【雷火UX用户研究】从20到380?游戏用研中交叉分析怎么做?

语言: CN / TW / HK

问卷调研是游戏用研中常用的调研方法,可以大样本快捷回收数据。虽然问卷如何设置题目、设置几个题目是由调研目的决定的,但一般情况下问卷设计者会把题目控制在二十个左右,最多不超过三十个。

那么,二十个题项的问卷只能提供二十条信息么?当然不是!交叉分析就可以让有限的问卷提供更多信息、发挥更大功效。纯数学角度来说,二十题两两交叉可以产生 种结果,这么多交叉怎么用? 游戏用研中如何利用有意义的交叉分析来深入了解玩家?

本文将简单介绍交叉分析是什么及其应用意义,并展现游戏用研中交叉分析怎么做。

1

 交叉分析是什么?     

交叉分析法是用于分析两个变量之间相互关系的一种基本数据分析法。这种分析方法将两项或者更多项指标进行交叉,寻找变量之间的关系,发掘更多的数据特征。

下面通过一个示例来简单说明交叉分析是什么。

某游戏的游戏内问卷有两个题:

① 结合您最近的游戏体验,请问您对游戏的满意度是?

a.非常不满意

b.比较不满意

c.一般

d.比较满意

e.非常满意

② 请问您的性别是?

a.男

b.女

问卷共回收200份,针对每一题进行数据统计后的结果如下(非真实数据,不具备统计意义):

此时,我们能从数据分析中看出的结果是,该游戏男女比例接近1:1,整体满意比不满意多。而将性别和满意度两个变量做交叉后就会得到交叉分析的结果,是综合这两个变量后的分析。

2

从“辛普森悖论”看交叉分析的意义    

从上述案例中也不难发现交叉分析的意义。仅单变量的分析会得出玩家对游戏满意多于不满意的结论,但交叉分析后会发现,男性玩家和女性玩家对游戏的评价是截然不同的。男性玩家对游戏整体不满意居多,而女性玩家的正面情绪将整体的满意程度拉了上去。

交叉分析的意义在于通过这种分析方法,可以更加清晰地了解不同类型的玩家/用户对游戏/产品的看法,防止过度的整合数据对真实数据的掩盖和损失。

所谓对真实数据的掩盖和损失,可以通过“辛普森悖论”更明显地感知。

我们曾在分析某游戏的玩法付费率时遇到过“辛普森悖论”。(以下数据非真实数据)该游戏中,风景党玩家在整体玩法中的付费率远高于外观党,前者44%,后者仅28%。在做出“风景党相比外观党更愿意在玩法中付费”的结论前我们发现组成该游戏的两个玩法——A玩法和B玩法的付费率都是外观党高于风景党。

在A玩法中,外观党玩家的付费率是80%,高于风景党的53%;同样,在B玩法中,外观党玩家15%的付费率高于风景党10%的付费率。但整个游戏的玩法付费中,风景党的付费率却几乎是外观党的 两倍

这就是典型的“辛普森悖论”,整体的趋势和分类的趋势完全相反。为什么会出现这种情况?因为分玩法来看,A玩法的付费率很高(58%)而B玩法的付费率很低(14%)。在这种情况下,风景党玩家大量参与了A玩法而外观党玩家大量参与了B玩法。不将玩法区分开来的总体趋势,丧失了数据的内涵意义,将整体的解释推向了另一个极端。

3

 游戏用研中的交叉分析怎么做?    

从理论上来说,任何两个变量都可以进行交叉,一个问卷可以得到上百种交叉关系,但很多交叉关系并没有实际意义。在游戏用研的问卷分析时,想要进行交叉分析,其实核心是用不同的标准将玩家分类,然后分析不同类型玩家的数据。所以,游戏用研中交叉分析的核心是如何将玩家进行分类。

结合游戏玩家和数据的特性,本文将游戏问卷的交叉分析分类方法分为三类。

基于人口学的交叉分析

基于人口学对玩家分类是最为常见的方式,人口学信息包括性别、年龄、收入、职业、地区等。

大多数问卷都会在末尾收集关于人口学的题目,游戏调研的问卷也如此。收集完问卷后进行数据分析,性别占比、年龄分段,但人口学信息提供的远不止如此。

游戏中我们如何利用人口学信息进行交叉分析?性别在游戏问卷交叉分析中使用最广。男性玩家和女性玩家在游戏类型的选择、游戏画风的偏好、游戏乐趣的追求方面都展现出不同的态度。如在一次问卷分析中,用性别将玩家分类后可以看出,女性玩家格外关注画面风格和游戏节奏快慢,而男性玩家更注重游戏题材以及金钱时间的投入(即游戏性价比)。

在对玩家接触的媒体渠道做调研时,通过交叉分析我们发现女生比较喜欢微博、小红书,而相对来说男生更喜欢直播平台。这个触媒偏好的发现启发我们的游戏营销应该制作什么样的素材,以及在什么平台吸引玩家(数据未展示全部选项)。

玩家的年龄、收入等人口学因素也在游戏问卷的交叉分析中常有看到,但地区等因素却不常见,究其原因就是地区等因素在很大程度上与收入这个因素相关,用这些因素进行分类反映的可能不是地区文化造成的差异而是整体经济水平带来的。

问卷中设计的玩家分类题

除了问卷中“固定设置”的人口学题目外,问卷设计者也可以在问卷设计时加入有意义的玩家分类题,方便收集完数据后进行交叉分析。我们曾经在问卷中询问玩家的游戏经历作为区分玩家的依据。通过对MMO手游玩家和二次元手游玩家接触新游信息渠道的比较可以看到,MMO手游玩家收到游戏公司的客服或推送比较多(数据未展示全部选项)。

除了游戏经历背景外,我们还使用过玩家传播能力、玩家游戏水平等多项指标划分玩家,并进一步分析不同类型玩家的态度。

问卷回收后对应玩家游戏中数据分类

上述提到的人口学信息和事先设立的玩家分类题都是基于问卷回收的结果对玩家进行分类,其实我们还可以在问卷回收后,根据玩家在游戏中等级、门派等游戏相关数据进行划分,了解不同等级/门派的玩家填写问卷的情况。

4

交叉分析中常见的指标     

交叉分析中有两类常见指标:行/列百分比和TGI指数。

行/列百分比

依旧以“性别×满意度”的交叉分析为例:

行百分比是指两个变量交叉的样本数量/对应行的样本数量,反应的是以行变量为主要变量,看行变量分类在列变量上的数据区别(例子中为男女在满意度上的差别)。

列百分比是指两个变量交叉的样本数量/对应列的样本数量,反应的是列变量不同在行变量上的数据区别(例子中为满意度不同的玩家在性别上的差别)。

在分析计算时,选择行百分比还是列百分比,主要取决于指标是否有实际意义。在有些变量的交叉中,行/列百分比都具备一定的解释意义,但有些变量的交叉仅一种指标有意义。如上述案例中,行百分比这个指标反映了性别差异下玩家满意度的差别,而列百分比的指标并没有实际意义。

TGI指数

TGI全称是Target Group Index,目标群体指数,反映的是目标群体在特定范围内的强势/弱势。TGI=目标群体中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例*100%。

当TGI=100%时,表明某一特征群体相较总体并无差别;

当TGI>100%时,表明群体特征相较于总体表现更强势,且随着数字增大加强;

当TGI<100%时,表明群体特征相较于总体表现更弱势。

拿“性别 × 触媒渠道”的交叉分析举例,问卷询问玩家在某短视频平台和某直播平台中更常使用哪个平台,得到的结果如下:

此时,无论是从整体看还是分性别看,玩家都是更常使用短视频平台。这就是我们能得到的全部信息么?TGI结果提供了另一个信息:

以86%为例,是男玩家选择短视频平台的60%/整体玩家选择短视频平台的70%得到。TGI指数告诉我们,相对于整体来说,男玩家更常使用直播平台,女玩家更常使用短视频平台。TGI指数反映的是某个群体相对于整体的偏向,这就提供了另一条信息。

5

 总  结      

其实 ,我们在分析过程中可以用到交叉分析的场景有很多。不少人知道交叉分析是什么但不知道它在具体场景尤其是游戏数据分析中怎么用。 因此,本文在简单介绍交叉分析之后,用“辛普森悖论”直观展示了交叉分析的意义,然后总结了游戏用研中常用的交叉分析玩家分类方法,最后介绍了交叉分析的实用指标。

除了交叉分析之外,还有不少分析问卷的方法。在分析问卷时不只局限于统计问卷问题的结果就能够让问卷发挥更大的功效。

  推荐阅读  

体验设计

  战斗快感提升妙手:天下武功,唯慢不破!

  游戏中的飘字设计艺术

  调动玩家情绪的利器——快速时间事件(QTE)

  “禅意”的游戏体验击中玩家之心

  UI控件+体验:如何从落地出发拆解微动效

用户研究

  “能来帮帮胡桃吗”——游戏中的女性角色真的很弱吗?

为何钟爱年货游戏?——从《使命召唤》系列说起

那些年,“断层出道”的时装们

  当玩家说“爆率低”的时候,你应该想到什么?

  怎样让玩家在游戏中成为一个“好父亲”

全球本地化

  不朽还是变革?法语本地化的困境与突破

助力中国游戏出海乘风破浪——《永劫无间》本地化实践分析

《极乐迪斯科》:独特的瓷器活儿还得专用的金刚钻

  从市场到开发,探秘阿拉伯语游戏

  泰国游戏市场分析及游戏本地化流程

「其他文章」