游戏运营中的幸存者偏差

  游戏运营中的幸存者偏差是一把双刃剑，既有可能误导分析结果影响决策，也有一定的可能提供噱头提升收入，因此对它的正确认识尤为重要。

  二战时期，英国在与德国的空战中损失了不少轰炸机和飞行员。为降低损失，英国军部考虑给轰炸机装上更厚的装甲，来提升飞机的防御性能。但增加装甲会大幅度的增加轰炸机的重量，影响其整体性能，因此研究人员需要做出选择，只在飞机最易受到攻击的地方加上装甲。

  当时的英国军方研究了那些从空战幸存的轰炸机。从下图能够正常的看到，飞机上的弹孔大多分布在在机身中央、两侧的机翼和尾翼部分。故而研究人员提议，在弹孔最密集的部分加上装甲，以提高飞机的防御能力。

  然而这个提议却被一位叫沃德的统计学教授所否决，他指出这些百孔千疮的轰炸机是从战场上成功飞回来的“幸存者”，说明机身上的弹孔并没有对它们造成致命的伤害，反而是那些没有弹孔的位置才是最致命的，因为这些位置一旦被击中，轰炸机几乎没办法生还。沃德的建议后来被英国军方采纳，挽救了成千上万的飞行员性命。

  这就是所谓的幸存者偏差，意指只看到经过筛选后的结果，而没意识到筛选的过程，从而忽略了被筛选掉的关键信息，做出错误的判断。在咱们进行游戏数据分析时，也往往只关注那些已筛选过的数据，从而做出判断，无形中陷入了幸存者偏差的误区，下面我们举几个例子来感受下。

  描述这样的一个问题之前，先引用一个案例，在知乎里有一个提问：侵华战争中日本入侵者的真实面目到底是啥样子？在这样的一个问题的回复中，有很多人似乎在为日军“洗地”，觉得日军非常有纪律，并不像传说中那样残暴，而且这些观点也都来自于家中长辈们的真实经历，并非是胡言乱语。

  这显然与我们的认知存在偏差，那么问题在哪呢？其实这是幸存者误差中的一个典型---死人是不会说话的，那些真正遭遇日军烧杀抢掠的同胞并没机会将他们的认知留给后人，而那些跟后代讲“其实还好”的恰恰是当时的幸存者。

  故事说完了，回过头来看看游戏的数据分析，其实和刚刚的故事相仿，流失的玩家是不会说话的！在我们平时工作中，往往会把大量的数据分析着眼于高活跃的玩家，会认为他们是我们的核心用户，可能为游戏提供更多的收入，但通过一系列分析高活跃玩家而做出的策略，经常会发现效果并不那么理想。

  原因在于，那些真正对游戏不满意的玩家已经流失，他们的行为已经丢失，在这样的情况下，一味将分析的重点放在游戏的“幸存者”身上，显然是有问题的。让我们略做反思，除了高活跃用户，是否应该聚焦流失玩家在流失前的行为，他们的意见或许才是优化玩法的有效声量。

  同理，大R超R固然是整个游戏的支柱，但开源也同样至关重要，怎么样转化那些没有付费的玩家，研究他们的行为，满足他们的需求，也是数据分析中值得思考的幸存者问题。

  关注玩家在游戏内外舆情的同学们可能会发现，不管活动做得好不好，版本改得怎么样，似乎玩家总是在骂游戏，这究竟是怎么回事，是游戏真的有问题，还是活动又做砸了？请不必着急，ThinkingGame平台通过对数千款游戏的游戏外舆情分析后发现，即便是王者荣耀、阴阳师这样的游戏，负面言论仍然占多数。

  产生上面讲述的情况的原因，在于玩家在游戏中体验良好时，他们大多会选择继续游戏，而当玩家产生不积极的情绪时，才会通过聊天、评论、发帖等行为进行宣泄，我们通过这一些途径收集到的玩家反馈，其实已经过滤了许多觉得游戏不错但没有表露的玩家信息，在犯了幸存者偏差这个谬误后，自然会发现玩家始终在骂游戏。

  当然，如果仅仅因为数据不全面，就不关注玩家的舆情，显然是过犹不及。我们大家可以认为玩家的发言是定性数据，往往可以一针见血地道破问题出在哪里。举个例子，定量的数据可能会告诉你A这个英雄出场率很高，但原因到底是技能厉害，模型好看，还是装备加成？如果是技能厉害，那又是伤害太高，效果出众，还是特效绚丽？要想从定量数据中获取这些主观结果，是十分艰难的，但却直接反映在玩家的言论当中。因此，结合玩家的舆情和行为两方面的数据，才可避开幸存者偏差，从而规避下图的悲剧。

  看了上述两个案例，会觉得在游戏运营的数据分析过程中，幸存者偏差是一个不可规避的陷阱，但从另个角度来看，幸存者偏差也能乘为我们运营过程中的助力。

  也许运营们并不曾关注，但关于幸存者偏差的的应用其实都会存在于游戏运营过程中：

  “xxxx玩家在xxx活动中获取了五星武将诸葛亮”，“xxxx玩家通过xxx宝箱开出了传说级武器”，这样的宣传在游戏中可谓是屡见不鲜，当我们将活动的巨大收益推送给玩家的同时，却没有将哪些“一将功成万骨枯”中的“万骨”一并推送给玩家。此时，玩家往往会一时冲动就产生消费行为，却不会仔细思考，究竟整个活动的数学期望是怎样的，其实这就是将一些经过筛选的信息告知玩家，从而利用那些凤毛麟角的“活动幸存者”，推动其余玩家进一步参与到活动中。

  可见幸存者偏差也不只是我们在做数据分析时的陷阱，若能够善加利用，反而能够在一定程度上帮助我们提升指标。比如规避一些负面的信息（抽中概率极低），突出正面信息（收益巨大），利用幸存者偏差引导玩家产生更大的收益。

  因此，在游戏运营的数据分析过程中，分析人员应做到“兼听则明”，不能一味倾向于那些高活跃、高付费的幸存者，这些用户的数据都是易得的，一定要通过上帝视角，全面掌握所有玩家的数据，方能探寻到问题的本质。