基于组件的游戏对象系统研究--《中南大学》2013年硕士论文
基于组件的游戏对象系统研究
【摘要】：自从90年代末以来,基于组件的软件工程是一个非常热门的研究领域。但是,目前它们大部分都是面向企业信息管理系统的,并且集中于解决诸如分布式、安全性和基于事务的商业逻辑等问题。针对虚拟现实和游戏领域的基于组件式的开发方法还很少被人们所认知和理解,目前还仍然处在发展阶段。
针对虚拟现实和游戏领域对组件式开发方法的强烈需求,本文提出了一种基于程序局部性原理的组件模型,设计并实现了一种基于数据驱动的组件式实体系统--CBES(Component-Based Entity System)。该框架采用基于组件的构架,透明化处理游戏中的实体和组件,并且使用基于数据驱动的方式来组装游戏实体,最后配合相应的组件系统来完成整个游戏世界的构建和逻辑处理。本课题的研究内容和创新点主要体现在以下四点：
1)探究并分析了传统的基于继承的面向对象方法在开发游戏过程中存在的问题和不足。
2)着重分析了基于组件的游戏对象系统的设计思想和构成,研究了现有的基于组件的游戏对象系统框架,分析对比了它们的代码复用程度、可扩展性和运行时性能。
3)针对传统的基于组件的游戏开发技术,本文根据程序局部性原理,提出了一种新的基于数据驱动的组件模型,设计了组件与组件之间的高效通信策略,同时设计并实现了一个基于组件的实体系统CBES。采用CBES来开发游戏,能够降低构建视频游戏和虚拟现实系统的复杂性,缩短开发周期,同时也能够提高代码的可复用性。
4)采用CBES(?)匡架并结合开源游戏引擎Cocos2D-X开发了一款运行在iOS上面的游戏原型,验证了该框架的可行性和运行时性能。同时,对比分析了采用CBES前后,代码的复用程度和运行时性能。另外,由于CBES采用跨平台标准C++构建,它可以与大部分现有的游戏引擎相融合,这样大大提高了CBES的适用范围。
本文最后对研究工作做了总结,指明了CBES框架设计中存在的缺点与不足之处,同时对未来的研究工作进行了说明。图37幅,表4个,参考文献62篇。
【关键词】：
【学位授予单位】：中南大学【学位级别】：硕士【学位授予年份】：2013【分类号】：TP311.52【目录】：
摘要4-5Abstract5-7目录7-91 绪论9-18 1.1 组件式游戏对象系统问题的提出9-12
1.1.1 当前游戏开发现状9-11
1.1.2 基于继承的游戏对象系统11-12 1.2 组件式游戏对象系统的研究现状与研究意义12-15
1.2.1 组件式游戏对象系统的研究现状12-14
1.2.2 组件式游戏对象系统研究意义14-15 1.3 组件式游戏对象系统当前存在问题15 1.4 本文的主要工作15-16 1.5 论文的组织结构16-182 组件式游戏对象系统相关研究18-32 2.1 概述18-19 2.2 组件式游戏对象系统基本元素19-22
2.2.1 游戏对象19-21
2.2.2 游戏对象组件21-22 2.3 几种经典的基于组件的游戏对象系统22-30
2.3.1 Bjarne Rene的游戏对象系统22-25
2.3.2 Chris Stoy的游戏对象系统25-27
2.3.3 Raywenderlich的游戏对象系统27-30 2.4 三种方法的总结和对比30-31 2.5 小结31-323 组件模型与组件通信32-41 3.1 组件模型32-35
3.1.1 程序局部性原理与传统的组件模型32-33
3.1.2 基于程序局部性原理的组件模型33-35 3.2 组件通信35-39
3.2.1 组件系统35-38
3.2.2 组件映射器38-39 3.3 性能评测39-40 3.4 小结40-414 CBES框架及应用41-51 4.1 CBES概述41-43 4.2 CBES的框架结构与游戏循环43-45 4.3 基于CBES的MonsterWar游戏原型45-50
4.3.1 MonsterWar游戏设计与游戏架构46-47
4.3.2 MonsterWar游戏原型及性能评测47-50 4.4 小结50-515 总结与展望51-53 5.1 论文工作的总结51-52 5.2 今后工作的展望52-53参考文献53-57攻读硕士学位期间参与项目及研究成果57-58致谢58
欢迎：、、)
支持CAJ、PDF文件格式
【参考文献】
中国期刊全文数据库
韩永红;刘文清;叶斌;;[J];计算机工程与应用;2011年05期
宁江凡;路石;李思昆;;[J];计算机辅助设计与图形学学报;2011年05期
刘祎玮;张引;叶修梓;;[J];计算机应用研究;2006年08期
张晓伟;;[J];软件导刊;2009年08期
李默风;;[J];IT时代周刊;2007年03期
牛江涛;陈红兵;;[J];通信企业管理;2009年07期
黄勇;;[J];无线互联科技;2005年06期
【共引文献】
中国期刊全文数据库
杜宗霞,怀进鹏,王勇,张煜;[J];北京航空航天大学学报;2003年10期
张翰韬,张勉,吕橙;[J];北京建筑工程学院学报;2005年03期
金旭亮,龚元明;[J];北京理工大学学报;2001年06期
闫波,战守义;[J];北京理工大学学报;2004年02期
刘鹏举;周宇飞;唐小明;;[J];北京林业大学学报;2007年02期
崇明;黄洪;;[J];成都信息工程学院学报;2006年01期
刘玉宝;祝海英;李颖昉;王立成;;[J];长春大学学报;2006年04期
郑天华;王学成;;[J];长春理工大学学报;2005年04期
向华;;[J];长江大学学报(自然科学版)理工卷;2009年02期
向凯全;李雄伟;焦桂芝;王凯;陈志海;;[J];四川兵工学报;2009年11期
中国重要会议论文全文数据库
李章漾;杨榆;;[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年
赵娅;刘贤梅;解红涛;梁金钤;;[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年
叶祥记;张孝卫;张鑫;;[A];2008年度海洋工程学术会议论文集[C];2008年
刘阳;;[A];信息化推动工程建设工业化——第四届工程建设计算机应用创新论坛论文集[C];2013年
中国博士学位论文全文数据库
程文涛;[D];合肥工业大学;2011年
李青;[D];华东师范大学;2005年
李建华;[D];武汉大学;2005年
田爱奎;[D];华东师范大学;2007年
刘云生;[D];国防科学技术大学;2006年
何琨;[D];华中科技大学;2006年
龚建兴;[D];国防科学技术大学;2007年
彭成;[D];华东师范大学;2008年
刘强;[D];南京师范大学;2008年
陈思远;[D];南开大学;2009年
中国硕士学位论文全文数据库
易俗;[D];大连海事大学;2010年
范松国;[D];大连海事大学;2010年
胡霞;[D];苏州大学;2010年
张展华;[D];哈尔滨理工大学;2010年
伍云智;[D];南昌大学;2010年
袁颂升;[D];电子科技大学;2010年
刘炜;[D];电子科技大学;2010年
张丽萍;[D];电子科技大学;2010年
段伟华;[D];电子科技大学;2010年
秦星阶;[D];电子科技大学;2010年
【二级参考文献】
中国期刊全文数据库
靳海亮;高井祥;;[J];测绘科学技术学报;2006年01期
殷媛;陈国军;吴威;;[J];计算机辅助设计与图形学学报;2006年10期
李胜;冀俊峰;刘学慧;吴恩华;;[J];软件学报;2006年03期
许妙忠;[J];武汉大学学报(信息科学版);2005年05期
苏虎,周美玉;[J];武汉大学学报(工学版);2003年03期
罗冠,郝重阳,王淑敏,淮永建,张先勇,高晓滨;[J];系统仿真学报;2001年S2期
中国博士学位论文全文数据库
皮学贤;[D];国防科学技术大学;2006年
中国硕士学位论文全文数据库
张继开;[D];北方工业大学;2004年
【相似文献】
中国期刊全文数据库
,秦臻;[J];电脑开发与应用;2005年12期
张江涛;[J];交通与计算机;1995年05期
马驰容,廖文和;[J];计算机辅助设计与制造;2001年07期
;[J];电脑编程技巧与维护;2005年10期
CoD;[J];软件;2001年10期
王超,朱建明,马建峰;[J];西安电子科技大学学报;2004年05期
;[J];电子商务;2006年12期
叶福民;陈晓兵;;[J];机械制造与自动化;2006年05期
;[J];金融电子化;1999年03期
傅韶勇;[J];软件工程师;2000年05期
中国重要会议论文全文数据库
张晓明;张伟;边小凡;;[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年
熊华平;吴树鹏;;[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年
张鹏;李昭原;;[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年
朱金辉;刘登第;张志伟;袁坤刚;余伟巍;;[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
罗芳;安廷波;;[A];广东省测绘学会第九次会员代表大会暨学术交流会论文集[C];2010年
林镇锋;张斌;;[A];广东省电机工程学会年度优秀论文集[C];2005年
刘小荷;朱汉东;赵虹;;[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
张耀鸿;易先清;于凯;唐曙;;[A];第三届中国卫星导航学术年会电子文集——S08卫星导航模型与方法[C];2012年
郭开仲;;[A];1993中国控制与决策学术年会论文集[C];1993年
张树义;张曦;焦健;张兆永;朱洋波;;[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
中国重要报纸全文数据库
赵敏;[N];机电商报;2005年
中国建设银行山西分行信息技术管理部 陈真;[N];中国计算机报;2003年
;[N];计算机世界;2003年
大唐电信科技股份有限公司
王华;[N];计算机世界;2002年
;[N];网络世界;2006年
沈建苗　编译;[N];计算机世界;2007年
;[N];计算机世界;2005年
李慧剑;[N];中国保险报;2007年
;[N];中华工商时报;2003年
Tamim S[N];金融时报;2006年
中国博士学位论文全文数据库
李姗姗;[D];中国地质大学（北京）;2009年
谢规良;[D];西北工业大学;2003年
张予川;[D];武汉理工大学;2002年
杨建宇;[D];中国科学院研究生院（遥感应用研究所）;2005年
秦胜君;[D];大连海事大学;2011年
郭军;[D];东北大学;2006年
杨晓东;[D];天津大学;2006年
解红雨;[D];国防科学技术大学;2006年
杨捷;[D];武汉大学;2004年
张正国;[D];同济大学;2006年
中国硕士学位论文全文数据库
屈光辉;[D];中南大学;2013年
史钱慧;[D];华北电力大学（北京）;2010年
顾怡坤;[D];吉林大学;2010年
王凯;[D];重庆大学;2003年
徐强;[D];北京工业大学;2000年
陈晖;[D];福州大学;2004年
曾文鹏;[D];华中科技大学;2004年
廖飞;[D];长沙理工大学;2010年
陈永生;[D];北京工业大学;2002年
马驰容;[D];南京航空航天大学;2002年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号966,690 十二月 独立访问用户
语言 & 开发
架构 & 设计
文化 & 方法
您目前处于：
面向网络游戏的大数据处理框架和挑战
面向网络游戏的大数据处理框架和挑战
欲知区块链、VR、TensorFlow等潮流技术和框架，请锁定
本大数据TRACK的主题是“数据驱动生活”，而在互联网中的重要应用网络游戏中，如何应用游戏大数据成为各大游戏公司都一直思考问题，当游戏遇见大数据会碰撞出非常剧烈的火花.分享面向游戏行业大数据处理的框架以及面临的挑战，构建大数据时代的网络游戏解决方案，利于改良和优化游戏设计，帮助公司做出正确的商业决策，并节省成本的开销,提供更大的利润空间，总之在网络游戏中，利用大数据技术大有用武之地。
王健宗博士，前网易公司大数据高级研究员，中国计算机学会大数据专家委员会委员, 在此之前，曾担任惠普公司云计算高级解决方案专家和美国莱斯大学电子与计算工程系研究员，现负责网易游戏大数据框架的研究和部署工作，精通Hadoop、Spark和OpenStack生态系统，其在大数据、云计算、存储系统、深度学习、软件定义生态系统和数据可视化等方面有丰富的研究和工程经验。其在华中科技大学获得计算机系统结构博士学位，博士期间在云计算和大数据领域发表大约20余篇国际杂志和会议论文，并在FAST、CCGrid、GRID、HiPC、NAS、MSST、 BigData和 CLUSTER等顶尖会议宣讲其研究成果，获得一致好评。王博士还是IEEE、ACM和中国计算机学会会员，以及中国计算机学会广州执行委员和CCF YOCSEF广州分论坛副主席。
QCon是由InfoQ主办的全球顶级技术盛会，每年在伦敦、北京、东京、纽约、圣保罗、杭州、旧金山召开。自2007年3月份首次举办以来，已经有包括传统制造、金融、电信、互联网、航空航天等领域的近万名架构师、项目经理、团队领导者和高级开发人员参加过QCon大会。
相关厂商内容
相关赞助商
QCon北京-18日，北京&国家会议中心，
告诉我们您的想法
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
赞助商链接
架构 & 设计
文化 & 方法
<及所有内容，版权所有 &#169;
C4Media Inc.
服务器由 提供, 我们最信赖的ISP伙伴。
北京创新网媒广告有限公司
京ICP备号-7
注意：如果要修改您的邮箱，我们将会发送确认邮件到您原来的邮箱。
使用现有的公司名称
修改公司名称为：
公司性质：
使用现有的公司性质
修改公司性质为:
使用现有的公司规模
修改公司规模为：
使用现在的国家
使用现在的省份
Subscribe to our newsletter?
Subscribe to our industry email notices?
我们发现您在使用ad blocker。
我们理解您使用ad blocker的初衷，但为了保证InfoQ能够继续以免费方式为您服务，我们需要您的支持。InfoQ绝不会在未经您许可的情况下将您的数据提供给第三方。我们仅将其用于向读者发送相关广告内容。请您将InfoQ添加至白名单，感谢您的理解与支持。努力加载中，稍等...
暂无新消息
努力加载中，稍等...
已无更多消息...
这些人最近关注了你
努力加载中，稍等...
已无更多消息
努力加载中，稍等...
已无更多消息
数据分析真的能驱动用户快速增长么？
版权所有，禁止匿名转载；禁止商业使用；禁止个人使用。
该文章来自用户转载
俗话说，“酒香不怕巷子深”；俗话又说，“酒香也怕巷子深” 。再后来，俗话还说，管他酒香不香巷子深不深，只要找个算盘技巧神乎其神的账房先生，即数据科学家，酒就可以大卖了。这叫做用数据驱动用户快速增长，说行话叫“Growth Hacking”。第一次听说“Growth Hacking”这个词儿，是在去年某次大数据会议上。（具体啥会我忘了，因为现在所有的会议都叫大数据会议。）当我带着满满的负能量，准备上台发表一番不和谐的言论时，突然发现一位Facebook前工程师正在讲如何用数据分析驱动用户产品的“Growth Hacking”。其实，那位工程师的演讲算得中肯，并没有宣传数据是万应灵药，好像还特意强调了只有把产品做好才能提高留存率。不过后来，这件事儿传的变了形，互联网界有人开始信仰，数据分析是产品点石成金的法宝。如多年前街头小报上宣传得那样：隔衣点穴，能使乳房增高。作为一个跟数据打交道这么多年的码畜，在这个问题上有话不说，则如鲠在喉。今天我们就来聊聊，数据分析真的能驱动用户产品的快速增长么？对于数据意识和方法处于侏罗纪和白垩纪之间的中国市场来说，强调数据的作用，总体上是具有启蒙意义的。看看数据，总比单纯拜财神爷有用，不过话又说回来，数据还真的不是财神爷，不是说你信他就能得永生的。圣人有云，“尽信数则不如无数”，到底数据运营在那些场景下有用，怎么才能让它有用，是本公众号的高素质读者们需要搞清楚的问题。数据化运营的三板斧关于用数据驱动运营增长，近来有不少相关的书籍与讲座。其实，这里的道道儿也并不神秘，大多数数据运营的场景，方法上都可以总结为下面的三板斧：一、建立用户转化漏斗所谓用户转化漏斗，就是你的业务是如何一步步将一个用户骗到手的。举下面；的几个例子，你一看就明白了：广告：展示—&点击—&转化游戏：下载—&激活—&留存—&付费把妹：摇一摇—&约会—&牵手—&接吻—&上床无论上面哪种业务，都可以分解为一系列的阶段，经过每个阶段，用户都只有一部分留存下来。对漏斗的每一个环节准确地记录数据，以便分析和优化各个环节的通过比率，是数据运营的基础设施。二、用多维度数据报表找问题数据运营中的常见痛点，是明知道转化漏斗上某个环节的通过率较低，却找不到提高的途径。常用的解决思路，就是把数据打细，分解到各个维度上分别观察，这往往能发现产品或系统上的问题。如果多个维度能够灵活组合观察数据，就成了一个数据魔方(Data Cube)。下面的图虽然与互联网产品运营的漏斗数据没关系，但是原理是一样的。比如说，你发现广告的点击率低，进而查到是Chrome浏览器上的点击率拉低了整体统计，那么就要在Chrome浏览器上深究原因，结果很可能是你的Flash广告素材直接被Chrome给屏蔽了。这种用多维数据报表来定位和查找问题的办法相当有效，它实际上是高效的debug，仍然是一种“受”的策略。三、用A/B测试指导产品演进那么有没有数据驱动的“攻”的策略呢？当然也有，制定多个产品可能的改进方向，将它们放到线上，让实际数据来决定谁上谁下。这种A/B测试的方法，往往是大家理想中躺着就可以优化出好产品的魔法，也是“数定胜人”理论的基础之一。说到A/B的系统框架，可并不是个的简单的事儿。如何建立准确性和效率兼备的实验框架，值得单独写一篇长文，我们在这里就不多谈了。上面的这三板斧，对于运营好一款产品非常重要。不过您要是认为掌握了这样的数据思维，就可以靠数据分析做出伟大的产品，那还是洗洗睡吧。数据运营解决不了的问题用户如何选择和评价一款产品，在不同领域有着截然不同的规律。简单来说，我们可以把产品分为理性产品和感性产品。比方说，3C类电商，就是比较典型的理性产品，而服饰类电商，就是相对的感性产品。计算广告和推荐系统，虽然技术栈有相通之处，但前者是理性产品，后者的感性就强得多。对于理性产品来说，由于问题的目标稳定且容易量化，数据是最关键的优化手段之一。拿广告产品来说，广告商使用它的目的，是为了获得更高的利润（当然这一利润可能是长期的，也可能是短期的），而不是为了获得心灵上的愉悦或快感。因此，当两个广告平台的投入产出比相差很大时，客户不会顾及哪个的使用体验更胜一筹，而是毫不犹豫地选择赚钱多的那个。可是说到感性产品，就远没有那么简单了。记得微信刚火起来的时候，一大波从各行编外人员改行过来的互联网分析师们纷纷口吐莲花，分析为什么微信是人类社交的终结性产品，为什么还在用QQ的人都是历史车轮的阻碍者。可是去年，大约是同一拨分析师，又在纷纷讨论为什么90后用户群正在有微信向手机QQ转移。那么到底是QQ好还是微信好呢？这么问题在不同时间、不同用户情况下都有不同的答案，而我们也不可能对这类移动IM类的产品，给出一个普适性的量化目标。在感性产品的运营中，既然很难给出确定的优化目标，数据优化能起的作用就是有天花板的。那么，数据化的运营在何种情形下会遇到明显的瓶颈呢？大致说来有如下几个方面。一、产品创新方向无法通过数据获得几年前，有一家很火的游戏公司叫Zynga。据说，Zynga的老板并不鼓励创新，而是奉行“拿来主义”，将别人的游戏创意复制过来，用自己的一套数据运营体系快速超越对手。啥样的数据运营体系呢？说白了就是大量的A/B测试。设计说：草地得是绿的。产品经理说：不行，绿的红的数据说了算！于是，他们真的将流量分成红草地和绿草地两种配置，如果数据反映红草地用户付费高，那就把草地全变成红的，让植物学家们见鬼去吧！靠着这样的体系，Zynga一度在Facebook内长期霸占游戏排行榜的前三名。后来怎么样了呢？答案很清楚——现在还有谁知道Zynga么？Zynga的衰落当然原因很多，不过不得不说惟数据论的产品运营思路也是推手之一：你的数据测试体系再成熟，也不过就能搞搞草地涂红涂绿这样的雕虫小技，而游戏的新模式、新情节、新设计这样的真正创新方向，不是你具备了数据运营体系就可以具备，甚至也无法通过数据体系来判断高下。拿iPhone举个例子，大屏交互、Multi-touch、应用商店这些大放光彩的产品特征，皆出自乔布斯对产品的信念与洞察，而非市场和需求调研的结果。即使是短期的产品小改进，彻底依赖A/B测试也行不通。我们是能根据数据把效果较好的A方案挑出来，可是如果你的备选方案中只有X/Y/Z，那再怎么测A也出不来。有人问了：如果把所有可能的产品选择全都列出来，让数据来选择呢？产品运营不是打麻将，那些牌组合起来总有个数儿，可真正有潜力的产品点需要具备系统性和创新性思维的产品经理，把别人喝咖啡和上厕所的时间都用在冥思苦想上，才有可能发现。再说了，就算是产品点象麻将牌一样列得清清楚楚，当产品因素和方向变得很多时，由于“dimension curse”的存在，我们也是没办法在有限时间内积累足够的统计数据进行决策的。其实这儿已经说到了用户产品真正最重要的增长动力，那就是产品经理的洞见与创意。二、长期用户反馈很难通过数据判断那位Facebook的工程师在他的演讲里讲到了一个生动的例子：Facebook多年以来坚持采用严谨的A/B测试框架来决策一个新feature是否被线上系统所采用。但是，；结果是什么呢？他说到，实际上Facebook PC版的首页三年来没有任何重大的升级。其实，这个结果本身就是发人深思的：难道Facebook又变成了人类社交网络的终结产品，并且已经优化到了全局最优点，无法再改进了么？结论显然不是这样的，我甚至认为在那三年当年被废弃掉的许多改版方案中，未必没有被误杀的版本：现有的A/B测试框架，都只能观测一个相对短时期内的数据表现，而长期的趋势与结论，如果没有对产品信念上坚持，很难等到开花结果的那一天。我从传统纸媒杂志那儿听到过一个规律：一般来说，杂志在改版后的头几个月，都是骂声一片。然后几个月过后，新版也许会带来发行量的显著上升。这也可以作为短期数据缺陷的一个佐证吧。三、博弈性的场景无法用数据决策博弈性的场景在互联网产品里是很常见的。举个例子，大家可能知道互联网产品中有个Explore & Exploit问题，即用一部分相对随机流量探索未知空间，另一部分流量根据统计最优做决策。熟悉这个领域的朋友都知道，假如我们有两个E&E策略，是无法通过A/B测试来确定其优劣的。至于为什么，建议大家自行了结一下E&E的背景知识，权当一道思考题吧！除了E&E，其他博弈性的场景还很多，例如广告里的机制设计问题（也就是竞价市场的规则如何制定）；再比如有一定社交性的游戏运营策略，都是从原理上就无法通过简单分流量就能进行有效的A/B测试的。当然，了解这些博弈性的问题，需要深入的产品见解和宏观思维能力，有很多奉行糙快猛主义的产品经理，宁可假装这样的问题并不存在。用户快速增长到底靠什么数据这个账房先生虽然不可或缺，却并不是用户增长的定海神针。那么，真正能驱动一款产品的用户快速增长，靠的都是什么方法呢？从历史上成功的产品看，有下面一些思路值得注意：一、做出真正优秀的产品说白了，用户快速增长最核心的问题，还是要千方百计酿出好酒来。产品好才是真的好，这是所有产品和运营应该追求的根本。由于上面讲的一些数据体系的问题，优秀产品经理的直觉与判断，不见得跟短期的数据表现相一致。在这样的岔路口上，坚持产品原则第一性，数据反馈第二性，长远来看是更加合理的。需要特别说明，真正优秀的产品，一般来说都不是在分析存量市场的基础上想出来的，于是也没有现成的数据统计可以支撑。最近大火的Pokeman Go，用户增长之迅猛令人咋舌，不过我不认为它已经建立了完善的数据运营体系，即使有，也并不是其用户增长的关键。几乎所有伟大产品的快速用户增长，都来自“好产品”这种内生动力，远的如Google、Facebook、iPhone，近的如某某打车和某某直播应用。二、找到战略性推广渠道什么是战略性推广渠道呢？简单地说，就是那些“价格便宜、量又足”的渠道。互联网很多产品的用户快速增长，往往是在这点上下足了功夫。比方说，某跨境电商的崛起，与早期他们战略性地大量从Facebook购买流量有很大关系。而到了今天。Facebook的广告价格已经被抬高了很多，这样的渠道机会就不存在了。在中国，非BAT的很多移动互联网产品快速增长，大多数都依赖预装这个战略渠道。厂商有预装，运营商有预装，方案商也有预装。在当年预装成本只有今天五分之一的时候积极花钱的产品，今天有不少已经成长为大公司了。对于价值被低估的战略渠道保持敏锐的嗅觉，对产品的快速增长至关重要。三、利用病毒式传播手段病毒式传播的方法有两类，一类是传染，一类是传销。所谓传染，就是诱导和捆绑式安装：通过一款已经有很大装机量的产品，通过威逼利诱甚至暗中作业的方式，将另一款产品也带到用户的终端上，往往是多快好省的好办法。甚至有时候在普通的广告渠道商这么做效果也不错，比方说：移动上各类清理或安全产品，往往在广告投放时让直接恐吓用户“你的手机内存过低”或“你的手机风险很大”，用户顿觉菊花一紧，当时就安装了。传销大家都不陌生了。在社交网络产生以后，传销式的推广方案实施起来更加方便。种种五花八门的拼团模式，转发抽奖模式，虽然不能说是严格意义上的传销，其本质也是发动群众斗群众，这样的方法如果用好了，必定有奇效，谁用谁知道。四、建立品牌的用户认知互联网界对这一点的重要性认识是有所不足的。产品要立得住，保持葛大爷那样的躺姿也能挣钱，核心的用户认知非常关键。在互联网界，大家往往奉直接效果传播为信条，在品牌建设方面的重视程度则有所不足。不过，近来oppo等公司的成功轨迹，让大家开始重新审视品牌和用户认知的作用。在笔者看来，成功的品牌建设带来的用户增长，可能是迅猛而又健康的。讲了这么多，其实并不是说数据化运营不重要，而是说要达到产品的快速增长，其实还有更重要的事儿。今天所有的互联网从业者，既要掌握正确的数据化运营方法论，又不要盲目成为拜数据教的教徒。做一款叫好又叫座的产品，虽然数据运营不可或缺，但还是要把核心精力放到“做出好酒”和“搬到巷子口”这两个关键点上。
分类：(转载)杂谈
登录后参与讨论。点击
请勿发表无意义的内容请勿发表重复内容请勿发表交易类内容禁止发表广告宣传贴请使用文明用语其它
淫秽色情政治倾向人身攻击抄袭剽窃广告刷屏恶意挖坟冒充他人其它