文/九城研發中心 天之虹
編者按：遊戲數據整理和分析是一項繁瑣而枯燥的工作，急性子很難處理好這樣的事情。而本文作者以“挖礦”主線向大家生動而形像地介紹了數據的獲取、積累、整理、分析等數據處理的全過程。文中時不時會有一些形象而生動的例子，相信你會覺得這一篇讓人感覺輕鬆愉快而又十分有價值的文章。歡迎更多的遊戲人就相關問題和小編一起討論。比如道具種類分佈和相關數值設定，遊戲規則的修改等。
摘要
本文從數據出發，以實戰的角度談數據的積累、挖掘和分析，通過這三步的不斷迭代，藉此發現遊戲中設計合理和不合理的地方，並以此進一步改良遊戲，改善玩家在遊戲中的體驗。
一、引子：數據積累、挖掘與分析ABC
（一）、從遊戲中的數據談起
從某種程度上來說，遊戲是由數據組成的——如果把遊戲歸入到軟件類的話，一種通用的說法認為軟件是數據（結構）+算法的成品。在下只是一個小小的策劃，無從站在程序的角度談精深的算法，因此我們這篇文章就先從遊戲的另一部分——數據談起。
什麼是遊戲中的數據呢？ ——或許我們可以把遊戲中的數據分為靜態數據和動態數據。
所謂靜態數據是數值策劃用精巧複雜的公式精心計算的各種遊戲屬性，這些屬性是一套固有的數據，在遊戲運行和運營過程中都是固定不變的——例如武器裝備的屬性、怪物的屬性、人物每級固定分配的屬性、技能每級固定的攻擊和消耗等相關的屬性。
動態數據是指遊戲運行和運營過程中不斷變動的數據，這些數據會隨著玩家在遊戲世界中執行各種行為的不同而發生改變——例如玩家背包裡的物品、玩家的經驗和等級、玩家身上的遊戲幣乃至遊戲各個地圖裡不斷變化的怪物數量等等。
動態數據在遊戲中就如繁密的流星雨那樣一閃而過，不留意的人可能會讓它們如同流水般在指尖流過。然而這些動態數據卻是一座深埋大山里的金礦，若善加利用——用它們來不斷地改造靜態數據，那勢必能讓玩家的體驗不斷得到改善，從而延長游戲壽命並增加收益。
（二）、為什麼要利用數據
或許很多人會對上面的話不屑一顧：
要談為什麼要利用數據，首先不得不提起遊戲。
遊戲，尤其是網絡遊戲，其本身就是一個玩家行為的集合。玩家的行為都是由玩家心理衍生的，而網絡遊戲就像是玩家心理和玩家行為的聚合品。人心本是很難猜測的事，但成功的網絡遊戲卻必須成功地揣測出玩家的心理，打造出滿足玩家心理需求的遊戲機制和遊戲內容，這就不得不從錯綜複雜的玩家心理和玩家行為世界中尋找規律和分析結論了。
所幸網游玩家是一個大規模的群體，即使一個不成氣候的遊戲也有幾千玩家曾經在遊戲裡逗留過，這大量存在的樣本總是存在不少可以抓住規律的共性的，而唯一能總結出這些規律和對比出其共性的途徑就是數據了。
或許有人說經驗和感覺也可以，那我們來看看如下的一個例子：
經驗、感覺與現實的差距
為什麼會頻頻發生這樣的事呢？左邊的是遊戲設計製作過程中和過程後的純感覺，而右邊的事實無疑是靠純數據（實際完成任務的人數、購買道具的人數、進出副本的人數）證實的。可見只有數據才能真正地反映出遊戲的設計和玩家的行為現狀。 （編者註：理想和現實總是有差距的，多看看現實對自己沒壞處，至少能讓自己在今後的遊戲生活中的心情落差不會越來越大。）
圖02：數據vs感覺+經驗
（三）、“尿布與啤酒”的故事數據的積累、挖掘和分析
如果說遊戲中的動態數據如金礦般寶貴，數據積累就相當於在這時光流逝的銀河中把這些礦石積累並沉澱下來，數據挖掘就像在千萬年以後從礦床裡把這些礦石挖掘出來，而數據分析就像把挖出來的礦石進一步加工提煉，成為真正有用的金屬。這三者是對遊戲數據進行更有效的利用的三個步驟和手段，而把這些手段運用得很出色的例子源自於沃爾瑪。
沃爾瑪的數據倉庫是把積累、挖掘和分析運用得很成功的例子。沃爾瑪在成立之初就建立了一個龐大的數據倉庫，把每一位客人在採購時產生的數據（動態數據）都記錄下來。它們包括訂單的詳細內容、購買時間、客人資料、當時的店面情況和商品情況……隨後不定時地對這些數據進行統計分析，掌握到各方面的規律，把銷售服務改善得越來越好，從而成為了全球最大的連鎖零售企業。
這裡不得不順便提一下沃爾瑪在數據挖掘方面的一件軼事：
類比於現代超市這種以服務一爭長短的行業，網絡遊戲又何嘗不是。通過數據的積累、挖掘和分析以後，借用分析的結果去改良遊戲機制，那一定能取得勢不可擋的結果的。 （編者註：“尿布和啤酒”背後的故事不是拍腦袋想出來的。而是沃爾瑪對相關數據積累、挖掘、分析、判斷後得出來的結果。這個故事也讓我們更清楚地了解了數據採集和分析的意義。一款道具的消費能否引起玩家對其他道具的消費慾望？幾種道具之間的消費有著怎樣的聯繫呢？相信大家已經應對良策了。）
開篇引子談得很長，接下來我們就從礦床談起吧，談談數據的積累。
二、從礦床談起——數據的積累
（一）、我們該積累哪些數據
要積累出有價值的數據，我們首先要搞懂動態的數據有哪些。
我們首先能想到的自然是遊戲運行過程中自然而然產生的數據，也就是前面所說的由玩家各種行為而產生的遊戲動態數據。
如果說遊戲的面向對像是玩家，那數據分析所要研究的對像也自必然是玩家，推而廣之，有價值的積累數據應該是由玩家的各種行為所產生的所有數據，而不僅僅是遊戲中的動態數據。
如圖03所示，概括而言，有積累價值的玩家動態數據包括四類：
四類有積累價值的動態數據
遊戲中不斷變化的玩家動態數據：這些數據一部分是會存儲在數據庫裡的（例如玩家的金錢、等級、經驗等），另一部分是遊戲運行過程中短暫停留在服務器內存裡的（例如某個時刻地圖上的怪物數量、玩家數量，例如怪物掉落但玩家沒有撿起的掉落物），無論是前者還是後者都，它們都是十分有用的動態數據。
論壇上的玩家回帖：論壇上玩家的回帖也是一種數據，這些回帖包括玩家的建議、責罵、求助、討論熱點等玩家關注的內容。把這些玩家關注和提及的數據都積累起來，是日後分析和用於改良的有用礦石。
玩家來電/求助GM：玩家打電話的通話內容以及每次求助GM的內容也是很有意義的數據。這些內容多反映了玩家在遊戲中遇到的困難，積累和分析以後能對遊戲的體驗作出很好且很有針對性的改良。
玩家消費記錄：對於出售道具或者出售服務的遊戲來說，玩家的消費記錄包括玩家兌換價值幣的量和頻率，玩家購買道具/服務的數量、時間和頻率，玩家購買道具/服務的途徑、各類道具/服務的出售情況等等。這些消費記錄很大程度上類似於零售行業所苦心積累的數據，而對於架設在電子網絡上的網游來說，積累這些數據要比傳統行業容易多了。
所有的這四類數據都是和玩家行為密切相關的，通過積累、挖掘和分析後能很大程度上把玩家的行為模式乃至心理模式還原出來——這些還原的成果即使找到一批忠實且忠厚的玩家也是說不清道不明的。
（二）、如何積累礦床
根據上面的內容，此時我們已經掌握了哪些是對我們有用的礦石了，那接下來我們該如何把這些礦石積累下來呢？這裡筆者談談第一類數據，也就是遊戲中不斷變化的玩家動態數據的積累方式，同理，其他三種數據的積累也是一樣的。
前面談到了玩家動態數據分為數據庫中存儲更新的和遊戲運行中在服務器內存里短暫存放的兩類數據，這兩類數據的積累方式也各有不同：
數據庫中存儲更新的數據本身就被數據庫如實地記錄起來了，但如果不對這些數據進行及時處理的話，那最終也只能一直反映著當前一刻的數據而已——比較行之有效的辦法是對部分有用的庫進行快照式的備份：在固定的時間點把相應的庫進行備份，留一份快照。一段時間後把這些快照都聚集起來，進行有意義的統計或者是把部分數據製作成圖表，又或者是把這些快照一直存留著，不斷積累成越來越具價值的快照庫，留待日後的數據挖掘和數據分析。
服務器內存中暫留的數據都是稍縱即逝的，一不留意數據就不見了。例如某個時刻中地圖的玩家數量：玩家不斷地進進出出地圖，可能僅僅過了幾分鐘，整個格局又全然不同了；又例如地圖上掉落的物品：玩家過一陣子不撿，服務器就自動把怪物屍體銷毀了。對於這些暫留的動態數據都需要即時的把握，而這種即時的把握又分為兩種手段：消息驅動的被動型積累和規則驅動的主動型積累。 （編者註：“人生如白駒過隙”，但人生是由很多細節組合來完成的。稍縱即逝的細節需要我們用心去捕捉，數據的捕捉同樣需要有心人去留意和思考。）
圖04：玩家動態數據的積累方式
消息驅動型的積累方式是被動的，當玩家的行為產生服務器和客戶端相互通知的事件消息時，我們可以藉這個時機把變動的動態數據積累起來。這種方式又分為兩種常見的做法：Log機制和消息驅動型累加變量。
Log的意思是指把行為如實地記錄下來，常見的Log的做法是為每種行為定義好固有的記錄格式，當發生這種行為並產生事件消息時，就把該行為按這種規定好的格式記錄下來。例如在玩家與城裡雜貨店的NPC交易時，可能會產生如下的Log記錄：
[09:28:14]玩家[楚留香][uid=1103301]在NPC[npcid=110032]處購入[迷迭香][itemid=1102] 50 個，花費遊戲幣5000
[09:29:34] 玩家[楚留香][uid=1103301]在NPC[npcid=110032]處售出[檳榔][itemid=3221] 30 個，獲得遊戲幣300
由此可見，Log機制是把玩家在某一類行為中的每個行為，以及行為過程中牽涉到的過程和數據都事無鉅細地記下來的。其優點在於它毫無遺漏地記下你感興趣以及潛在感興趣的所有相關數據，但也有它的缺點：這種事無鉅細的記錄方法每天會帶來極龐大的數據量積累，久而久之就真的如一座天然礦床那樣，需要很費勁才能從中挖出你要的礦石了。
消息驅動型的另一種積累方式是消息驅動型累加變量。這種方式是在服務器數據庫和內存中設立一堆一樣的累加變量，當相關的消息產生時，服務器對內存中的這些變量累加入相對應的數值，而後定時地（每天或者每週）把這些累加變量的值存入庫裡並清0，隨後建立快照作為歷史性的積累。
光是這麼說有點抽象，我們來看一個具體的例子。遊戲中金錢的產出量是數值人員很關心的一個數據，然而這個數據靠數據庫的歷史快照所統計到的信息是不准確的（統計玩家所得金錢的增長量只能反映出真正進入玩家手裡的金錢量而已，但這金錢量遠遠少於遊戲中實際的產出量（因為在實際情況中，經常有玩家為了諸如加快練級效率一類的目的，只殺死怪物卻不去拾取掉落物品），這時就需要用到消息驅動型累加變量了。
我們可以設立一個稱作MoneyDailyProduce的累加變量，並為其設立如下的累加規則：
MoneyDailyProduce的累加變量
如表02所示，我們把每一個有可能在遊戲中從無到有（例如玩家之間交易遊戲幣就不是金錢產出了）地產生金錢的時刻都記錄到觸發時機裡，並把該時刻產出的金錢量累加到變量裡。如此一天下來得到的變量值就是當天遊戲裡的實際金錢產出量了。每天把這個值存入庫裡並建立快照，一個月或者一年下來就能看到整月或者整年的遊戲金錢產出曲線圖了。
虛構的遊戲金錢產出年度曲線圖
誠然，消息驅動型累加變量的做法的優點是很顯著的：首先，它得到的是你真正關心的數據，這些數據完全可以是已經加工好的礦石了——至少已經無需去花時間挖掘；其次，這種做法很擅長捕捉那些稍縱即逝的動態數據，因為累加操作是發生在事件觸發的時機，所以無論數據逗留的時間有多短暫，在發生的那一刻就已經被捕捉下來了。
但這種做法也有明顯的缺點，或者說是壓力所在：其一在於服務器壓力。要在消息產生時額外分擔精力來累加、同時管理這麼多在內存裡的變量、定時把這些變量轉發到另一台統計和Log的服務器上，這些處理、管理和轉發壓力是或多或少存在的；其二在於系統設計的工作量。系統策劃在設計每個系統時，需要構想好該系統所需要使用的累加機制，匯聚成表後遞交給開發人員，連同系統一併實現；最後一點在於代碼結合程度。如果說Log機制是可以基於主服務器做一台LogServer來處理的話，那消息驅動型的累加機制和主服務器的結合就要緊密得多了。在每個系統模塊中處理玩家行為的同時進行數據累加，兩類代碼是緊密結合的。代碼結合程度高也意味著加入消息驅動型累加機制的時機不能太晚，不然對原來的代碼的改動可能就很大了。
談完了消息驅動的被動型積累，接下來我們談談規則驅動的主動型積累。
規則驅動的主動型積累是在服務器中建立一套規則去主動地統計和積累出設計者關心的數據。這種主動的機制可能會是定時輪詢的機制，每隔一段較長的時間段去主動統計出數據，存放到特定的內存區域或者轉發到Log服務器中。例如設定讓服務器每隔一個小時統計出每張地圖上此刻的玩家人數並轉發到Log服務器，一天下來就能得到當天各個地圖在24小時裡的人數走線圖了。
圖06：規則驅動的主動型積累
主動型積累最大的優勢是彌補了前面兩種消息驅動型機制中的很大不足，很多重要的數據是無法產生消息的（例如前面說到的特定時刻中地圖的人數，雖然可以靠log的機制在玩家進出地圖的時候寫下log記錄，但這進進出出的log下來的數據量是很大的，並且事後要統計回這些數字也很費勁，且統計完以後這部分中大量的log記錄就可以丟掉了。這性價比實在很低）。
把前面的被動型積累機製配合上主動型積累機制能完全把所有關心的數據都覆蓋掉，不會因為“mission impossible”而漏掉任何寶貴的礦石。
但這種主動機制的缺點無疑在於對服務器平添的壓力，服務器需要定時地依照規則去輪詢、統計和轉發數據，這無是一筆服務器運算、內存、帶寬和機制開發上的開銷，無論放到哪個項目都是需要掂量掂量的事情。其次這種機制和前面的消息驅動型累加變量機制的缺點一樣，也會有較高的代碼結合度，需要在前期就把這個機制考慮進去，如此才有實現的可能性，或者至少能通過合理的系統設計來在開銷上提早優化好性能。 （編者註：對待雙刃劍，我們需要做的是權衡利弊，然後揚長避短。）
三、把礦石挖出來——數據挖掘
通過主動和被動兩種機制把數據積累起來了，隨著年月的流逝，這個礦床必然會越來越豐厚，寶貴的礦石也必然會埋得越來越深，接下來我們就必須知道如何把我們需要的礦石挖出來了。
數據挖掘可以說是數據分析前的準備，這提煉礦石前的準備其實包含了兩個步驟：有些礦石由於前面在積累的時候用了較聰明和較花成本的方法。它們已經浮在礦床之上了，我們只要把它們拿起來，清理一下上面的髒污，讓其更顯光彩就可以了；另外的一些礦石會藏得很深，我們需要用合理的手段把它們挖起來才可以用。
這裡，前者說的是累加變量機制和主動統計機制所得到的數據，這些數據（快照）已經在積累時直接積累成礦石了，我們所需要做的工作只是把它們轉化為圖表，或者做一定的計算和統計就可以了。例如把每天得到的數據按月變成月曲線圖，把各地圖分佈的數據做成餅形圖；又例如統計了某個任務的累計完成次數和累計接取次數，那把兩個數字相除以後就能得到該任務的任務完成率。類似這些處理只是相當於建立一個規則表，把不同類型的礦石用不同手法去掉髒污，如此就能得到閃閃發亮的可提煉的原材料了。
而Log機制記錄下來的大量記錄就真像深埋的礦床那樣，需要人為花功夫去開採礦石了。這需要建立一套明細的Log統計工具，從Log記錄中解析並分拆出關鍵屬性，然後把屬性進行累加統計或者圖表轉化，如此才能完成提煉前的準備工作。
例如對於一個極為龐大的玩家與NPC商店交易的Log記錄，要統計各商品的售出情況，那必須先建立一張明細的商品表，隨後通過一個遍歷程序去解析Log記錄，分門別類地累加到不同商品的售出次數上。對Log記錄的數據挖掘工作其實有點像被動型消息驅動累加機制，只不過前者是先Log下來再作處理，後者是讓數據在產生的時候就自動跳出來。兩種做法，在選擇上，筆者更偏向於消息驅動的累加機制的做法，當然這種做法需要更早地考慮和規劃。 （編者註：我們終於開挖了，但挖之前，我們需要好好了解一下各礦層之間的埋藏特點。另外，我們還需要找到一個適合個人特色的方法是必要的。不同的方法就如同不同的工具，或許你更擅長用鐵鎬來挖，而我更適合用敲銹錘，總之挑個合適工具準備開工了。）
四、礦石的提煉——數據分析
（一）、據分析能帶來什麼
在這裡我們需要再次重申一下，前面花這麼大的功夫去積累下如此龐大的數據，再頗加周折地辛苦挖掘出有用的數據，做的這麼多都是為了什麼？ ——最主要的用途是用數據說話，利用遊戲運營過程中玩家真實行為（而不是設計時的主觀猜測）產生的數據去還原出玩家的行為模式和行為傾向，以此改良遊戲機制，提供更受歡迎的遊戲內容，而這麼做通常也能為遊戲帶來更多的收益。
基於這個目的，前面完成的所有數據在這一步都需要進行仔細的分析，從數據中找到玩家行為的規律。我們先來看看表03，看看分析了前面積累和挖掘到的數據以後能看出什麼端倪：
這麼說好像在吹噓積累、挖掘和分析的作用，那我們分別換一些實際的例子來看看如何通過對數據分析來得到上表右邊的結果：
玩家的傾向
·例如統計出各地圖一天中各時段的玩家人數，我們能了解：
玩家更喜歡逗留在哪張地圖
玩家在不同時段更喜歡逗留在哪裡
藉此結合性推斷可能可以了解到為什麼玩家更喜歡某張地圖或者為什麼玩家不喜歡這張地圖
通過玩家重心在不同級段地圖上的遷移，可以了解當前服務器的衰老程度
·例如統計出各種NPC商店商品的出售情況，我們能了解：
玩家更喜歡哪種消耗品，更喜歡哪套裝備
哪類道具在遊戲中消耗最多
哪些物品不受玩家歡迎
從而推斷出為什麼會發生以上情況
數值的平衡
·統計出遊戲每天的金錢產出量（或者每天的實際金錢產出量——真正進入到玩家包裡的錢）和每天的金錢消耗量，如此能大致了解到遊戲中經濟是否平衡
·統計出每天任務的經驗產出和每天打怪的經驗產出能大致了解到任務獎勵的合理情況
系統和內容的合理性
·玩家的喜好其實很大程度上就反映著系統和內容在設計上的合理性了
·統計出任務的完成率、放棄率能了解到任務設計的合理性以及獎勵的合理性
銷售方面的傾向性
·統計出各種虛擬商品和虛擬服務的出售情況能了解到
哪些商品和服務是熱銷的，哪些商品和服務是無人問津的
促銷商品是否達到了熱銷的程度
產生以上情況的原因
一些我們難以了解到的原因
·通過對長期不在線的玩家的各項數據的統計，能推斷出造成玩家離開遊戲的原因
·通過結合怪物消耗量、地圖各時段人數量能推斷出任務不受歡迎乃至玩家放棄任務的原因
【/特殊顯示】
凡此種種不再多加列舉了。
倘若把前面積累和挖掘的數據進一步處理成圖表的話，在分析的時候就能得到更直觀的材料了，如此得到的分析會更加準確，而到了接下來一步的改良工作也會更加可靠。 （編者註：沒白乾！）
（二）、如何分析
或許實際地舉幾個實例會來得更清晰，接下來我從三個例子去看看如何分析前面積累和挖掘出來的結果：
1.通過玩家賬號表結合角色數據表來分析原因（數據庫快照的分析方法）
查閱玩家賬號表，我們發現表04中出現這麼幾行信息：
玩家賬號表信息
從上表看來，發現賬號11033、14897～14899的玩家都已經很長時間沒上游戲了，到底是什麼原因導致他們離開呢？
對於11033的玩家，註冊遊戲（或許可以稱作玩了這個遊戲）已經有3年的時間長度了，這麼一個老玩家又是因為什麼離開遊戲呢？
14897～14899三個玩家是同一天註冊遊戲的，也是同一天離開遊戲的，這是什麼原因呢？
對這些玩家進一步根據賬號ID來查找他們的角色表的情況，發現後三個玩家的角色在當天都被查封了。這需要進一步分析當初是為什麼查封這些角色的；而對照賬號11033的角色發現該玩家的角色已經是93級的角色了，的確是老玩家，這時就需要進一步對這個老玩家的角色的其他信息（例如完成任務的情況——是不是給某些任務卡住了；例如背包的Log記錄——是不是被盜號了；等等）進行分析，看看為什麼離開遊戲了。 （編者註：礦石開始發光了，他們的價值將在我們的分析與研究中發出耀眼的光芒。）
2.從玩家與玩家交易的Log記錄中尋找漏洞
玩家與玩家交易的Log記錄一般都是如下的格式的：
[09:08:11]玩家[楚留香] [uid=1103301]把[迷迭香][itemid=1102] 50 個交易給玩家[梅蘭芳][uid=1104411];
對如上的Log記錄進行道具的交易統計（數據挖掘）後能統計出各類道具的交易次數，發現迷迭香的交易量比其他道具的交易量要大得多，有可能迷迭香這個道具在交易系統中存在一定漏洞。
又進一步追踪迷迭香在NPC商店中的出售量（消息驅動型的累加變量機制），發現迷迭香的出售量也遠少於它在玩家之間的交易量，由此，我們可以看出這無中生有的多出來的數量一定存在問題。
從Log記錄中追尋（數據挖掘）和迷迭香這個道具相關的玩家（例如經常交易這類道具的玩家，大批量購買這類道具的玩家，以及最初進行這些大批量交易和大批量買賣的玩家）的行為，或許能發現該道具在系統中存在的漏洞。
3.從道具銷售統計中擴大銷售（累加變量機制）
通過前面數據積累步驟中的累加變量機制能得到遊戲商城裡的虛擬道具銷售情況表，該表可能如表05所示：
遊戲商城裡的虛擬道具銷售情況表
從表05看來，30瓶裝的雙倍經驗藥水明顯比單瓶裝的雙倍經驗藥水的銷售多很多，通常我們都是鼓勵玩家買更大捆的道具的，因此從結果看來是價格的對比促使30瓶裝的雙倍經驗藥水熱銷；但99瓶裝的雙倍經驗藥水的銷售看來也不怎麼樣，這又是什麼原因呢？
在這樣的情況下，我們可以從其他的累加變量統計中尋找蛛絲馬跡。例如雙倍經驗藥水的使用量甚至是使用時段，同時分析99瓶裝的雙倍經驗藥水的定價是否不夠合理，其定價是否也和單瓶裝的雙倍經驗藥水一樣成為了烘托陪襯品。
我們可以通過這樣的分析來進一步改進99瓶裝的雙倍經驗藥水的定價和功能，以此擴大整類雙倍經驗藥水道具的總體銷量。
以上三個例子分別對三類數據積累手段積累下來和數據挖掘精修出來的數據演示了對其進行進一步分析的方法，類似以上的分析完成後，我們會得到方方面面的猜測和結論，接下來就需要把這些猜測和結論用到遊戲裡了。 （編者註：遊戲中的異常現象往往是遊戲身體裡的腫瘤，要是長期無視它們的存在，遊戲生命將被大大縮減。我們需要對相關的數據進行分析，對遊戲進行定期的身體檢查，及早發現腫瘤的位置，在它朝著惡性方向發展之前就根除掉它。只有這樣，遊戲才會健康長壽。）
五、把寶石用到裝備和武器上——分析結果的利用
當分析完成後，不合理的地方都需要進一步改良，這種改良一方面可以是創新性的改良，另一方面也可以藉鑑遊戲中合理或大賣的地方作參考性的改良（例如A道具賣得不好，B道具大賣，參考性地結合B道具的情況改良A道具的功用或價格就好了——當然前提是你沒打算用A道具去烘托B道具）。
另一方面，經過分析、判斷，合理的地方或者設計得好的地方要更加發揚光大。例如一個大賣的道具在分析出其大賣的原因後可以推而廣之地推出系列套餐或者“子母型”的增值服務，甚至是改頭換面地包裝出一個新的系統……凡此種種，只要當你確認了A是大賣的，並且A的大賣是有理由的，並且這種理由是你確認的，那大可放手把它推而廣之，因為那是玩家喜歡的。
分析後的改良會是一個漸進的試探性過程，畢竟突然的改頭換面是充滿風險的。把壞的東西改成好的那還說得過去，把好的不慎突然改成壞的就會遺臭萬年了。建議是漸進地試探性改良，在改良後再通過前面的數據積累、挖掘和分析步驟來觀看結果，根據結果再來步步推進。 （編者註：得出來的成果是有價值的，利用調查結果來付諸行動則需要更加的謹慎。挖出來的好礦別亂用，不然砸著自己的腳不說，還傷害了玩家的感情。 ）
六、小結
數據的積累、挖掘和分析是一個需要不斷迭代的過程，這個過程是在開發週期裡規劃和實現，在運營開始的時候開啟並開始迭代的。
這個過程中的每一次迭代都會為你衍生出一些有意義的分析結果，利用這些分析結果去改良遊戲，然後再藉用下一次的迭代去觀察、調整和擴大戰果，如此用戶的體驗一定會不斷地得到改良的，而對開發商和運營商得到的也自然是越來越大的收益。
遊戲中的數據是如金礦般寶貴的，把數據積累起來、挖掘出來，再進一步分析和思考，別讓你手中的金沙再不斷流走了。 （編者註：保護並擴大成果的最好辦法是持之以恆。好人不難做，難的是一輩子做好人，這裡套用一下，好礦不難挖，難的是一輩子都挖出好礦來。加油吧，遊戲同仁們！）
Friday Forum
Friday Forum是TDC精心打造的信息交流平台，在這個平台上研發人員能充分的進行專業技術的交流、研發成果的分享、職業發展的規劃、生活態度的展示等，既是一個信息交流的平台，也是一個展示個人風采的平台，成為構建TDC學習型組織的特色組成部分。
遊戲網誌：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系