一、选手简介 1、团队选手介绍 团队名称：狂暴的大粗腿 团队组成： 狗哥：一只做过开发的G端B端产品经理，爱好户外活动。 柠檬：金融专业在校研究生，对数据分析较为感兴趣，并正在学习数据分析理论及方法，但缺乏工具实操经验，刚好想借助大赛机会学习BI工具的使用，爱好户外活动。 小柒：B端UI一枚，经常接触大屏及报表呈现设计，但从未真正参与数据分析工作，希望借助大赛机会学习大屏数据的分析过程及方法。 VincenTu：金融专业在校研究生，同样对数据分析较为感兴趣，柠檬的灵魂搭档及支持者。 豪哥：同样B端UI一枚，小柒的同事。 2、参赛初衷 其实我们团队都来自一个叫“狂暴的大粗腿”的户外组织，因为共同的户外爱好汇聚在了一起。我们在周末节假日一起拔山涉水徒步露营，一起追星逐月拈花把酒，一起踏雪寻梅吞风吻雨。但是除了诗与远方，却鲜有讨论工作与生活，刚好看到FineBI发来的大赛邀请函，想到其实也有那么一些小伙伴在相关的行业，有产品、UI、研发、数据分析师…于是便想着除了一起玩耍，也可以尝试一些和工作相关的合作的事情，便向几位好友发起了邀请。刚好大家要么正在学习数据分析（柠檬），要么对数据分析一直比较感兴趣也想了解学习，要么有换工作的打算想多储备一些技能，再了解到大赛不需要任何费用还可能获得丰厚的奖金，并且FineBI也是国内最优秀的BI工具，于是5人小队就这样愉快的成立了。 二、作品介绍 由于我们并不是BI工具的企业用户，其实一开始我们并没有明确分析方向，本来想从我们所在的户外行业探寻分析方向，但是这块的数据源我们却比较缺乏，经过多轮的讨论及筛选，我们选择了更适用于学习数据分析的游戏数据源，进行了我们的作品创作——SLG手游上新转化情况分析。 1、业务背景/需求痛点 1.业务背景 近几年来，手游已经成为最具吸金能力的游戏模式，巨头与黑马角逐激烈，市场风云万变，红海状况持续存在。在这样的背景下，精准营销，精细化运营势不可少，尤其当一个新游戏上线的时候，前期能不能精准吸引目标玩家、活跃化注册玩家，使得玩家付费并留存，是一个游戏生死存亡的关键。因此，借助数据分析工具及时把握游戏基本情况，分析玩家动态，找出问题、分析问题并解决问题至关重要。 对于一个新游戏而言，它的盈利模式主要是玩家付费和内嵌广告，付费的玩家大部分是活跃玩家，而广告商看重的流量也是活跃玩家带来的流量，因此玩家的活跃度、付费意愿、留存情况都是数据分析需要研究的重点内容。 2.痛点及需求分析 a.核心痛点：游戏刚上新时，运营情况不稳定，通过数据分析找出问题，为游戏健康运营，持续发展保驾护航。 b.拆分需求： 当前游戏的运营现状如何？ 如何更高效的引流？ 如何提高玩家活跃度？ 如何提高玩家留存度？ 如何提高游戏的收益？ 2、数据来源及简介 数据为网络平台获取的《野蛮时代》游戏玩家付费数据。采用的数据有220w+条记录，60个字段，字段具体信息如下：     3、分析思路及指标定义 a.分析思路 首先采用漏斗模型，呈现游戏各层次转化情况，了解当前游戏的整体运营情况； 接着按照分析思路进行用户活跃度分析，了解游戏是否能吸引到活跃玩家，为引流及提高活跃度的建议提供数据依据； 接下来，再对付费转化情况以及付费玩家的留存情况进行深入详细的分析；将进行活跃度与付费相关性分析、付费玩家分层分析，并进一步对游戏行为与活跃度、付费与否的关系进行分析，以深度挖掘游戏运营手段与付费转化的关系； 最后基于分析结果，为游戏运营提供总结性的决策支持。 b.指标定义 活跃玩家：前7日日均在线时长超过10分钟的玩家划分为活跃玩家； 7日付费：代表前7日付费总额； 45日付费：代表前45日付费总额； ARPU：指的是每玩家带来的平均收入； ARPPU：指的是每付费玩家带来的平均收益； 付费留存玩家：7日付费>0，且45日付费>7日付费的玩家； 付费流失玩家：7日付费>0，且45日付费=7日付费的玩家； 新增付费玩家：7日付费=0，且45日付费>0的玩家； 4、数据处理 数据源是将某个用户的各类游戏数据整合到了一行数据中，由200多万行数据组成一张汇总数据表。 在对数据进行分析前，我们对数据进行了数据预处理及初步加工的工作。主要包括去重、处理异常值、选取特征、调整数据格式等。 数据初步处理后，再根据分析需要进行初步的分析工作，为制作报表准备分析数据； a.通过数据汇总、合并表格的操作整理好漏斗图的数据 b.通过对玩家打标签完成玩家分层，并进一步进行付费金额分析 c.探索七日消费金额与留存概率的相关关系 d.建筑等级数据处理计算 e.加速券使用情况数据处理计算 f.留存率数据处理计算 g.分层玩家的战斗数据处理 h.分层玩家的资源使用情况数据处理 5、可视化报告 1.图表样式及颜色设置 ①总体色调：深蓝色②背景色：选取了内置的科幻大屏作为背景图③图表的配色：以深蓝、浅蓝色为主色调，配有同色系的绿色、淡紫色。④图表设置：图表的背景网格线都去掉了，且给各个图表添加了相同或风格相近的边框⑤文字标签设置：浅蓝色为主，重点内容用绿色、粉色、橙色的文字表示。 2.报告内容 a.背景简介&分析目的 首先对分析背景、分析目的、数据情况做了一个基本的描述 b.现状分析结论 我们分别从7日付费转化率、45日付费转化率、45日付费分布情况进行了付费转化率分析，也按照引流玩家-活跃玩家-付费玩家-付费留存玩家进行了漏斗分析。 c.活跃度分析及结论 我们定义前7日日均在线时长超过10分钟的玩家划分为活跃玩家；得出了引流到活跃的转化率非常低的结论；并从注册日期及时刻分布进行分析，并得出了相应分析结论及改进建议。 d.付费转化分析及结论 我们从七日总收入、45日总收入，以及对应的ARPU（每个玩家所带来的平均收入）、ARPPU（每个付费玩家所来的的平均收入）进行分析，发现两个指标都偏低。 e.活跃度与付费相关关系及结论 我们分析了不同活跃程度玩家平均付费、不同活跃程度玩家对总收入的贡献情况、不同活跃程度的付费玩家占比情况、新增玩家平均每日在线时长分布，并得出来相应的分析结论。 f.付费玩家留存分析及结论 我们完成了付费玩家留存概率、新增付费玩家概率的计算，进行了付费玩家分层、建筑-要塞之玩家分布情况、其他类建筑分布情况、付费玩家的消费金额分布的分析，并对前7日不同付费金额下的玩家流失概率及留存概率进行了分析。 g.游戏行为分析及对应结论 针对游戏行为，主要从分层玩家的基础资源的使用、士兵类道具使用、加速券的使用、PVE（人机对抗）、PVP（人人对抗）情况、不同要塞等级行为进行分析。分析结果及结论如下： h.分析总结 我们分了现状总结、原因分析及建议两方面，对分析情况进了总结，可以为游戏的下一步运营提供决策支持。 3、最终结果呈现的页面布局 https://bisolutions.fanruan.com/webroot/decision/link/xxpa 三、参赛总结 1、FineBI工具 优点： 快捷键清晰明了，易于上手； 数据处理快速，大数据也能处理得流畅； 分析工具、函数丰富，仪表板组件丰富，搭建容易，快速入手。 值得优化的地方： 在更加深入的分析和图表制作的时候遇到了一些困难，比如做辅助线，标记交点等有点迷茫不知所措~也有可能是自己还不够熟悉啦 2、参赛总结 我们团队其实在之前都没有实际使用的BI工具进行数据分析，有做过开发写过SQL，也有写过Python进行数据的简单分析。这一次，借助本次大赛的机会，我们系统性的学习了基本的数据分析原理及方法，学习了BI工具的使用，让数据的呈现更加美观和直白，这和写SQL或者写Python进行数据分析还是有非常大的区别。 最后，感谢帆软邀请我们参与本次大赛，并提供各类相关的培训，感谢参赛期间指导老师的悉心指导，感谢沟通群里面的各位赛友的无私帮助。