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，也有可能提供噱头提升收入，因此对它的正确认识尤为重要。

关于幸存者偏差，先给大家分享一个经典案例。

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。为了降低损失，英国军部考虑给轰炸机装上更厚的装甲，从而提高飞机的防御性能。但增加装甲会大幅增加轰炸机的重量，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。从下图可以看到，飞机上的弹孔主要集中在机身中央、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，轰炸机几乎无法生还。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，而没有意识到筛选的过程，从而忽略了被筛选掉的关键信息，做出错误的判断。在我们进行游戏数据分析时，也往往只关注那些已经筛选过的数据，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。

一、流失的玩家不说话

描述这个问题之前，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什么样子？在这个问题的回复中，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有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，如何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。

二、为什么玩家总是在骂游戏

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，这究竟是为什么，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。

产生上述情况的原因，在于玩家在游戏中体验良好时，他们大多会选择继续游戏，而当玩家产生负面情绪时，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，但原因究竟是技能厉害，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，是非常困难的，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，才能够避免幸存者偏差，从而规避下图的悲剧。

三、是陷阱却也是助力

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普遍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，如果能够善加利用，反而可以帮助我们提升指标。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。

四、总结

因此，在游戏运营的数据分析过程中，分析人员应该做到“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，需要通过上帝视角，全面掌握所有玩家的数据，方能探寻到问题的本质。

via：数数科技