1 月 29 日，2026 台北国际电玩展（Taipei Game Show，下称 TGS）开幕，作为每年全球首场电玩盛会，也是亚太地区重要的游戏产业交流平台与市场风向球，这次汇集了来自 26 个国家地区的 399 家游戏公司，展出超过 500 款游戏大作，引爆了 2026 年第一波全球玩家狂热！
在同步举办的亚太游戏高峰会（Asia Pacific Game Summit，下称 APGS）上，数数科技 联合创始人 陈琦 发表了《全球游戏变革下的数据突破》的主题演讲。
下为演讲的主要内容（文字有删减和调整）。
游戏行业的三个事实
每一位游戏行业从业者在踏入游戏行业以及制作游戏的时候，都希望拥有优质的用户来源、推出更好的游戏产品、以及取得出色的游戏商业化表现。
但我们能明显感觉到，真实的游戏行业并非如此：
- 获客成本越来越高
随着全球流量红利的逐渐消退，用户买量成本正以惊人的速度持续走高。
- 产品千篇一律
而产品的严重同质化，直接导致了玩法和功能创新的成本和风险非常大。
举个例子，当你拿出一幅红色图片走向市场时，你会发现市场已经有一幅绿色的了，并且回头一看，黄色、蓝色的图片也在前往市场的路上。
这个时候你就不得不花更高的成本去做一些有风险的迭代，从而保证产品的差异化。
- 玩家付费意愿下降
同时，游戏市场上同类型的游戏太多，也让用户有了更多选择，付费转化变得愈发困难。
休闲游戏为了充分挖掘玩家的商业化潜力，会混合 IAP 以及 IAA 等不同的商业化模式，但多种变现方式实际上很难在产品中达成平衡。
数据应用变革
面对这些压力，我们往往就要回到游戏的本质——如何让玩家在游戏中获得更好的体验。尤其是当买量成本水涨船高且不可逆时，我们需要将每一个新增客户的价值都发挥到最大。
首先，我们发现很多游戏公司都存在 数据孤岛 问题。 不同的团队只关注自己相关的数据指标，譬如市场只关注 CPI、ROI 等，业务团队只关注 DAU、留存率等。
但从玩家视角来看，他的体验是连续的。从看到广告产生兴趣、下载游戏，到体验核心玩法、决定是否付费——这是一个完整的心路历程。
如果仅在数据层面将这段用户旅程拆解，我们其实无法看清用户真实的流失原因，也很难抓住他们留存的关键。
其次，就是从怎么样到为什么，刚刚我有提到类似 CPI、ROI、DAU、留存率这些指标，我们会发现这些指标固然很重要，但却都是一些结果向的指标。
这些指标无法解释现象背后的深层原因，而我们做数据分析的核心目标是优化产品与用户体验，并非单纯地了解现状。因此数据分析需要聚焦玩法设计、玩家行为的深度拆解，而非停留在表层的描述性指标上。
最后一点，也是和之前数据应用最大的区别，就是需要企业基于数据去改变玩家的行为。 下面这张图，是一个非常经典的对于人类行为研究的理论，叫做 Fogg 行为模型。
其中 B=MAP 的意思是：人的行为取决于动机（motivation）、能力（Ability）以及提示（Prompts），当你动机很强，并且非常易于达成目标时，仅需要简单的提示即可完成行为。
具体到游戏的数据应用上，我们可以通过玩家行为明确玩家对于付费产品的需求，通过历史付费记录了解他的付费能力，但仅有这些是不够的，因为这两者的交汇点往往是出现在绿线的附近，需要你在准确的时机通过合理的方式，引导玩家产生付费行为。
这个提示可以是一个弹窗引导、可以是一个折扣礼包甚至可以是一些数值的变化，从而帮助玩家完成诸如付费、通关、体验核心玩法等行为。
数据的本质
聊到这里，可能会有人问：那数据的本质是什么？
从我们的角度来说：数据是一个 工作流 循环，在不同的阶段展现不同的形式，最终驱动业务的增长。
最开始是原始数据，当玩家产生行为时产生的数据，是客观事实的记录，但我们很难从中直接得到有价值的信息。
经过清洗、计算、聚合，这些客观事实被总结成指标、报表，这个时候，原始数据被总结成了信息，我们可以从中对业务进行评估，而绝大部分团队对于数据的应用到这一步就结束了。
在得到信息后，下一步将产品理解和数据信息结合，建立对游戏和玩家行为的系统性认知，也就是知识，包括玩家的痛点、玩法的优劣、付费点的设计等等。
最后，把这些认知变成可落地的决策，落地后验证效果，再根据结果迭代认知。
说到底，学会基于数据，提炼出认知，总结成智慧，落地成决策，进入新的业务循环，才是业务增长的钥匙。
数据应用的三级跳
基于这些年的观察，我们把数据应用分成三个阶段。
第一层是描述产品， 业务团队能够用日常数据，清晰地描述产品当前的状态。建立成熟的指标体系是这个阶段的主要目标。
第二层是理解用户&驱动决策。真正的用户洞察是基于数据，建立用户画像并驱动产品迭代，能够通过数据驱动决策是这个阶段的标志。
第三层是 LiveOps。企业不再以指标结果作为数据应用的最终目的，而是将数据真正作用于玩家，实时优化玩家体验，真正做到数据驱动业务增长
打造数据驱动闭环
我们可以来看这样一个循环：数据采集-发现问题-调整优化-产品更新。 这是一个经典的数据驱动产品迭代的流程。
但这里存在一个问题，当我们基于现在的玩家问题，在一个月后的版本进行修复，那一个月后，玩家遇到的问题还一样吗，之前遇到问题的玩家还在吗？
我们可以举一个现实的例子，当你在路上遇到一个小女孩，她摔到一个马路上的洞里时，你应该做什么？是通知政府，派遣人员过来修复，以防止后续的人不再掉进去，还是立刻上前把小女孩扶起来，帮助她解决现在的问题？
回到游戏，产品的迭代就像修复马路上的洞，显然是必要的，但对于那个受伤的小女孩，也就是当前遇到问题的玩家而言，却是无法解决他们当下的问题。
那么为什么我们不考虑在玩家遇到问题的时候，立刻通过一些方式帮助他们解决呢？
就像这两个循环，发现问题后，针对不同的用户群体，实时的进行不同的干预，帮助玩家提升他的体验，并同时对产品进行迭代，这也是我们希望通过数据实现的双循环驱动增长。
我们能做什么？
事实上，我们始终把自己定义为一个解决方案提供者而不仅仅是产品提供者，我们希望通过理论、方法论以及工具三个维度为所有的客户提供助力。
理论层面，我们已经在去年发布了《2025 AI 游戏行业应用白皮书》和《游戏进化论》，包含了大量行业趋势洞察和数据方法。
方法论层面，我们服务了数位全球游戏排行榜 top10 的游戏，我们也不断提炼总结游戏行业数据应用的方法论，从而提供行业领先的实践方案。
当然，只有理论和方法论，还差了策略落地的最后一公里，所以我们提供了一个数据智能基础设施 ThinkingEngine，助力每一位客户构建从数据洞察到决策执行的完整闭环，实现数据驱动业务增长。
我们始终希望让每一位客户的数据，就像水和电一样，易于获取，又不可或缺，能够为每个工作流带来不同的价值。
