游戏运营之数据分析
作为产品运营人员，数据分析是为了解决问题，不要为了分析而分析。
也就是说：
1、要带着问题去分析数据，而不是从海量数据中找问题。(后者是该数据分析师做的数据挖掘工作)
所谓带着问题是指在拿到数据前做出预设：
正常情况下数据应该在什么范围内?
现在情况出现异常或与预期不符，那么预测现在数据在什么区间范围?预测其原因是什么?
如果数据高于/等于/低于某个值将说明什么问题?
带着这些问题再去查询、处理、对比、分析数据，效果会好很多。
而相反，拿到数据结果之后再去找原因，就很有可能陷入咋说咋有理的坑中，也难以提升分析预测能力。
2、简化问题
数据分析说简单很简单，说复杂很复杂。
简单来说，数据分析就是各种拆分、组合、对比数据，然后发现问题、解决问题、预测问题、预防问题。
到这种程度其实并不需要熟悉什么统计学模型与工具，熟悉SQL+Excel就够了，已然可以解决80%的问题。
当然，每种简单的方法也可以用复杂的模型来代替，这样可以另他人“刮目相待”。
游戏运营之内容优化
1、简化
用户时间宝贵，内容要简明直接，去掉多余信息。
2、形象化
观点→例子
文字→图片→视频
如:
“特别冷”
3、快速化
做内容，快是非常重要的。
先求快，后求精。
在内容品质相差并不多的情况下，快代表生，慢代表死。
当然，如果你的内容特别优秀，慢一些也可以。
4、精品化
内容求精不求全。
信息过载时代不要给用户增加筛选信息的负担。
游戏运营之内容推荐
用户获取内容主要有两种方式：推荐和搜索。
推荐说简单也简单，说复杂也复杂。
简单来说，内容推荐只要满足一点：用户当前感兴趣的。
一、满足用户感兴趣的
1、基于用户喜欢的内容，推荐相似内容。
最简单的方法是给内容贴标签(越细致越好)，然后通过标签进行匹配。
以游戏举例：
《魔兽世界》标签如下：
玩法：MMORPG
画面：3D
画风：写实
题材：魔幻
类型：网游
平台：PC
那么根据这6类标签，我们就可以匹配出相似游戏：《暗黑3》、《战锤Online》、《巫师之怒》等。
2、基于用户喜欢的内容，推荐相辅内容。
用户买钢笔，咱就推荐钢笔水、铅笔盒、字帖、笔记本。
用户关注汪峰，咱就推荐章子怡、康作如、葛荟婕、撒贝宁、霍启山。
3、基于用户行为推荐
购买A的人，70%也购买了B。
同时安装了X和Y应用的人88%也安装了应用Z。
4、基于相似用户推荐
给用户挂标签(标签基于用户填写资料、历史行为等)，通过标签匹配相似用户，再将相似用户喜欢的内容做推荐。
5、订阅(关注)
以上4点都是基于用户已产生的数据，那么在没有用户数据时，可以引导用户根据标签去订阅内容或关注人。
二、满足用户当前感兴趣
用户的喜好不是一成不变的，而是受诸多条件影响。
用户也许：
工作日想学习，休息日想游玩;
月初想花钱，月底想省钱;
20岁想旅行，30岁想安家;
冬天想滑雪，夏天想游泳;
……(常规变动)
大爆炸后想了解内幕、想学习安全知识;
NASA发现火星水后，想了解外太空;
……(突发热点)
简单来说就是我们在基于用户历史数据做推荐时，要注意时效性，重点关注新产生数据及数据变化(规律)。
