数据分析留住更多游戏用户在,2022新智能•消费趋势报告

分析师认为：虽然棋牌游戏玩家众多，能真正留住用户更多时间的当属那些自身拥有文化底蕴的棋牌游戏，毕竟能在历史长河中留存下来，其影响力早已得到见证，加上专业游戏企业的包装、运营与推广，想要在棋牌游戏市场中拔得头筹并非难事。由于棋牌游戏在玩法上的创新空间有限，尤其是在实时竞技的游戏过程中，出现挂机、作弊等现象对用户的游戏体验伤害很大,很多棋牌产品也在极力避免这种情况,其中懒熊斗地主的代码公开模式是很大胆的一种尝试，在众多同质游戏中要想留住用户，公平、公正、公开是很重要的一种营销策略。

公众号数据怎么分析完整数据？

如果是运营者，则侧重看公众号的近期头条或次条的阅读量趋势，近30天热门文章等等；如果是广告主则会侧重看公众号的广告投放价值及质量分析。关于第二个问题要怎么去分析，这里发一篇之前写过的文章如何分析公众号质量及投放价值，看这一篇就够了！什么样的公众号质量好？什么样的公众号具备更高的投放价值？对运营者来说，如何在竞争激烈且相对饱和的市场中占有自己的一席之地？对广告主来说，如何通过数据分析综合判断一个号的投放价值？为了解决上述这些疑问，我们通过样本研究各行业KOL历史发文数据，结合不同类型的广告主及媒介团队的投放经验，总结出今天这篇文章，内容较长。

Q1什么样的公众号质量好？高原创比当流量红利消失，用户对所阅读的内容要求越来越高，单纯靠转载、复制粘贴的流量号想要留住粘性粉丝的能力也越发困难，而愿意投入时间精力去坚持原创的运营者往往对内容质量的把关也会更加严格。从下图就能明显看出用户对原创文章的认可度，虽然发文位置在5条、6条，但阅读却超过了排在前面的文章，从点赞和评论数据来看也能反映出用户对原创内容的认可度都是高于非原创文章的。

（图例：公众号凯叔讲故事历史发文数据）再举例之前给大家推荐过的一个账号【匡北北】，作为漫画号他们的原创能力极高，每篇文章的精选留言及作者回复基本都在40条以上，评论数点赞数也基本都在三位数。我们发现往往原创比例越高的号，粉丝的粘性也越强、活跃度越高。因此我们通过公众号的发文原创比例结合西瓜指数做了个公众号原创排行榜，对原创类账号感兴趣的朋友可以登录西瓜数据官网查看更多排名。

（图例：西瓜数据原创类公众号排名）高精选留言及评论点赞上面的截图中其实也有这个数据，精选留言越多代表文章的全部留言数大概率也越多，而留言是最能直观反映用户活跃度的指标之一。我们经常看到一篇爆文，正文内容下拉到一半就结束了，剩下一半全都是留言，这类公众号的活跃度可以算是非常高了。其次就是评论的点赞数，因为精选评论是运营者通过筛选展示出来的，数量都不会特别高，但评论的点赞数却能看出其余读者对文章的关注度以及对作者的认同程度。

（图例：公众号匡北北历史发文数据）发文频率高且时间固定绝大多数优质的公众号都能保持频繁的推文，这样可以保持粉丝的粘性，也代表公众号的运营者投入了许多时间与精力或是拥有一定规模的运营团队。许多对运营质量要求很严的号主都会设定相对固定的发文时间，这么做是为了培养用户的阅读习惯，同时也为了督促自己按时截稿，保持创作效率。

许多情感号的发文时间都集中在晚上9点后，因为这一时段人们的情感活动是敏感的。（图例：公众号有趣青年历史发文数据）高赞赏及好看数虽然公众号将“点赞”改为“在看”后整体的在看率有所下滑，但很多优质账号的在看率并没有受到影响，特别是在（微信-发现）这一渠道增加了看一看的文章入口后，也有很多号主开始重视引导用户点击在看。

赞赏数是用户用真金白银支持运营者的，如果作者收到的赞赏数越多也能反映出粉丝对内容质量的认可。因此我们也根据公众号发文获得的赞赏数进行了排名，生成了公众号赞赏排行榜。（图例：公众号桌子的生活观历史发文数据）（图例：西瓜数据公众号赞赏排行榜）阅读来源及传播数据分析微信之父张小龙曾经说过：“早期的公众号有一个特别好的现象，当时的公众号阅读量其实70%、80%来自朋友圈的转发，只有20%、30%是来自于订阅号的。

它符合一个二八定律，有20%的人去挑选信息，有80%的人去获益，通过20%的人挑选去阅读文章。”这一点从图文的传播比率及来源数据就能直观看出。上图这种情况是公众号日常发文最常见的现象，一次传播的阅读大于二次传播（二次传播指的是用户在未关注公众号的情况下，在朋友圈点击阅读或者在朋友圈再次分享传播的行为）。

相比一次传播，二次传播更加能够说明该篇文章推送的传播力和影响力，是深度传播，比一次传播的数据更有价值。如果二次传播的阅读大于一次传播，这种文章往往有两种可能，一是爆文、二就是刷阅读了，因为正常情况下如果是广告文章二次传播肯定是要低于一次传播的。（下图为二次传播大于一次传播）阅读跳出率低近期公众号后台刚刚更新阅读完成情况数据对号主及广告主来说都是利好。

正常情况下，粉丝都会将文章内容看完后在关闭，因此跳出率最高的地方应该在文末。而如果是机刷或者人工刷阅读基本是不会浏览到文章底部再退出，因此刷阅读的文章跳出比例最高的部分往往在开头部分。广告主可以借此判断公众号的质量，也可以分析自己的广告文案对用户的吸引程度，而号主也可以用来分析读者喜好从而优化推文内容。

运营公众号菜单公众号拥有自己的菜单栏也是大多数优质号都有的共性。菜单栏通常会放的栏目有往期文章、合作联系方式、自有商城等等，一方面提供内容服务，一方面提供功能服务。如果运营者会花时间去运营管理菜单栏，通常质量都比没有菜单栏的号要好些。很多专门“做号”的人是没有时间去做这个运营动作的，因为他们要把精力都花在怎么把数据做的“好看”上。

违规记录少不考虑其他因素，违规记录越少的公众号显然价值更高，比如在出售公众号时，违规记录会影响公众号的交易价值。要把一个账号运营起来并不容易，优质号主们都很爱惜自己的羽毛，规则红线不会去触碰，对广告的要求也更高。Q2什么样的公众号更具备投放价值？一个号的广告投放价值是相对而言的，对不同的广告来说，同一个号的价值可能完全不同，主要还是跟粉丝画像有关。

我们今天就不讨论个例，而是说一些共性的地方。通常广告主们会通过以下几点做判断：粉丝数虽然粉丝数是能最直观反应公众号体量的数据，但我们并不建议广告主们单纯根据这个数据进行议价甚至投放，原因有两点：1、粉丝数并不代表实际阅读人数，关注公众号的人并不一定都会看公众号的推文，还有一些僵尸粉也是无法监测到的；2、粉丝数是最容易PS的...粉丝活跃度判断粉丝活跃度的方法就是上述提到的公众号评论数、评论点赞数、作者回复点赞数这些最直观的数据，通常情况下开通留言功能的号粉丝活跃度会比没有开通留言的号要高很多。

（图例：公众号不会画出版社历史发文数据）另外的渠道就是查看公众号后台的新增消息数，消息越多代表粉丝活跃度越高。平均阅读相较于粉丝数而已，日常发文的平均阅读才是反应一个公众号真实影响力的重要指标之一。大多数公众号的头条与次条阅读量比在2:1-5:1之间，如果更多些有可能是头条爆文导致的。如果出现10:1就是有点问题了。

广告平均阅读对于精明的广告主而言，他们除了看日常发文的平均阅读之外，可能更在意公众号发广告时的表现，由于广告文章的转发人数都会比普通发文低很多，所以广告的阅读量不会比平时的高，这就涉及到广告报价的问题。如果按平均阅读来计算成本，正常阅读有1w，报价1w，单阅读成本看似是1元。但其实广告文章的阅读一般都只有2k，那实际投放的单阅读成本则应该是5元！这也是许多广告主的roi达不到预期的原因之一，在合算成本时就估错了。

借助西瓜数据的历史广告统计数据就能快速查看公众号的头条广告平均阅读与次条广告平均阅读数据，帮助广告主们更高效的制定投放决策。广告复投次数另一个很有说服力的数据就是公众号的历史复投情况，如果一个号被同一个广告多次复投过，说明这个号的转化效果应该是不错的。借助西瓜数据的广告分析工具也能快速找到这些高复投的公众号。

大数据时代如何进行数据分析？

在如今的大数据时代，数据对于任何一个面向客户的企业来说都是必不可少的，例如在淘宝或短视频平台进行用户的偏好推荐等都是依靠大数据支撑。在企业中，企业的运营和决策也是离不开大数据的分析。一个好的企业对于数据的分析，根据数据的流动推演出未来的方案的实施是必不可少的。我认为在数据分析过程中主要是分为六步，识别信息需求、收集数据、分析数据、数据分析的过程中进行改进、初步得出数据的分析结果、多次验证数据分析、降低误差。

1. 识别信息需求：在收集大数据的过程中首先就是要明确哪些是企业需要进行收集的数据，哪些是有用的，哪些是无用的，对于数据进行甄别和筛选是数据分析的基础也是最重要的一步。2. 收集数据：在明确了信息的需求后就要进行数据的收集，可以根据指定用户的多次阅览，或对公司下客户的产品使用情况进行数据采集和整理，这种数据越多越好，越详细越好，只有更加的细致才会在分析的过程中减少误差。

3. 分析数据：在采集完数据后，需要找到公司内相关的专业人士，对实际进行分析和交流，明确数据反映出来的实际情况和未来的数据走向。4. 数据分析的过程中进行改进：在分析的过程中，并不会一次性得出结论，需要在多次的会议中收集每个人的相关意见，进行归纳整理，并根据意见对分析结果进行调整和改进。5. 初步得出数据的分析结果：在分析结束后，对于本次得出的结果并不会用于完全的使用，还需要对初步得出的结果数据进行实践操作，根据实际反映的情况对数据分析的结论进行调整和优化。

6. 多次验证数据分析、降低误差：初步分析结果出来后，并进行多次验证后，最终将完整并准确的数据结论进行整理，并根据结果反馈给用户。在大数据时代，进行数据分析有助于实时准确地监控、追踪竞争对手动态，是企业获取竞争情报的利器；有助于及时获取竞争对手的公开信息以便研究同行业的发展与市场需求，有助于为企业决策部门和管理层提供便捷、多途径的企业战略决策工具。

棋牌游戏长时间发展怎样确保用户留存率？

作为中华文化的重要组成部分，棋牌文化在中国已传承千年之久，正是凭借如此深厚的文化底蕴，棋牌游戏早已贯穿于人们的娱乐生活之中。随着棋牌游戏与移动网络的结合，摆脱了以往固定棋牌室游戏环境的约束，以不受限制的游戏环境和丰富的玩法获得更多年轻人的青睐。棋牌游戏的性质决定了的用户高留存率，对游戏更加忠诚。根据数据显示，2017 年，Android 和 IOS的游戏用户 7日留存率榜位居榜首的游戏类型都是棋牌类，并且无论是Android 还是IOS，棋牌类游戏的7日留存率均超过了10%，由此可见棋牌类游戏的用户普遍粘性较大，生命周期长。

在众多棋牌游戏中，当属斗地主和麻将最受玩家追捧。麻将是一种娱乐性极强的大众游戏，在中国棋牌文化中占据重要的位置甚至在国外也一度掀起热潮。而斗地主作为纸牌游戏的代表，同样拥有悠久的历史，相对于麻将而言，更简单易上手，使得男女老少都能参与。棋牌游戏市场参与者众多，一个类型往往拥有多个同质游戏，在棋牌游戏市场中，由腾讯、博雅、JJ、联众、途游等公司领头。

速途研究院统计360应用市场、应用宝、豌豆荚和百度应用市场中几款热门棋牌游戏的下载量。其中欢乐斗地主以96119万次下载量居于首位，腾讯的产品最不缺的就是用户。众多棋牌游戏各有各的特色，其中比赛模式是很大的一个亮点，有实物挑战赛，红包赛等等。红包赛目前做的最好的当属途游斗地主、其次是懒熊斗地主，懒熊斗地主的红包合成模式很有特色，大有后来居上之势，值得一玩。

分析师认为：虽然棋牌游戏玩家众多，但是能真正留住用户更多时间的当属那些自身拥有文化底蕴的棋牌游戏，毕竟能在历史长河中留存下来，其影响力早已得到见证，加上专业游戏企业的包装、运营与推广，想要在棋牌游戏市场中拔得头筹并非难事。由于棋牌游戏在玩法上的创新空间有限，尤其是在实时竞技的游戏过程中，出现挂机、作弊等现象对用户的游戏体验伤害很大,很多棋牌产品也在极力避免这种情况,其中懒熊斗地主的代码公开模式是很大胆的一种尝试，在众多同质游戏中要想留住用户，公平、公正、公开是很重要的一种营销策略。

大数据、数据分析和数据挖掘的区别是什么？

对于很多人来讲，这几个概念经常分不清，我当初入门的时候也一样，只不过那时候没有大数据的概念，作为一个数据分析从业者，其实并不需要关注这些名字直接的本质区别，只要明白一件事，数据最终是为了决策服务。鉴于大家对此还是有些好奇，这里我大概说说我的理解，希望和各位有所交流，不足之处还望大家指正。先看看数据分析与数据挖掘的区别：首先要搞懂，什么是数据，什么是信息，这两者本质的区别就是数据是存在的，不用人脑，而信息是需要人脑进行处理，上面意思呢？比如你装修完了房子，打算开始买家具，那么第一件事就是用尺子量房屋各处的长度和宽度，这些都是可以主观的看到的，客观存在的，这就是数据，而信息则不同，例如你要去买沙发，你会说，我们放5米的沙发刚好，4米的有些短，看着不大气，6米的太大了，看着不美观，那这种就属于信息，是需要人们经过大脑去判断的，属于主观，判断的依据就是数据（客观存在）。

其次，数据分析是对客观存在的已知的数据，通过各类维度的分析，得出一个结论，例如我们发现用户注册量下降：可以从:区域上看，某区域的注册量下降了x%渠道方面，搜索引擎带来的注册了下降了X%年龄来看，20岁~30岁的注册量下降了X%等等，这样不同的业务类型去看过去一段时间发展的趋势来做结论判断。数据挖掘则更注重洞察数据本身的关系，从而获得一些非显型的结论，这是我们从数据分析中无法得到了，例如关联分析可以知道啤酒与尿布的关系、决策树可以知道你购买的概率、聚类分析可以知道你和谁类似，等等，重在从各个维度去发现数据之间的内在联系因此两者的目的不一样，数据分析是有明确的分析群体，就是对群体进行各个维度的拆、分、组合，来找到问题的所在，而数据发挖掘的目标群体是不确定的，需要我们更多是是从数据的内在联系上去分析，从而结合业务、用户、数据进行更多的洞察解读。

举个例子来理解一下：比如一个分析师一直单身，想去找一个女朋友，他可以很迅速的知道这个女孩的身高、收入、学历等，但无法从这些数据中获知这个女孩是不是适合自己、她的性格如何，这时我们就需要从一些日常行为的数据进行推断，一种是主观的推断，我觉得、我估计、我认为，不可能在一起另一种是客观 主观的推断，比如整合微博数据（可以知道微博的内容、发送行为、关注的领域等），和自己的行为进行数据挖掘，来看看数据内在的匹配度有多高，这时候，你会说，我们在一起的概率有90%，从而建立信心，开始行动.....当然统计学上讲，100%的概率都未必发生，0%的概率都未必不发生，这只是小概率事件，不要让这个成为你脱单的绊脚石。

最后，思考的方式不同，一般来讲，数据分析是根据客观的数据进行不断的验证和假设，而数据挖掘是没有假设的，但你也要根据模型的输出给出你评判的标准。我们经常做分析的时候，数据分析需要的思维性更强一些，更多是运用结构化、MECE的思考方式，类似程序中的IF else分析框架（假设） 客观问题（数据分析）=结论（主观判断）而数据挖掘大多数是大而全，多而精，数据越多模型越可能精确，变量越多，数据之间的关系越明确什么变量都要，先从模型的意义上选变量（大而全，多而精），之后根据变量的相关系程度、替代关系、重要性等几个方面去筛选，最后全扔到模型里面，最后从模型的参数和解读的意义来判断这种方式合不合理。

以上就是我认为的三个区别，其实不论数据分析还是数据挖掘，能抓住老鼠的就是好猫，真的没必要纠结他们之前的区别，难道你给领导汇报时，第一部分是数据分析得出，第二部分是数据挖掘得出？他们只关注你分析的逻辑、呈现的方式。下来说说我理解的大数据，常常有人问我，感觉现在的大数据分析培训和讲解，都是把之前的各类数据分析资料，前面加了了“大”，然后变成了大数据分析培训....,其实想一想这位兄弟说的真TM对。

大数据对我的感觉并不是数据量大，也不是数据复杂，这些都可以用工具和技术去处理，而是它可以做到千人千面，而且是实时判断规则例如定向广告的推送，就是大数据，它根据你以往的浏览行为，可以准确的给你推相关的信息，基本做到了你一个人就是一个数据库，而不是一条数据。但我们所作的数据分析更多是针对群体的，而非针对每个个人。

要做到千人前面，侵犯你隐私数据是避免不了的，或多或少都有知道一些，而做到千人千面的大数据不就是要更多的了解你，引导你、杀你、留住你吗？为了达到这类手段，就要不断的去完善自家数据，甚至要购买数据来360度的让你在数据下裸奔，从而解决数据孤岛的问题所以大数据时代也显露出了各类问题，数据的隐私、数据杀熟、数据孤岛等，这也许就是我们目前看到大数据分析更看重的是技术、手段的原因，它其实是一门纯技术，但有时候确实可能需要艺术。

如果你有孩子正值青春期，他天天玩游戏你怎么办？

解決孩子沉迷手机的问题首先要找到问题的根本原因所在，然后再对症下药这样才能更好、更快速的解決孩子的“网瘾”问题。很多网友说没有“网瘾“这一说法，的确，“网瘾”这说法可能说得有点重，孩子为什么会深陷手机游戏？这跟家庭教育环境和社会环境有关，举个例子说吧！在日常家庭环境中，父母对孩子的关心很少回到家由于一天的工作压力想放松放松，拿出手机玩几局游戏、刷一刷抖音等等，给孩子的陪伴太少潜移默化中慢慢地影响到了孩子。

孩子心理会怎么想呢？既然你们能玩为什么我不能玩，久而久之孩子由于最初的接触到最后的沉迷，因为手机游戏的设计用户粘度非常的高，这是因为游戏在开发时做了大量的心理数据分析。请你千万不要小看这些心理数据分析，它足以让千万青少年深陷手机网络游戏当中，因为孩子们的意志力、自我控制能力非常的薄弱，不单单只是孩子，连成年人对手机游戏的诱惑都是无法抵挡的。

在电商运营中，你觉得数据分析有多重要呢？为什么？

谢谢邀请！数据分析在电商的运营过程中一直是比较重要的内容，相关的工作岗位也比较多，运营的参与人员几乎都要具备一定的数据分析能力，一些大的电商平台会有专门的团队来进行各种数据分析。可以说，数据分析是运营团队制定策略的重要参考。在大数据时代背景下，数据采集的渠道得到了扩展，数据的维度也得到了全面的提升，这会进一步提升数据分析的价值。

对于电商运营人员来说，通过数据分析能体现出以下几个重要的内容：第一：用户来源。用户注册数量是运营人员关心的重要指标，对于运营人员来说，每天的用户增长量几乎是必看的内容。那么，对于新增用户的来源分析就是一个重要的数据分析任务，通过分析新用户的来源来制定相应的推广策略是比较常见的做法。第二：使用频次。电商产品的使用频次能够体现出产品自身的健康程度，使用频次目前已经有了非常详细的划分，包括主页面的打开频次、不同功能页面的打开频次等内容，另外还有活跃用户的使用频次等等。

使用频次能够发现哪些功能是用户关心的，那么就需要进一步拓展这些功能，而那些用户并不关心的功能，就应该做出适当的调整。第三：活动效果。电商平台会不定期举办各种类型的活动，每一次活动的效果都需要通过数据分析来进行呈现。通过数据分析能够发现哪些活动的效果好，哪些活动需要进行调整，哪些活动需要停办等等。随着电商的不断发展，当前电商平台的活动频次非常高，而验证各个活动的效果就需要数据分析了。

通常情况下，数据分析的工具还是比较多的，比如Excel以及各种BI工具就比较常见。对于专业数据分析人员来说，则需要掌握Python、Mysql、SPSS等工具。另外，算法设计是数据分析人员需要掌握的重要内容。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续在头条写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。