تغییر جهت صنعت بازی به سمت ژرف‌داده(1)

بازی بان (ترجمه)- شماره دوم/ تیر ماه 97

لینک دانلود: yon.ir/gOMTT

وقتی حرف از جمع‌آوری داده‌های مشتری می‌رسد، صنعت بازی‌ها در موقعیت منحصر به فرد و رشک برانگیزی قرار می‌گیرد. بر خلاف دیگر بخش‌ها که داده‌های مشتری اغلب در آن ناقص است، سازندگان بازی‌ها و بازاریابان می‌توانند به گنج داده‌های مستقیم هر یک از بازیکنان‌شان دسترسی داشته باشند. اما همیشه اینطور نبوده است.


تغییری در نحوه گیم بازی کردن ما

صنعت بازی‌ها می‌دانست که وقتی مدل بازی رایگان2 روی گوشی ما به حد انفجار رسید و شروع به جمع‌آوری میلیاردها بازیکن جدید کرد، مجبور بود درباره برخی چیزها دوباره فکر کند. در حالی که احیاناً بازی رایگان روی کاغذ، به نظر، شبیه یک برگ برنده باشد، اما حقیقت این بود که اکثر بازی‌ها از تعامل ضعیف رنج می‌بردند. کاربران در اولین جلسه خود تجربه‌ی کافیِ خوبی کسب نکرده بودند ، بنابراین آن‌ها دیگر به بازی باز نگشتند. به عبارت دیگر اگر بازیکنان نتوانند به بازی ادامه دهند، این بازی هیچ پولی به دست نمی‌آورد.

و این مشکل تنها بدشانسی بازی‌های بد نبود. حتی در حال حاضر، اغلبِ محبوب‌ترین بازی‌های رایگان، روزانه شاهد نرخ نگهداشت3 بین ۲۰ تا ۴۰ درصد می باشند. واقعیت این است که بدون الزام پرداخت اولیه، بازیکنان هیچ تعهدی به تداوم یک بازی که آن‌ها را درگیر نمی‌کند ندارند. بنابراین، مسئولیتی بر دوش توسعه دهنده است تا با درک رفتار بازیکن و استفاده از آن داده‌ها جهت ایجاد تجربه‌های بازی، میزان رضایت را به حداکثر برساند.

سازندگان و بازاریابان می‌بایست تجربه بازی را با مکانیکهای کسب درآمد مشروط4 ، مانند تبلیغات در بازی و خرید درون برنامه 5 (IAP) به تعادل برسانند، اما انجام این کار با تجزیه و تحلیل داده‌های بزرگ، مجموعه مشکلات خاص خود را داشت.

داده‌ها به خاطر خودِ داده‌ها

بزرگ داده‌ها 6 امکان ضبط گنجینه‎ی داده‌ها را فراهم کرده‌اند. اما با این همه اطلاعات موجود، سازندگان ریسک جمع آوری و نگهداری "داده‌ها به خاطر داده‌ها" را قبول نمی‌کنند. بنابراین، در بازاری که به طور فزاینده‌ای دشواری در حفظ بازیکنان در زمان طولانی مدت جهت کسب درآمد وجود دارد، چیزی که در عوض به‌نظر ما می‌رسد تمرکز برروی انتقال به داده‌های صحیح است تا بتوان دیدگاه یا بینش عملیاتی تولید کرد.

به جای تجزیه و تحلیل انبوه داده‌ها، مجموعه‌ای از ابزارها برای انجام این کار توسعه داده شده‌اند، و تنها بر روی معیارهای مورد نیاز برای بهبود بازی‌ها تمرکز کرده‌اند. این رویکرد با عنوان "ژرف داده‌ها" اعلام وجود کرده است و در حقیقت نوعی تجزیه و تحلیل مورد استفاده می باشد که به تنهایی برای شرکت‌هایی با [داشتن] منابع استخدام تیم‌های حرفه‌ای، و حتی برای توسعه دهندگان مستقل کوچک در دسترس قرار می‌گیرد. و، در ارائه‌ی یک درس از نوآوری، در حال استفاده از داده جهت تقویت بازی‌هایشان هستند.


تجزیه و تحلیل ‌های 0/3 : ژرف‌داده در حال رشد است

با ظهور ژرف داده‌، فرآیند شخصی سازی دقیق بازی گزینهای موثر است، و ما می‌بینیم که توسعه دهندگانِ بیشتر و بیشتری از آن استفاده می‌کنند. با بخش‌بندی بازیکنان براساس رفتارهای‌شان، بازی‌ها با سبک بازیکنان تطبیق داده شده و تقویت می‌شوند. نه تنها این می‌تواند برای تغییر بازی مورد استفاده قرار گیرد، بلکه می‌تواند روش کسب درآمد را به طور کامل برای هر یک از بازیکنان (و یا همه‌ی آنها) تغییر دهد.

سیر تکامل تجزیه و تحلیل در گیمینگ

طی چند سال گذشته، تغییر چشمگیری در نحوه‌ی استفاده صنعت بازی‌ها از تجزیه و تحلیلها صورت ‌گرفته است. این تکامل را می‌توان در سه مرحله مجزا دنبال کرد:

تجزیه و تحلیل 0/1 - این نوع تجزیه و تحلیل تنها بر روی عملکرد بازی متمرکز بود؛ گزارش دهی داشبوردی در مورد آنچه در بازی رخ داده بود، اما بدون ارائه شفافیت که توسعه دهندگان را قادر می‌سازد بدانند که هر مشکلی ممکن است کجا قرار داشته باشد، یا چگونه آن‌ها را حل کند.

تجزیه و تحلیل 0/2 - این فاز در مورد تغییرات بازی در سطح طراحی بود. سازندگان می‌توانستند ببینند که این مشکلات کجا هستند، اما تنها می‌توانستند تغییرات ساده و یکسان برای همه را در بازی اجرا کنند.

تجزیه و تحلیل 0/3 – متداول‌ترین رویکرد فعلی این رویکرد تجزیه و تحلیل است. ژرف داده‌ها - ترکیبی از تعداد زیادی از نقاط داده، تکنولوژی پایگاه داده‌ی ‌بسیار سریع و منابع داده‌ای چندگانه - این امکان را فراهم می‌آورد که تجربه بازی کردن7 برای هر یک از بازیکنان بصورت انفرادی درون بخش‌های مختلف ، براساس تعامل و سبک بازی آن‌ها ، شخصی‌سازی شود.

آینده‌ی ژرف داده‌

استفاده از ابزارهای تجزیه و تحلیل ژرف‌داده‌ برای شخصی کردن تجارب بازیکنان در بازی‌ها نه تنها کسب و کار را بهبود می‌بخشد ، بلکه گیم‌پلی را برای همه مخاطبان بهتر می‌کند. این یک سناریوی برد - برد است. در نظرسنجی اخیر deltaDNA از تبلیغات بازی، ۵۰ ٪ از بازی‌های با 100+ هزار کاربر فعال روزانه (Daily Active Users) بیان کردند که آن‌ها تجارب متفاوتی را برای بازیکنان متفاوتی که پرداخت نداشته‌اند ارایه کرده‌اند.

ژرف‌داده‌ نه تنها حرکتی به سمت کارایی و اثربخشی است، بلکه نشانگر دموکراتیزه شدن تجزیه و تحلیلها است. انتظار دیدن توسعه دهندگان بیشتر و بیشتر در اتخاذ این رویکرد را داشته باشید، زیرا صنایع دیگر شروع به پیروی از این زنجیره می‌کنند.



پی نوشت ها:

1- Deep Data

2- free-to-play

3- Retention rates

4- requisite monetization

5- in-app purchases

6- Big data

7- Gaming