有技术背景的游戏公司用TA系统,后来他们用的效果不错,圈内其他公司也开始慢慢接触。《弓箭传说》的开发商Habby就是其中之一,他们刚成立的时候就选择了我们,而且对我们这套系统用得非常深入,进行了大量的二次开放,并且和其它系统打通,用于产品数据的实时监控和分析。因为他们的数据意识非常强,和他们合作的过程中也非常愉快。他们也帮我们推荐了好几家优质客户。”

  在谈到印象比较深刻的客户时,吕承通说,“有几家客户是一边裁员,一边采购我们的系统,这让我非常有感触。裁员是因为业务下滑,但是还会采购我们的系统,这也从侧面证明了我们系统对于客户的价值。也基本说明,我们这个事,做对了。”

  经过了几年的探索,数数科技的方向已经非常明确了。吕承通表示,长远上他们希望帮助中国的企业把数据用好,而近期的目标就是帮助中国的游戏公司把数据用好:“我们已经服务了一百多家游戏公司,但是我们发现要让企业真正把数据用好,并不是一件容易的事情。”

  具体他们从三个层面来入手,一是提升国内游戏公司的的数据意识。数据意识是根本,尤其是公司的高层管理者,如果高层没有数据意识,公司就很难把数据用起来。在这点上,他们会输出一些优质客户的数据驱动案例,持续分享数据运营的方法论。

  二是提高游戏项目组的数据分析能力。如果具备了一定的数据意识,在比较了解业务的情况下,就可以进行数据分析。但不同的人员数据分析的能力不一样。不同的岗位所关注的数据分析场景也不一样。在这点上,他们会加强对项目组的数据分析能力的培训,输出一些游戏行业的数据分析方法论,同时会开发一些线上线下的课程,以提高从业者的数据分析能力。

  三是为企业构建数据基础设施,提供最好用的数据分析产品,这是数数科技目前主要在做的事情。通过几年的努力他们已经研发了一套从数据采集、存储建模、分析展示的一体化解决方案,并在此基础上封装了很多经典的分析模型,让业务人员能够快速进行数据分析,提高数据的使用效率。往后,他们还会加大第二层和第三层的投入,输出行业的数据分析方法和经验,提升客户的数据使用能力,让数据发挥出更大的价值。

  关于如何理解把数据「用好」,怎么样才算是把数据「用好」,吕承通说:“好是相对的,也是动态的,是无止境的。尽管如此,我们还是需要将其量化。”

  所以,在数数科技内部,有专门的数据分析深度指标体系,吕承通介绍到,“将其数据化,可视化,不靠感觉,数据最有说服力。”

  同时,吕承通还透露,他们发现一个很有意思的规律,就是雷达图(代表了游戏公司的数据使用情况)面积越大的企业与做出成功产品之间存在很大的正相关性,也就是说,公司雷达图的面积越大,做出的产品成功率、赚钱概率是高于雷达图面积小的公司的概率。

  在实际学习使用TA平台之后我能强烈感受到,日常工作中接触到的数据,与通过这个系统能调用出来的数据之间,到底有多大的差别。一个是模糊笼统被限死的几个粗数,另一个则是可以细到单点又能串联出大量不同纬度的数据。

  而由于TA平台的底层逻辑与业务封装是剥离开来的,使得这套系统在分析功能上具备了极高的自由度,对于会玩数据的分析者来说,几乎可以实现自己想实现的任何维度的数据分析。但同时,也让这套系统有了一定程度的门槛。

  吕承通把它比喻成就像玩《我的世界》一样分析数据:“刚进入这套数据体系的时候是一片空白,所有的体系都由自己去搭建。每个人都可以创建自己的数据报表后台。”

  要活用这套系统,则需要运用到其中的分析模型。TA系统最常用的一项分析模型是用户行为分析中的事件分析模型,它主要针对目标前后两个事件之间的关联来进行分析,所有的玩家行为都定义为事件。

  根据这个思路,在事件分析中又可以通过增加筛选条件,实现更细节的数据分析。比如分析某三个道具在iOS系统上的每日使用总量,可以选定分析对象为消费道具,追加筛选条件“iOS平台”且“道具ID为指定三个”ID分组,即可获得数据表和图标结果。

  其中,只要数据还能细分,筛选条件就可以根据埋点的维度和分析师的需要,不断追加。比如看不同等级用户使用这些道具的量级。

  通过这些基础操作,系统实时计算玩家的行为数据,生成分析师需要的、指定好的、任意的可视化数据结果,而且可以实时生成最新的数据。

  比如游戏行业常说的次留、三留、七留、三十留,看起来是多个数据,但可以定义初始事件为新增用户新增设备,注册回访事件为登录,分析这两个数据,就可以得到新增用户每天的登录比率,对应每天的留存情况。

  同样,通过增加筛选条件,可以进行分组,看不同渠道的留存,不同设备系统的留存。

  如果改变筛选条件,将初始事件换成登录,那么之后回访事件是再次登录的情况,就相当于是活跃用户的留存。同样根据时间、设备、系统、区服等一系列条件,就可以筛选出具体某个条件下的活跃用户留存情况。

  每日登录行为,与时间多少无关。在事件分析中,只需要选择新增用户这一对象,筛选他们的每日登录行为,就可以得到对应每一天的留存情况。

  还有一种常见的分析手段是用户群下钻分析,比如通过事件分析得到结果,12月10日有201人使用了一种道具,那么就可以点击人数查看对应的用户分别是哪些。

  除了查看这些人群的细分属性之外,还可以点击角标为该组人群进行分组,分组完成后,又可以通过不同分析模型中指定这一群组为用户属性,来看他们后续的不同游戏行为表现,做更具针对性的数据分析。

  在上述基础的细分、下钻、组合等常见的分析思路之外,TA平台还设计了一些复杂的分析工具,比如通过编辑公式来计算每一关关卡胜率、通过累计人均充值来计算LTV、是用回访事件指定升级数来看新增用户花了多久升到十级,甚至是设计一条黄金转化路线来看每个节点的实际转化效果。

  此外,还有观测用户不同时段行为的分布分析模型,以及观测用户在做多件事之间行为串联的路径分析模型。TA平台甚至支持自定义虚拟属性,通过创建虚拟属性和虚拟事件,撰写表达式,来组合成为新的属性。再通过新属性,去定制化地对应不同场景进行分析。

  在进行多维度的数据分析之后,分析师还可以选择保存数据,最终在主界面的看板中生成图表,而想要获得哪些不同维度的报表,呈现一份怎样的综合数据,就看分析师自己的思路和选择了。

  TA平台从最初只有事件分析一个功能,变成了现在囊括行为分析、用户分析两大板块,总共八大分析模型的系统。在优化过程中,数数科技一直在吸收游戏厂商的核心诉求,去提炼新的功能,现在他们的优化需求,已经排到了明年四月份,厂商对数据分析的诉求十分旺盛,而且越来越多样化。

  这套系统集数据采集、存储建模、分析展示为一体,又集成了很多分析模型,其实已经降低了上手分析的门槛,更不用说它底层强大的数据处理能力了。能想象,对于那些重视数据的从业者来说,有这样一个便捷的工具对日常工作的帮助一定非常大。

  就像吕承通希望的,去建立一个数据分析的标尺,“让数据像水、电一样自由流通,拧开开关即可使用,人人都是数据分析师,人人都可利用数据创造价值。”他觉得数据分析这件事正在朝着正确的方向迭代,还有更多可以提升的空间。

  在今后的游戏市场上,随着产品生命周期拉长,越来越多的游戏还会继续加入精细运营的行列,经典老产品、优秀新品、新生代力作、大厂主力产品的混战,势必会愈发激烈。而如今,这场多方角逐的拉锯战当中,已经有一百多家厂商,借助深度的数据分析,开始摸索自己的方法论备战长线了。

分享到:
您使用的浏览器版本过低,不仅存在较多的安全漏洞,也无法完美支持最新的web技术和标准,请更新高版本浏览器!!