以下内容根据原访谈整理，反映《三国战纪》团队在案例分享时的研发与运营实践。
欢动游戏将曾经的街机厅三巨头之一的《三国战纪》搬上了手游平台，在横版格斗类游戏的细分市场，这款情怀产品将原版 IP 与新的系统玩法结合在一起，通过 ThinkingAI 的数据分析平台 AE 系统，用数据洞察玩家行为，为玩家带来“重回少年”的游戏体验。
公司介绍
上海欢动科技有限公司专注于中国传统文化题材的游戏研发和运营，围绕三国、西游等题材布局产品。
游戏介绍
《三国战纪》是一款由上海欢动科技有限公司、上海魔克信息科技有限公司开发的经典街机格斗类手游，横版动作游戏。由老牌街机厂商 IGS 正版授权，并全程参与监修，高度还原了街机经典《三国战纪》系列的精髓。
手游版本在保留原有角色的基础上全新加入了多位原创人物与超华丽丰富的角色技能，最高支持 4 人联机，让广大玩家体验到最具特色且原汁原味的游戏体验。
挑战 1：街机游戏手游化
挑战 2：自研系统开发周期长
挑战 3：依靠过往经验决策
AE 价值 1：数据驱动产品策划
AE 价值 2：数据需求高匹配度
AE 价值 3：数据优化运营逻辑
“经验主导”到“数据主导”
将街机游戏手游化，产品策划过程中会遇到什么样的问题吗？
游戏社交是最先遇到的问题。因为街机厅打游戏的时候，是和小伙伴在线下一起交流沟通，讨论游戏中的战术策略。将这种协作多人街机转移到手游中，最大的问题就是小伙伴之间的交流无法还原街机时代的体验。
在项目的策划运营过程中，数据驱动决策的占比高吗？
项目初期，我们很多是根据以前的项目经验为指导意见，就是经验主义为主。但近几年，几乎所有决策都是以数据指导为准。凭经验拍脑袋的过程，很容易出现认知差异，最终导致项目组分歧，但大家对数据的理性结果的认知是一致的，数据能够驱动项目组在短时间内就能够得到团队所认可的结论。
当时选择第三方的数据分析工具是出于怎样的考量？
因为数据的需求是一个随着公司及产品阶段不断变化的内容。原来我们使用内部自研的系统，但自研数据分析，无论是系统的开发周期还是数据到需求人员手中的时间，都是一个较为漫长的过程。所以我们选择使用第三方的工具去协助我们快速地获取数据去进行分析。
当时选择 AE 系统而非其他市面上的数据分析产品的决定因素是什么？
其实早期我们接触 ThinkingAI 产品的时候，对于这款产品还是不太了解，当时并没有利用第三方软件去做数据分析管理的概念。后来 ThinkingAI 的数据分析师给我们做了一些培训讲解，我们在亲自试用了这款产品之后，就很清楚地看到 AE 系统对游戏公司数据需求的匹配度是非常高的，它可以在短时间内满足我们对数据、报表的需求。现在我们公司项目组，大概有十多个人在使用 AE 系统，去辅助各自部门的工作。
目前有哪些部门的同事在使用 AE 系统？
我们目前主要是《三国战纪》这款游戏在使用 AE 系统，该产品是正式上线两年后开始接入 AE 系统的。因此，《三国战纪》产品的市场活动、游戏策划、运营专员等岗位都有针对例如玩法参与度、流失召回等用户数据，去利用 AE 系统做一个分析。AE 系统在我们两个项目组里面，基本都得到了各个岗位部门的应用，系统功能几乎可以涵盖各岗位的需求。
日常使用 AE 系统的过程中，最为常用的系统功能是什么？
最常用的是“事件分析”、“留存分析”、“漏斗分析”。我们会用“事件分析”去提取一些常规的用户行为数据，做玩法上的分析。“留存分析”主要还是 LTV、ROI 等数据分析。“漏斗分析”更多是做玩法逐层转化率的解析。
《三国战纪》的三个分析场景
场景一：匹配算法的优化
策划岗的人员在使用 AE 系统的时候有什么优化案例吗？
策划岗更关注产品本身，比如新玩法上线的时候，用户参与度如何、用户在玩法中的耗时多久、活动付费情况是怎样的等。举个例子，我们在做《三国战纪》的排位赛系统时，会调取 AE 系统的后台玩家数据，去优化排位赛的匹配逻辑，采集了匹配玩家的用户数据之后，去寻找与该用户数据近似的玩家。驱使系统算法实现更加合理的匹配过程，而不会让玩家因为匹配到实力差距过大的玩家，导致体验过差，甚至造成流失的情况。
能具体聊聊这个排位赛的优化思路是怎样的吗？
比如说匹配过程中，我们会依靠 AE 系统采集用户的段位数据、战斗力、等级等信息，然后我们根据这些信息做一个用户筛选、分类，去验证我们原有的匹配算法是否正确，再通过这个数据去矫正、优化我们既有的匹配思路。
场景二：节日付费活动分析
运营在日常的工作中是怎样使用 AE 系统的？
运营专员会更关注宏观的游戏数据，例如 DAU、新增用户数量。他们会采集日常数据的波动变化，并根据 AE 系统给出的数据下钻做出波动原因的评估。如果评估出数据是存在异常波动的，那么运营部就会拿数据与策划部进行沟通，去分析是否是活动或者设计存在一些问题。策划部就会根据反馈的数据通过 AE 系统，结合最近新上线的活动、版本，去复查数据异常波动的原因。
有没有运营同学根据 AE 系统展现的数据，去做活动形式、内容的调整呢？
有的，运营会在后台关注活动的充值、资源消耗、资源获取的情况，对整个活动进行分析。例如说我们之前有一个节日活动，节日礼包在购买的时候，随着购入人数的提升，礼包的单人付费值就会越低，在活动结算的时候，会根据活动参与人数的情况去补还你的消耗差价。对于活动整个的设计和优化，我们使用 AE 系统去做的分析。
在这个分析过程中，使用到了什么模型或者功能？
“事件分析”和“漏斗分析”。我们使用“事件分析”去获取活跃用户比例、参活用户比例、活动付费、道具付费率等数据去评测这期活动的上线效果。然后，我们还会根据这些数据内容，去优化用户在线时长，进一步提升活动的用户体验及用户付费情况。从结果来看，我们产品的用户付费率大概提升了 21% 左右。
场景三：流失用户分群分析
是否用过用户分群功能？
我们经常使用「用户分群」的功能。比如说我们可以根据登陆时间去做一个近期不活跃的用户分类，看产品在一段时间内流失用户的情况，或者根据用户的 VIP 等级去做付费用户的付费质量以及档位分布。我们会做好分类后，再利用 AE 系统对各个群体做数据下钻，分析各个群体的行为原因。
针对不活跃用户群体的管理，我们在提取了不活跃用户的群体数据之后，我们会将这一批用户做好分群，然后再进入单个用户界面，去监测他们在最后一次登录的时候的行为路径。我们会根据这些行为路径，去分析并优化这些行为的各个环节，并且会考虑在这些行为过程中增加用户关怀。
