文档介绍：GRG：游戏分析中的可视化动态行为流分析
游戏分析最重要的挑战之一是充分利用定量分析并让每一个人能理解分析的结
果，而不仅仅是那些经验丰富的分析师才能理解。在本文中，我们将描述开发一
个行为概要文件生成方法的全过程，以及如何随着时间的迁移将这些文件可视
化。为了便于理解，我们后面将使用拍卖的行为作为案例来分析，来自于非常有
趣的一款 MMORPG 页游《Glitch》。最后，我们将会讨论为什么这样的可视化
在屏幕中是不错的表现。
游戏可以生成大量的行为数据，这些数据可能是时间序列的也可能是高纬的。例
如，记录玩家在数月内的游戏行为，会有几十种不同类型的行为、活动和相似的
跟踪记录。问题其一是分析这些数据，其二是得出这些数据的分析结果，然后让
相关人士基于这些分析结果做出下一步决策。
在过去的 2-3 年中，数据可视化领域在处理通信数据和分析结果的挑战中不断成
长。在游戏中，鉴于其数据的复杂特性，可视化将是一个相当大的挑战。
贯穿在游戏中的行为分析将是另一个挑战。我们想去熟悉玩家，从而进行行为监
测、销售记录、病毒传播数据的分析等等。提供优质的原始数据，生成和验证行
为概要文件，从而得出玩家的模型组件，这需要一些数据挖掘方面知识。此外，
随着时间的推移，玩家的行为会不断改变，所以描述文件必须是动态的。
在本文中，我们会试图应对这两个挑战，专注于游戏内行为监测（游戏玩法监测）
和一个独特的机器学****方法：集群。我们所呈现的不会在所有情况下有效，集群
构建配置文件也不是唯一途径，但它将提供一个生成行为概要文件的有效性，并
作为时间函数的动态可视化的案例（我们希望如此）。
我们将采用《Glitch》为例子。由 Tiny Speck 开发的这款热门的 MMORPG 页
游，已经上线大约 14 个月，拥有超过 2W 的玩家。我们需要关注的重点是这些
玩家的交易行为，在游戏的整个生命周期中，大约生成 300 万次拍卖和超过 650
款物品，并且高达 85%的成功率。
《Glitch》在游戏中使用一种软货币——醋栗。玩家可以通过探索、研磨/收获
或者售卖给其他玩家来获得此货币。与其他的 MMO 游戏类似，玩家可以将此
物品挂在拍卖行。3 天的期限，Tiny Speck 会从这些交易中抽取少量的费用。
将玩家分组
真正了解玩家的最好办法是细分玩家，将玩家分配到一个或多个特征的组中，例
如：年龄、所在地区、是否付费、流失率等等。研究领域越紧密则会导致不同玩
家群体更明确；而且可以用来评估参与度，A/B 测试，封测情况等等。这就是为
什么游戏分析工具值得去做某种形式的功能分割（包括队列分析和漏斗分析）。
非监督式的数据挖掘——是指我们不对我们关注的数据做任何类别的假设（概