1700431935
3.8 视频游戏：遥测数据的价值
1700431936
1700431937
遥测数据是视频游戏产业的一个术语，用来描述捕捉游戏活动的状况。其概念与我们在第2章所讲的网络大数据无异，这是因为遥测数据收集的是玩家在游戏中的活动情况。遥测数据的收集对象多数情况是在线游戏而非掌上游戏。
1700431938
1700431939
在曲棍球比赛中，遥测数据收集的是运动员在击球进门时，何时进的球，用的哪种击球方法，球速多少。在战争游戏中，遥测数据收集的是用哪种枪械开的火，在哪里开的火，向哪个方向开的火，枪械对各种东西的破坏程度。从理论上讲，相关场景和活动的所有细节都能够被收集到。
1700431940
1700431941
视频游戏制造商从中不仅可以很容易地了解到有多少客户购买了游戏软件，还能知道游戏被玩了多少个小时。使用遥测数据，游戏制造商可以了解到客户的私人信息，他们实际的玩法，他们是如何与自己创建的游戏进行交互的。我们收集到的游戏数据可能会很大，但视频游戏行业已经开始积极地分析这些数据了。遥测数据对很多领域都产生了影响。从遥测数据的优势和用途来看，很容易发现它和网络数据之间的相似性。下面我们来看一些例子。
1700431942
1700431943
使用遥测数据
1700431944
1700431945
许多游戏都通过订阅模式挣钱，因此维持刷新率对这些游戏就会非常重要。通过挖掘玩家的游戏模式，我们就可以了解到哪些游戏行为是与刷新率相关的，哪些是无关的。例如，也许在体育游戏比赛时，使用某些辅助功能会大大提升刷新率。游戏制造商会采取措施来吸引玩家尝试比赛，以诱使他们使用以前不曾使用过的功能。
1700431946
1700431947
遥测数据只会越来越大
1700431948
1700431949
现在，遥测数据捕捉的对象大多是控制手柄或键盘行为。随着交互式游戏的发展，它们可以做到跟踪玩家的动作，而不是依赖于控制手柄，数据量也会因此激增。了解玩家在什么时间按下了什么按钮，这类数据量要比了解他身体上的某个部位在某个时刻的空间位置以及移动方向和速度小得多。
1700431950
1700431951
比较新的游戏往往喜欢让玩家花一点小钱在游戏过程中购买物品，这就是所谓的微交易（microtransaction）。例如，一种特殊的武器只卖10美分。我们可以对游戏进行分析，识别出在哪些地方这类微交易的成功率会比较高。也许游戏中的某个地点提供一种非常顺手的武器，这种武器会引起玩家的疯抢。我们可以使用屏幕的快速提示来告诉玩家现在有武器可以购买，这样许多玩家都会选择购买该武器装备。
1700431952
1700431953
与其他行业类似，在视频游戏产业中，客户满意度同样也是一个大问题。视频游戏的独特之处在于要设置一条非常非常精彩的行进路线。游戏要给玩家提供挑战机会，但挑战不能过度，过度的挑战会让玩家有挫败感进而放弃游戏。如果游戏过于简单或者过于复杂，玩家就会感到厌倦并转向其他游戏。
1700431954
1700431955
通过游戏分析，我们能够识别出游戏中哪些关卡每名玩家都能轻松过关，哪些关卡即使是最顶级的玩家也很难过关。我们可以增加或减少这些地方的敌人，尽量使难度等级比较平衡。平衡的游戏难度等级可以为玩家提供更加一致的体验，也会让他们更有满足感。这样会导致更高的刷新率和更多的购买行为。
1700431956
1700431957
通过遥测数据，玩家还可以根据游戏风格进行分类。使用这类信息既可以设计出更优秀的游戏，又能交叉销售现有的产品。其中某个玩家族群可以全身心地投入到游戏通关中，而另一个玩家族群可以负责在通关前收集所有的奖品，最后一个玩家族群则可以在收关前探索关卡中的所有角落。通过这种组合，每个玩家都可以在游戏中使用自己最喜欢的游戏方法进行训练。
1700431958
1700431959
遥测数据能够了解到玩家的认知层次，基于此可以改变整个游戏业。游戏业已经开始使用遥测数据，相信在不久的将来这个领域将会得到长足的发展。依据遥测数据分析的效果，游戏制作和推广的方式将会发生巨大的改变。
1700431960
1700431962
3.9 电信业与其他行业：社交网络数据的价值
1700431963
1700431964
与传统数据相比，社交网络数据本身就是一种大数据源，即使从很多方面来看，它更像是一种分析方法学。其中的原因在于，执行社交网络分析的过程需要处理已经无比庞大的数据集，此外，还要使用行之有效的方法将处理规模提升几个数量级。
1700431965
1700431966
有人会争辩说，移动运营商拿到的全部移动电话的话单或者短信记录本身就是大数据，且这种数据可以用于多种用途。但是，社交网络分析关注多个关系维度而非单个维度，从而可以做到更上一层楼。这也就是社交网络分析可以把传统的数据源变成大数据的原因。
1700431967
1700431968
对于现代电话公司，仅仅看通话量是不够的，电话公司还需要把通话作为独立实体进行分析。社交网络分析首先要看有哪些人参与了通话，然后再用更深入的视角进行分析。我们不仅要知道自己给谁打了电话，还要知道我致电的那个人还给谁打了电话，这些人接下来又打给了什么人，依此类推。要想得到社交网络的全景图，我们就得触及系统能够处理的上限。多层客户与客户之间的导航关联以及多层通话都会使得数据量倍增。此外，它还增加了分析的难度，尤其是使用传统工具时的分析难度。
1700431969
1700431970
同样的概念也适用于社交网络站点。通过分析社交网络中的某个成员，不难分析出这个成员有多少关联关系，她发短信的频率，她访问站点的频率，以及其他一些指标。但是，当成员与其朋友、与朋友的朋友、与朋友的朋友的朋友都有关联关系时，这时了解网络边界所需要的处理量就会大得多。
1700431971
1700431972
一千个成员或用户不难跟踪。但是，他们之间的直接关联关系会上升到百万级别，而再考虑到“朋友的朋友”则会升至十亿级别。这就是社交网络分析是一个大数据问题的原因所在。今天，已经有了大量的应用来分析这种关联关系。
1700431973
1700431974
使用社交网络数据
1700431975
1700431976
社交网络数据及分析有一些影响深远的应用，其中一种重要的应用正在改变着公司评价客户的行为。和以前只看个人的情况不同，现在参考的是他们的网络整体价值。我们这里谈的例子也同样适用于许多其他的行业，在这些行业里我们同样需要了解人与人或者群体与群体之间的关系，但现在我们关注的是手机用户，因为在这里这种方法的应用范围最广。
1700431977
1700431978
假定电信运营商有一个价值相对较低的用户。这名用户只有基本的通话需求，不会为运营商带来任何增值收入。事实也是，不能创造利润的客户就是没有价值的。运营商以往的作法是，只根据他或她的个人账户来对其进行评价。以前如果这名客户打电话投诉或者威胁要更换运营商，公司可能不会挽留他，因为它们认为这名客户并不值得挽留。
1700431979
1700431980
使用社交网络分析技术，虽然我们的客户通话账单看似价值不高，但我们可以识别出客户曾经和某些人通过电话，而这些人是有着广泛交际圈的重量级人物。换句话说，客户联系对运营商而言是非常有价值的信息。研究表明，一旦某位成员离开通话的圈子，其他成员很可能会跟着离开，更多的成员开始离开，就像传染病一样。很快，圈内成员开始雪崩般地离开，显然这是坏事一桩。
1700431981
1700431982
超越个人价值
1700431983
[
上一页 ]
[ :1.700431934e+09 ]
[
下一页 ]