大数据日本企业篇（三）：日本社交游戏巨头GREE

在快速增长的社交游戏行业中，GREE 与拥有职业棒球队的DeNA 堪称最强的两家公司。一直以来，GREE 都屈居DeNA 之后， 但从 2012 年2 月发表的2011 年10 ～ 12 月决算报告来看，其营业额、销售 利润都已经超过了DeNA，从最近的势头上说，GREE 的实力占了上风 （图表4-7）。

GREE 原本是一个由现任社长田中良和个人开发的SNS，但从2004 年2 月开始公开服务以来，1 个月内会员就超过了1 万人，这个规模靠 一个人的力量是很难 运营 下去的。于是，2004 年12 月，作为运营母体， GREE 株式会社成立了，并开始由其正式接管运营工作。

最开始该公司的服务主要面向PC 平台。在2006 年7 月，在宣布 和KDDI 在业务上达成合作关系的同时，GREE 的服务开始大幅转向手 机平台。2007 年3 月其会员数突破100 万人，2007 年5 月 发布 了世界 上第一款 移动 社交游戏“钓鱼★之星”（釣り★スタ）。这款“钓鱼★之 星”的发布，成为了随后决定GREE 和DeNA 业务方向的一个巨大转机。 因为“钓鱼★之星”这款游戏第一次向世人证明了，GREE 和DeNA 收 入来源——收费道具，在手机游戏上也是能够成立的。

“钓鱼★之星”简单来说就是在各种江河湖海中钓鱼，根据鱼的大 小和种类获得“★”和“点数”的一款游戏。根据获得“★”的累计数 量可授予从10 级到10 段的不同称号，而到达最高的等级就是玩家玩下 去的动力。“点数”是取得高级鱼竿、配件、鱼饵、渔轮、气泵等道具 的必要条件。不过，能够钓到较大或者较稀有的鱼的高级道具，所需的 点数非常之多，要攒够这些点数，其过程相当漫长。于是，GREE 便推 出了一种称为“金币”（Coin，以前叫做Gold）的仅供内部流通的虚拟 货币。

例如，有一款叫做Giga Rod 的海钓用高级鱼竿，需要2 万点数才 能获得。而要攒够这些点数，需要钓到约1000 只虾虎鱼、青蛙、小龙 虾等才行，但也可以用1000 个金币（价值约1000 日元，约合人民币75 元）来交换。也就是说，这意味着时间和劳力可以用金钱来购买。 用户能够接受收费道具的另一个理由，就是可以向其他用户来炫耀，这 是社交游戏所独具的特性。在“钓鱼★之星”中，有一款叫做“鱼拓” 的收费道具（200 日元，约合人民币15 元），可以将钓到的鱼制作成鱼 拓（一次性）。越是重度玩家，在钓到稀有鱼和大鱼时的喜悦就越大， 这和现实世界中的钓鱼是一样的。而且，鱼拓只能在钓到鱼的瞬间才能 制作，这种设计巧妙地抓住了重度玩家的心理，从而促进了玩家对收费 道具的消费，GREE 也因此得以大赚一笔。

在确保了收费道具这一利润来源之后，GREE 实现了飞速的成长。 GREE 于2008 年12 月在东京证券交易所Mothers1 上市，2009 年4 月 会员数突破1000 万人，2010 年6 月会员数达到2000 万人，并成功在 东证一部2上市。2010 年度实现营业额350 亿日元（约合人民币26 亿 元），比2009 年度的140 亿日元（约合人民币10 亿元）翻了一倍还多， 而2011 年的营业额又猛增至640 亿日元（约合人民币48 亿元）。

Mothers 是Market of the high-growth and emerging stocks 的缩写， 相当于 创业 板。——译者注

东证一部相当于主板，东证二部相当于中小板。——译者注

GREE 还积极开拓国际市场。2010 年11 月开始运营面向东南亚和 印度等新兴国家市场的移动SNS“mig33”，并对拥有超过4000 万会员 的美国创业型公司Project Goth 进行投资，于2011 年1 月在美国加利福 尼亚州成立了子公司。GREE 还在同年4 月成功收购了在全世界拥有约 7500 万用户的智能手机社交游戏平台运营商OpenFeint 公司，如果算上 在日本国内的会员数，则GREE 整体的会员数已经突破了1 亿人。

进入国际市场之后，除了DeNA 以外，上一章介绍过的Zynga 也成为其竞争对手，但无论是营业额还是销售利润，都是GREE 占据领先地 位（图表4-8），尤其是销售利润方面远远超过Zynga，向世人展示了移 动平台社交游戏这一商业模式的优越性（Zynga 主要是面向PC 平台的）。 造成这一差距的原因，在于用户人均月消费额（ARPU）这个指标。以 2011 年9 月的ARPU 为例，Zynga 为104 日元（约合人民币8 元），而 GREE 则达到了368 日元（约合人民币27 元），是前者的3 倍多（图表 4-9）。

“比起个人的感觉，数千万人的数据更可信”

GREE 快速成长的原动力，在于“比起个人感觉，数千万人的数据 更可信”这一深深渗入公司理念中的“数据驱动型”工作方式。在传 统视频游戏的美术设计和游戏设计中，很大程度上依赖于如“可爱”、“帅”、“有趣”等这些个人的感性部分。然而，GREE 却更加重视基于 数据的 分析 和决策，每个设计都不是基于个人感觉做出的，而是基于实 际的用户数据，将符合逻辑的设计放在首位。

例如，当需要在游戏中增加新的功能，或者推出一项新的举措时， 首先要在策划阶段明确其绩效指标（ KPI ），如对增加用户数有多大贡 献、对活跃程度有多大贡献以及对收益的增加有多大贡献等，并设定一 个具体的目标值，如通过该举措，可以使用户数增加百分之几。当然， 这个目标值的设定，必须能够体现和过去数据之间的逻辑关联性。

Key Performance Indicator，关键业绩指标。

在实际发布之后，需要每天甚至每小时统计实际上产生了百分之多 少的变化。从招揽用户的角度来说，“邀请好友来玩游戏”这样的病毒 式传播（互联网上的口碑效应）效果显得非常重要。要将这样的效果进行可视化，除了需要关注如DAU（日活跃用户）、发出邀请的用户数、 邀请数等数据之外，还需要对邀请率、人均邀请数、传播率、接受率等 中间指标进行采集和监测（图表4-10）。

当用户的反应和当初的设想背道而驰时，就需要马上进行修正，并 持续进行改善直到达到预期的效果。虽然这样的工作看起来似乎不够聪 明，但正是这种对PDCA 循环2近乎痴迷的执着，提升了策划的精度， 从而带来了莫大的收益。

一种对工作品质进行管理的方法，即Plan-Do-Check-Act。——译者注

数据驱动型工作方式的支撑力是对日志数据的执着

GREE 自行开发了一款名为GREE Analytics 的数据挖掘工具。使用该工具，可以对用户注册日、注册渠道、使用状况、各项 活动 参加率、 游玩率、消费率、各道具消费额、游戏进度情况、继续率等用户状态， 按照时间单位进行把握。而且，这个工具并不仅仅是供数据挖掘专家使 用的，而是一种可以不依赖工程师，公司中任何人都能通过Web 来进 行数据分析的工具。例如，销售负责人也可以使用该工具，马上获取到 用户数据，如某月某日通过iPhone 注册的用户，玩‘钓鱼★之星’累 计多少分钟，消费了多少日元。

要形成“基于数据进行决策”这样的企业氛围绝非易事，但在 GREE 的事例中，这样一个谁都能够使用的数据挖掘工具的存在，可以 说发挥了很大的作用。此外，由于可以按时间单位把握用户状态，因此 便可以几乎实时地执行PDCA 循环，这样的环境也是数据驱动型工作方 式的一个巨大的推动力。

在实践数据驱动型工作方式的过程中，GREE 表现出了对收集日志 数据的执着。GREE 每天都在收集用户在自己平台和内容中所产生的行 为日志数据，这个数据量达到了每天数TB 之多。如此大量的数据马上 就会被分析，并可以做到第二天就可以完成分析，并使数据达到可视 化状态，其压倒一切的速度感着实令人惊叹。仅国内的会员数就超过 2700 万人，算上国外的会员数则超过了1.5 亿人，从这个角度来看，可 以说其服务器、存储系统、网络等后台系统和基础架构必然具备相当高 的 技术 水平。

由于基于数据进行决策的理念已经深深渗入企业的DNA 中，因此 该公司在服务的设计、开发阶段，就已经一定程度上确定了在发布之后 要通过哪些指标来进行评估，并据此在设计、开发时保证能够获取到所 需的日志。因为即便数据挖掘工具的功能再强大，如果无法收集到关键性的日志，那也是毫无意义的。

集结了拥有多种技能的专业人员

支撑GREE 各种服务的，是能胜任从策划、开发到数据分析、业务 策略提案等工作的多技能人才。在传统游戏开发中，一般是采取由制作 人、总监、程序员、设计师、策划等各领域专业人员进行水平分工的工 作方式，而GREE 的方式正好与此形成鲜明的对照（图表4-11）。

之所以采用这样的方式，是为了能够在风云变幻的社交游戏行业快 速推进开发工作。为了避免误会，在这里还是要解释一下，所谓垂直综 合型工作方式，并不是说让一个人负责所有这些工作，而是说担任制作 人、总监职责的人，也需要具备工程师所需要具备的技能。例如，在一 般企业系统开发的项目中，如果让一个没有编程经验的人担任项目经理的话，就可能会发生与工程师、程序员交流不畅的情况，导致信息的丢 失。而GREE 的做法，可以理解为是为了防止这种情况出现所采取的 措施。

因此，该公司所需要的，不是仅仅精通一个领域的专业人员，而是 拥有广泛的兴趣、旺盛的挑战精神以及广阔视野的人才。其实，在本书 执笔过程中接受采访的该公司全球平台部Web 总监筑岛亮次先生，在 大学时代就采用复杂网络的手法进行过神经科学的研究，并且在国际数 据挖掘竞赛中取得过世界第3 名的成绩。而其他的成员中，有的执笔过 数据挖掘领域的论文，还有的在国际比赛中取得过前几名的成绩，真可 谓是一支精锐部队。

筑岛先生说，该公司的数据分析 团队 聚集了一批拥有各种各样背景 的人才，如台湾出身，之前构建过 金融 风险模型的人，还有在大型审计 事务所中做过审计工作的注册会计师等等。

将信息丢失控制在最低限度的团队体制

GREE 的游戏开发，采用的是由制作人兼工程师、Web 应用工程师、 Flash 工程师、总监等5 ～ 7 人组成的少数精锐项目团队。而基础架构 工程师、设计师等专业团队，则是负责对多个产品中可以通用化的部分 进行框架化和库化，避免相同功能的反复编写，极力减少浪费，通过这 样的方式对项目团队提供支持。

之所以采用这样的体制，就是为了尽量减少交流沟通中产生的信息 丢失，从而最大限度地提高决策速度。也就是说，负责策划的总监、数 据分析负责人、负责开发的工程师，这些角色之间的距离被拉近，从而 使得基于数据分析和效果监测结果的服务改善措施，能够尽早地反映到实际的服务中。简而言之，就是在开发过程中收集用户的反馈，并马上 将其反映到服务中，这一循环的过程可以做到非常迅速。一般的措施从 策划到反映到服务中只需要大约2 ～ 3 周的时间，而用户所访问的网站 首页的布局，有时则会根据用户反馈以10 分钟为单位进行修改。

该公司对“基于数据进行决策”的重视，以及将决策、行动的速度 提高到极限的工作方式，对一般企业来说颇具参考价值。

节选自《大数据的冲击》

End.