首家大数据培训挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

游戏价值和数据分析新思路

于2017-04-01由小牛君创建

分享到:


作者:打不死的小强

本文为昆仑游戏内部对于游戏价值和数据分析的思路。

三种基本行为的定义

1、注入,所有的增加游戏生命的行为,游戏生命是游戏对于玩家的精神价值。

2、支取,用游戏生命换取玩家的时间,精力和金钱的行为。

3、交换,游戏生命在游戏内部转换,类似投资的行为。

一般从业者多少都会从他们自己的角度感受到游戏生命的存在,当他们说到“游戏品质”这个词汇,或者是“绿色游戏生态”这个概念的时候。

但这些想法以前无法成为一个完整的体系,各种思索还处在孤立无援,懵懂无知的阶段。

游戏生命论,旨在将模糊的感觉归于清晰,将感性认识归于理性,将对过往经验的总结转变为能指导今后工作的实实在在的东西。它并不超越任何一款游戏的创作,而是通过悉心观察后得出的规律性总结。

将游戏比喻为生命,不是为了抒情。而是因为依我看,两者的历程极其相似,尤其是在死亡那个阶段。以生命,这个人类最为熟悉的事物作为比喻,能更简单直白地表达观点。

第一章:游戏的价值

对于游戏的价值,《快乐之道》说得很详细,在此不再赘述。游戏给人提供了多种积极意义,这些意义通过体验产生,当意义实现之后,体验本身就会衰减,直到玩家认为已经足够了。这种衰减过程是不可抗拒的,它是人类赖以适应环境的核心机制,任何试图改变它的努力都将徒劳无功,这个规律也是游戏生命论的基本根据之一。

游戏提供的价值一般是精神上的,模式的学习,技巧的学习,提升感,社交练习等等,这些精神意义是游戏价值的本源。多肽恰到好处地发挥它的反馈机制,于是一个流产生了,它促使人沉迷于游戏。

但同时另一个负反馈机制也会产生,就像我们吃多了糖会腻一样,它告诉感官,我已经完全掌握了模式、升级也不过如此而已、我该和游戏里的情人见面了……由此,游戏向对于这个人的价值濒临枯竭,而众多的类似历程,汇聚成了游戏的生命的本质。也正是因为如此,游戏生命和人的生命如此相近。

我将游戏的一生划分为两个过程,孕育和死亡。

孕育的时候,我们应当竭尽所能地为游戏注入生命,只有真正给玩家产生精神价值的东西才是生命。可惜的是,国内从业者大多数的时候做的并不是这个。

死亡的过程,也是收获的过程。我们收获的实际上就是游戏生命在消亡的过程中散发的能量。游戏到底具有多少生命,孕育的时候并没有人知道,反而是死亡的过程,才真正昭示出游戏在孕育的过程中到底积累了多少生命。

以下,生命,价值,势,指的都是游戏生命,只是在不同的情景用不同的称谓习惯而已。

生命,当使用比喻的时候,会用到生命这个词。

价值,大多数时候都会用这个词,便于理解的普遍意义。

势,当我考虑游戏生命的转化为其他价值的时候会使用势这个概念。

我不喜欢用“游戏品质”这个词,这个词说起来令人伤心。

第二章:我们究竟在卖什么

当有人说“我们卖升级道具,非常好卖”,“我们游戏里一件道具,升满要1万元”。你是否思考过,为什么一小段数据具有如此价值,他们卖的真的是那些道具吗?

那为什么我们不直接设计一个只卖各种收费道具的游戏呢。以前我们对于价值的思考很模糊,将收费和游戏品质独立开来思考。

我倾向于用经济的角度比喻这个问题。如果单独考虑游戏本体,它就像一个金本位制体系,收费道具(对于有些游戏来说是服务)是一种游戏价值的带面额货币,而他们所依赖的黄金,就是游戏价值。每一个“道具货币”的背后所代表的就是一小份游戏价值,每当我们增发一个“道具货币”,市面上的所有“道具货币”的面额都在减少,虽然这种减少不是在瞬间发生的,但早晚会浮动到理论水平。不同的“道具货币”的面额是不同的,所以更新更好的“道具货币”具有明显的贬值效应。

所以我们不可能将过量收费道具建立在相对弱小的游戏价值之上,因为通过类似价值发现等一系列的机制,它们的不对称终将反馈到游戏的收益上,更严重的,请参考抗战时期发金圆券的例子。根据这种不对称的程度,这个价值发现的过程周期也会不同。

而“道具货币”发放不饱和,则也会通过游戏的其他良好数据等,内部转化为其他类型的游戏,如果“货币”过少,游戏价值过饱和,则是对游戏价值的浪费。

我认为“道具货币”存在三种状态,过饱和,不饱和和饥渴。

过饱和和不饱和的临界点是,“道具货币”的发行量是否超出玩家的预期容忍,如果超出则会动摇玩家对“道具货币”的信心,给玩家的心理体验蒙上阴影,从而直接削弱游戏价值。

不饱和和饥渴的临界点是,“道具货币”的发行是否远未满足玩家的心理体验,增发“道具货币”是否能够明显提高玩家的心理体验。

在不饱和的状态下,都是健康的。

简单地以为,发“道具货币”就是抽取游戏生命的过程。游戏的寿命和“道具货币”地发放量成反比。游戏的一生就是一条反比的函数图像。

那么我们应该追求的就是这个函数图像和两个坐标轴之间所围起来的这块收益的最大化。

也可以用另一种内外关联的汇率的角度去想象,RMB和游戏内的等值品是两个国家的两种货币,此时则能用各种平价理论去计算它们之间的汇率。购买力平价理论因为牵扯到双方货币的价值计算,也就是没有一套事先就能客观计算游戏价值的评价体系,所以也难以直接用它提供的方式去计算。

其实怎么看,道理是一样的,本章是为了将原本懵懵懂懂的游戏品质和收费的关系用一个更为理性的方法去解释。虽然游戏价值本身是难以事先估价的,但我们可以假设每个游戏必定有那样一个固定值存在,只是因为主观偏差,我们很难事先估计。随后的章节可能会帮助你更准确地去估计这个值。

第三章:两个世界的联系

把之前的想法说得更加抽象的话,其实是两个世界之间的抽象价值兑换。

为了便于说明,这里将现实世界比喻为A世界,将游戏世界比喻为B世界。

于是,假设有那么几个原则:

1,我们要获取A世界的利益,就必须先投入属于A世界的东西。一般指厂商投入的成本和增值期望。

2,玩家要获取B世界的利益,就必须先投入属于B世界的东西。一般指时间,精力和RMB

3,当我们要取得想要的X世界的利益,必须拿出属于X世界的代价去交换。

4,交换是不等价的,但必然要付出代价。

如果交换必须要在同一世界才能完成,为什么会产生A世界和B世界的交换呢?这里需要纠正一个概念,价值是先产生,然后再出现交换的。首先因为雇佣关系,RMB的价值被注入B世界,然后又出于第一章里说的原理,产生了游戏的价值。任何一处价值产生后,就形成了”势“,就像电势,水势一样,势的存在加上渠道就形成了流动,流动就是交换。所以注入的商业目标是产生势,而不是交换本身。

第四章:孕育,如何注入价值

价值不是由游戏开发产生的,而是由人的欲望产生的。

mmo里主要提供的快感是数值提升型快感,但由于所有游戏都提供,玩家已具有明显的抗体,所以这类型快感很容易衰减。

有些人很富有,他们杀人以实践自己的意义,他们获得了社会型快感(这不是数值提升型快感)。

有些人很喜欢美术风格,他们希望看到更后面的怪物,他们获得了审美型快感。

有些人找到了喜欢的异性玩家,他们获得了性心理型快感。

有些人真的非常非常无聊,他们对于快感的要求门槛非常低。

这里引发了一个重要原则,对于游戏开发者来说,价值不可能创造,只可能发掘。

虽然看似价值的主动权完全掌握在玩家手里,但我们也应该清楚,统计意义上的人是多么的盲目。大多数人的欲望大同小异,各种心理学流派早有论述。

而我们应该做的是,尽量触及更多的欲望,而不是在一个欲望上堆砌更多的内容(也有业者称其为追求)。

事实上,人的欲望是我们所能提供价值的上限,一旦在某个欲望上提供了过分的内容,则毫无益处,反而会促进感官的衰减,缩短游戏的生命。

另一个需要注意的是,按照各种分层心理需求的理论,观察一下的话,越低级的需求,驱动力越大。

关于价值的另外一个要点,价值对应心理需求的点要广,否则容易引起重复。越接近的价值之间越会抵消价值的作用,这是因为欲望本身的衰减,都是因为人对外界刺激的抵抗力。

心理需求的分类有很多层次,除了马洛斯分层之外(虽然我觉得马洛斯分层还是太保护人的自尊),其下还能分为很多层次,比如审美需求,也可分为听觉需求和视觉需求等。所有的分层理论都是一种解释,真正要了解这些心理需求的微妙,就需要刀锋一般的思维,冷酷的剖析自己内心才能领悟。

通常来说,我们通过雇佣人力来给游戏增值,马克思说的话,应该就是资本的增值吧~

当然,每个人的注入能力是不同的,性价比也不同,不过这就扯远了。

我不打算说项目管理,这方面我超弱的,就不说出来让大家耻笑了。

第五章:借来的价值

价值不只是在游戏制造过程中创造出来的,很重要很重要的一部分,是由游戏的设想而决定的。

比如你如果使用了三国这样的历史,你就能获得这段历史的价值,相应的,如果你山寨了某个动漫,盗版了某首歌曲,模仿了某个形象。

这些都能给游戏增加价值。

需要注意的一点是,这部分价值也是由欲望产生,它们的本质也是人的心理活动,所以它们也受到感官衰减的制约,所有如果三国题材已经满天飞了,那也许就需要另找一个题材去做了。

还有一种被广泛注意,但几乎没有被利用的价值,互动的价值。

随着各种社交网站类型的迅速崛起,很多做游戏的人也想分一杯羹。我的看法是,几乎没有什么可能,应该做互动比游戏做得好的东西太多,差距也太大。如果一个人具有被互动的潜质,他也不会选择你的游戏。游戏的内容对于互动来说是一种浓墨重彩的玷污。做游戏的人也不善于做互动。社交网站的革命是人作为节点被活化的过程,也是信息试图摆脱渠道向往自由的过程。从这个意义上来说,一成不变、毫无进步的传统游戏毫无效仿的可能。

比如师徒系统,你只有将游戏价值白白丢进去,很难有相匹配的汇报。

最后,我认为给游戏起名是个很重要的工作,千万不要再开发中后期再去想游戏名字。起名的阶段是思维最活跃的阶段,比开发过程中的任何一刻都更活跃,也更容易抓住最初的一份价值。不要把起名的责职交给别人,因为别人不可能明白你想要做一个什么游戏。

第六章:如何选择游戏系统

游戏系统这个问题极其晦涩,仿佛他只存在于一些经验丰富,手段老道的从业者的意识里。就像我们向深山老僧请教生死之道一般。

当我初出茅庐的时候,也喜欢问那些老人们,我该如何设计系统,哪些才是适合的。但答案从未令我满意,就是搭积木,就是从其他游戏抄,至于抄得是否成功就是一场赌博,仿佛游戏就是由这些不可靠的赌博行为堆砌出来的。

现在我略有头绪。

首先,那些鸡肋系统是有害的,它在消耗着游戏的生命,它让玩家失去期待,游戏的“势”在流失,如果你在这些鸡肋系统里还投入了奖励的话,那你的损失将会更大,你在将其他部分产生的游戏价值一并销毁!你还傻乎乎地认为,“我说就是奖励不够的问题吧,你看,现在这个系统玩的人多起来了”。不要以为所有食之无味的东西都弃之可惜,那很有可能在自掘坟墓。

既然连最终数据都无法反映系统的真实价值,那该怎么办呢?《建筑的永恒之道》说,道存在于每个人的内心(但这并不说明每个人都能意识到)。我们无法评价一个系统是否给人带来心灵上的愉悦,因为子非鱼。我们只能亲身体验,然后期待感同身受的奇迹会发生。嗯,移情是一个通常手段,即使你没看过这篇文章,你也必然用过移情的手法来处理所有需要设身处地才能想象的情境。但是这同时也代表着,你在用自己的内心来代表统计意义上的玩家,这也非常不靠谱。话说到这里也没办法了,这就是心性,而且一个人的心性,在这辈子,甚至从染色体结合开始就很难再有改变。

但是游戏系统选择也并非那么主观。理性地看,尽管我们对同一刺激的反应程度不同,也就是对同一系统的心理打分不同。但请先假设不同人之间的情况并不存在很夸张的区别。那么事情就比较好解释,我们应该关注各种不同的心理需求(或许更应该关注那些非主流的,因为主流的那些需求你只要雇几个主流的游戏策划就行了),尤其是那些细腻的,通常不常在游戏里被注意到的心理需求,还有那些通常被当作运营需求去理解的需求,比如对女仆系统的诉求等等,还有就是注意自身和所在团队的特长,这些价值往往是独特的,风格鲜明并且是易于挖掘的。需求可以很低级,比如对声音画面刺激的需求,对NPC穿黑丝的需求,也可以很高级,比如戏剧冲突引发的灵魂颤栗。通常来说,在同一实现能力上,越低级的需求力量越大。

第七章:支取的方式及其代价

支取的参考很大程度上建立在你对游戏价值的评估之上。

重要之处在于,将玩家的时间和精力都应当作是一种支取。传统上,我们认为玩家玩游戏是对游戏的一种索取行为,我认为玩家索取的从来不是能以时间来丈量的游戏内容,玩家索取的只有一样东西,乐趣。广义上乐趣有很多种,恐怖游戏里的紧张,打怪升级游戏里的提升体验,Hgame里的high都可以理解为一种乐趣。精神价值才是他们真正关心的,而玩游戏所花费的时间精力是他们付出的代价。玩游戏的过程可以片面地看作是玩家期望-付出-获得乐趣的一个过程。

玩家乐趣花时间在里面,不能说我们给他提供了消磨时间这种服务,就算我们说“我很喜欢仙剑,我在锁妖塔里转了半个月”,也应该理解成,我因为喜欢这款游戏带来的乐趣,而在里面花了时间,而不是这款游戏的乐趣在于花时间。就算是点卡游戏,我们也应该认为点卡和时间都是玩家为了获得乐趣而付出的双重代价,如果说“玩家购买了游戏时间”,那就回到了那个悖论“我们做个有计时游戏就可以了”。

如果没有相应乐趣回报,花时间这件事本身是令人沮丧的,没有产生乐趣的时间对游戏生命来说,是致命的损耗,也是品质低下的游戏的常见死亡主因。

接下去,我们说到RMB,那是玩家能够付出的另一种代价。有很多策划喜欢对怎么变着法儿收费而津津乐道,甚至称其为收费玩法。我认为这是件很具中国特色的事情。我不否认在中国各行各业都具有这种略带诈骗性的潜规则,而且收益颇丰,但我个人不推荐。这是关于游戏策划德操的事,借鉴即可,若是专于此道,必不能作出其他有意义的事情来。

第八章:我们所不明白的交换

如果你能把支取想象成抽血,那么请把交换理解成输血。

交换很难,就像投资一样需要高超的技巧。而且很多时候,当你做出了交换这件事情,你根本无法得知是赢还是亏。如第六章所述,交换是件很具风险的事情,极有可能赔了夫人又折兵。

如第二章所述,我们在游戏里所能寄予的一切奖励都是代表着一小部分游戏价值的面额货币。当我们利用其中一些货币去带动另一些的时候,就发生了俗称羊毛出在羊身上的事情,由于我们的数据分析都是独立核算的,你不知道这次投资是物有所值还是泥牛入海。我们当然希望被输血的那个能够自己产生造血机制,但是谁知道呢。游戏价值看不见摸不着,大多数有游戏价值的东西不会印刷货币,大多数印刷货币的东西本身没有游戏价值。所以可怕的景象经常出现,那些尚有生命力的部分被成堆的吸血系统拖死了。再加上系统设计者往往对自己设计的东西过分保护,情况将更加复杂。

当我们尝试用奖励去拯救一个濒临死亡的系统时(无论是增发还是从其他地方挪用),实际上是拿着大把钞票在一个垂死之人身上赌博,我不否认历史上有伯乐之能的能搭识一个末路英雄,但对于游戏这码事,我一般不信邪。

既然连输血后的数据表现都无法表现此次输血是否成功,那么谁能知道呢?我认为那依然需要依靠第六章所说到的人的天赋去判断。如果你认为一个系统具有生命力,只是因为奖励明显低于其他生命力更差的部分而没有得到该有的表现,或者玩的人不够无法引起某些效应,那么你可以去拯救它。但我认为这种事很难发生,其一金子总会发光的,就算奖励不够,也至少会有那么一批人反馈说“这东西真不错”,其二,需要人气、需要人数这种理由只存在于真正精妙的设计里,一般人根本无法企及。所以我推荐运用马太效应的原则,“凡有的,还要加给他叫他多余;没有的,连他所有的也要夺过来。”

第九章:数据分析的新思路

在第八章,我稍微提及了主流数据分析里的错误。其实数据分析的失败比比皆是,十有八九。

其一,无论数据本身是多么的客观,全面,正确,一旦经过人的分析,必定已经成为分析人的绝对主观。很多哲学流派都说到认知的绝对主观性,即使康德认为还有部分真理是人天生便知晓的,但其中肯定不包括游戏数据。

其二,人们往往在复杂性面前表现地过分自傲,只剩下可怜的经验判断。我认为越是微观的分析,越没有意义,尤其是分析中存在人类个体的心理等不可控因素时,分析就成了天方夜谭。学过混沌学的人比较少,但至少应该对复杂性保持必要的敬畏。

其三,不存在不用付出代价的事情,尽管等价交换并不存在,但是我们往往对将要付出的代价没有一点警觉。大多数的看法片面,武断(当然可能同时言语上很能说服别人),他们的无畏来自于无知。越是这样,复杂性的湍流越会让事情更糟。

进行行之有效的数据分析的几个原则:

其一,始终力求站在宏观的立场,避免触及个别性。

其二,始终留更多的心眼在可能付出的代价上,当代价过大,或者代价想不明白,应该果断放弃。

其三,不同游戏间某个共同领域的横向对比基本不可靠,因为其他因素的关系影响太大,和自身历史数据的对比相对可靠一些。

而最终,我认为应该使用游戏生命的观点去分析数据,尽管生命的多少难以丈量,但它是本源,它不会错误,因为它自身就是正确。

当我们分析某处得失的时候,应该力求直接取得“这个部分是否吸引人”这样的直接证据,而不是“这个部分玩的人本月有提升”这样的侧面证据,后者的原因很多,可能是用其他部分贡献出的游戏生命烧出来的,也有可能是它已经沦为一个逼迫玩家必须去做一回,但实际上除了那份奖励,其它毫无知觉的愚蠢东西。(这种情况在加入公司政治的因素后会更加复杂)

如果直接证据难以获得,那么就得计算在你施与某些生命的时候,其他部分失去了多少生命。如果你依靠增发的“货币”来拯救它,则能看游戏整体是否因为这一举动而好转,或者更糟。如果你从另一部分或几个部分输血来拯救它,你就得看被抽血的部分是否变得衰弱(当然你也可以从整体角度来看好坏)。无论是哪种计算,都需要一个较长的显现期。这种计算方式听上去很扯淡,嗯,我也承认很不实用。说这种方法的目的只有一个,告诫人们,当你看到本月数据惨淡的时候,极有可能是因为你上月对某个系统实施力挽狂澜的拯救造成的。

End.