文档介绍:游戏数据运营解决方案
行业综述
随着游戏行业市场竞争局面的扩大,玩家对于品质的要求越来越高,
游戏项目的生命周期越来越短,直接影响项目的投入产出比,通过数
据运营则可以有效的延长项目的生命周期, 对各个阶段的业务走向进
行精准把控。而随着流量成本的日益上升,如何构建经济、高效的精
细化数据运营体系,以更好的支撑业务发展,也变得愈发重要起来。
帛俘隔的叁
便幼的潦・只剑遗72。珀的阶塞
在这样的背景下,越来越多的游戏企业加入到数据运营行列, 也促进
第三方数据公司 TalkingData 、 Dataeye 、
友盟、 热云数据等就是在这一个时代中快速成长起来的。 但同时受限
于业务理解, 通用平台往往无法满足游戏企业的定制化需求, 所以随
着业务的发展,最终还是要选择自建数据分析平台——因为技术门
槛、 资源投入等原因,目前大部分游戏企业只实现了数据统计, 少部
分企业实现了数据挖掘,在深度学习层面目前趋近空白。
业务需求及痛点分析
按照游戏领域的行业细分, 不同类型的公司对数据化运营的业务需求
各有侧重,构建数据化运营平台的技术手段也表现为不同的方式。
按照行业属性,可以将生态中的公司分为游戏研发商、游戏渠道商、
游戏研发商三类, 根据业务特点他们对于数据运营的需求也各有侧重,
从表现形式讲,基础指标集、客户画像、精准投放 & 效果分析、智能 算法等等,不一而足。
基础指标集
游戏研发商
游戏发行商
游戏渠道商
客户画像
精准投放&效 果分析
运营数据分析
智能算法
UV PV 消费金额/…
遁戏编好 行为偏好 消费偏好九
策略制定《渠 道/时机等) 转化/留存了...
实时分析
OLAP分析
/…
数据挖掘 模型训练 预豳…
而从实现数据运营的技术手段来分析, 也分别表现出不同的特征,各 阶段使用的技术栈、驱动因素及演进方向,可以简单通过下图来表述:
Mysql/Stj/Serv^r
小数眠规梗 苣单计算
期短孚的降手将
借助三方平台
麟力领敏惮一
A^ma^g
-Ta!kingData
-Dat^eye
-友初…
粉压力 »Kr«®7 敏露海单一 鲁能崛图求
H^doopAtorrrVs * EM必咏jxmmpH嗓t
pAfk/kAfic^/... reamcotnputti/ADS/d
大裁据番 Sts加曲<2
流式计知复杂H算 -多场金拈,技嘉选用
-流式诘菖售杂计邯海 量裁婚…
阿里云平台
而在这样的业务背景下,传统来料加工、被动响应的数据处理架构, 显然无法匹配数据化运营的分析需求,主要存在的问题:
数据来源单一,缺少精准用户画像,运营策划、实施不能”投
其所好”,用户转化率低;
平台沉淀、积累了大量的数据,但是通过数据驱动业务创新、
辅助决策方面没有经验,导致数据 业务价值的转化率低;
开发定制化,项目实施周期长,响应需求速度慢,无法有效支
撑业务的灵活变化;
数据的应用场景单调,大多只是止于简单的看指标、报表,对
于机器学习等复杂场景缺少技术储备;
阿里云整体解决方案
功能架构
基于阿里云大数据平台,构建一站式数据运营支撑平台
重点简介:
数据采集+数据总线,丰富业务数据源: 基于开源框架封装的
多种数据采集工具,按需选用以支持不同类型的异构数据采集,
丰富业务数据来源,同时配合阿里云提供的流式数据处理服务
( DataHub ) ,轻松构建基于流式数据的高可用,低延迟,高
可扩展,高吞吐的分析和应用;
数据处理 / 数据存储, 支持不同场景的数据化运营需求: 数据处
理/ 数据存储作为总线数据的消费端,提供面向不同应用场景
(实时分析、 OLAP 、离线计算、智能算法等)的数据计算 / 存
储引擎,支持不同层次、视角的数据化运营需求;
、 数据消费,发挥数据在业务创新、辅助决策方面的价值: 基于
底层的数据计算能力,在应用侧通过阿里云提供的可视化大屏
( DataV ) 、数据分析配置工具( Quick BI )轻松构建不同场景
的数据分析应用,充分发挥数据的业务价值
数据运营平台基础数据框架
重点简介:
Datahub :
a)实时、高吞吐的并发数据处理能力;
b)数据自动冗余多份,高可用性保障;
c)数据流吞吐能力动态伸缩,按需弹性等能力;
Stream Compute
a)支持类SQL语法,深度整合多类云数据存储
b)性能优越,关键指标超越storm6~8倍
c)优化执行引擎,计算任务资源消耗低
主要支持实时数据处理、分析等应用场景;
、 Max