游戏中的数据挖掘阅读文献小结

最近实习的公司是做游戏的大数据分析，前期的产品做得是游戏的舆情分析，网站是www.thinkinggame.cn ，有兴趣可与上去看一看。下一步的战略是挺进游戏内数据的分析，所以我在学习如何对游戏内的数据进行分析、建立模型。下面是我今天看的一些文章或帖子。

游戏中的数据挖掘

浅谈游戏数据挖掘中简单讲解了一下游戏数据挖掘的流程。主要分为需求调研、数据挖掘阶段和模型发布后，游戏内的数据挖掘主要是建立用户流失率分析模型，对未来可能出现的流失做一个预警，除此之外，还此分析过程可能对于游戏相关的运营活动提供临时性的指导意见。喜欢这篇博客中提到的一句话“统计分析给您以先机，分析报告给您后见之明，数据挖掘给您以洞察”。
有价值的数据应该是玩家各种行为所产生的所有数据——不仅仅是游戏中的动态数据。
浅谈游戏数据的积累、挖掘与分析中从实战的角度谈数据的积累、挖掘和分析，这三步是不断迭代，发现游戏中设计合理和不合理的地方，并以此进一步改良游戏，改善玩家在游戏中的体验。文中提到关于游戏数据挖掘的目标：这篇博客的内容信息量特别大，对我这种刚刚接触游戏行业的数据挖掘的菜鸟来说价值非凡。这篇博客将 数据静态数据和动态数据两种数据。其中动态数据还分四种：游戏中不断变化的玩家动态数据、论坛中的玩家回帖、玩家来电/求助GM和玩家消费记录。通过主动和被动两种机制把数据积累起来，矿床随着时间会变得越来越大的。数据挖掘将已经浮在表面或者藏得很深的矿石挖掘出来。数据分析主要是了解玩家的倾向，数值的平衡，系统和内容的合理性，销售的倾向性和推断出一些我们难以了解到的原因。预留数据沉淀的利器](http://blog.sina.com.cn/s/blog_48fbe4a10100gpl3.html)这篇文字主要讲的是从游戏中获取一些即时信息的方法，对现阶段的我来说帮助并不是很大。所以略过记录。
游戏运营中的数据分析，这篇博文对游戏运营中较核心的数据进行梳理分类，了解游戏运营中的数据分析中的数据有哪些。

游戏用户流失预测模型

基于腾讯信鸽平台的手游流失用户预测模型概览，这篇文章简单的介绍了一下流失用户预测模型。
关于游戏数据分析师的一些浅见，这篇文章中关于如何才能做好游戏分析师的工作提出了一些看法，需要逻辑性思考和框架性思，彪悍的协调和沟通能力以及懂游戏业务。
游戏数据分析：用户流失模型的建立，这篇文章利用spss Modeler软件建立有关付费用户的月登陆流失问题和有关付费用户的月付费流失预测。
游戏运营数据定义（上），这篇文章介绍了游戏运营中数据名词的定义。
详解如何通过业务模型预测游戏留存， 这篇博客通过一个简单的例子建立预测游戏留存模型。
如何通过留存预测未来DAU与LTV， 简单通过一个小例子预测未来DAU与LTV，这里的模型十分简单，更像是选择一个函数进行拟合。不过更复杂的模型就是通过这个进行演化的嘛。
新游戏用户规模预测模型， 介绍了如何建立用户规模的简单预测模型，只要高中的一些知识就能看懂。
新游戏用户规模预测模型，主要关注与用户沉淀周期。
大数据时代如何做好游戏的用户研究， 做游戏的数据挖掘，就是做游戏用户的行为预测。
网络游戏用户流失原因分析，深入介绍了游戏各个阶段的用户流失原因的分析及一些补救办法。这个对理解用户流失模型有很大的帮助，不仅能够找到流失的客户，也要找到客户流失的原因。
优质游戏用户筛选模型， 简单介绍了一下优质游戏用户赛选模型。
浅谈网络游戏中新用户首日流失的数据分析， 内容如题，使用一个简单的例子讲解首日流失的数据分析。
玩家生命期与等级间关联特征分析， 将玩家生命周期与等级关联起来进行分析，从而得出生命周期与等级关联起来的特征。