理解视频游戏主播的分析需求

文献标题

Understanding Analytics Needs of Video Game Streamers

文献信息

• 主题领域: 游戏直播分析需求，用户体验分析
• 关键词: 游戏直播, 直播分析, 数据分析, 社区管理, 平台用户增长, 视频游戏, Twitch, Mixer, 数据可视化, 人机交互, 社交媒体

研究背景与问题

• 发现问题或挑战: 游戏直播行业的直播者（streamers）在吸引观众和增长平台方面面临巨大挑战。现有分析工具虽在其他领域已显成效，但在直播场景中的适用性及其效力仍属未解之谜。
• 重要性: 随着直播行业的增长（预计到2021年产业规模达70亿美金），理解数据分析如何帮助直播者更成功地管理社区并优化内容制作至关重要。
• 研究动机与相关工作:
  • 过去研究强调整个社区增长和互动对直播者的成功至关重要，但许多新直播者由于缺乏这些信息经常无法形成长期影响。
  • 商业和教育领域中的分析实践表明数据分析有助于用户行为理解，但直播环境的分析却较为局限。

解决方案

• 提出的方法/解决方案:
  • 作者通过采访18位Twitch和Mixer平台上的游戏直播者并探索其Discord社区，分析其数据工具使用情况和未能满足的需求。
  • 总结现有直播分析生态系统的不足，并提出设计改进建议。
• 创新之处:
  • 提出以直播者需求为中心的分析的设计原则，为未来的工具开发提供指导。
  • 将直播环境中的分析需求分成内容生产、营销策略和社区管理三个方面。
• 实施步骤与技术:
  • 对18位不同规模粉丝量和经验的直播者进行半结构化访谈，涵盖动机、互动实践、用户需求及未满足的分析工具需求等。
  • 在其Discord服务器中分析信息交流，获取补充性行为数据。
  • 综合现有平台如Twitch和Mixer的分析功能，与外部工具（如StreamElements和Arsenal.gg）结合进行比较评估。

研究成果

• 具体成果:
  • 直播者在直播前、中、后及非直播时期的实践需求和工具使用特性。
  • 详列现有直播分析工具的主要功能，并指出其局限性（如主要集中于描述性数据，缺乏预测和指导性信息）。
  • 提出关键的信息需求类型，包括观众年龄、位置、兴趣、收入来源、渠道推荐等。
• 优势:
  • 引入预测性和指导性分析（如如何优化直播时间、内容和社区策略），提升直播者的整体效率和观众参与度。
  • 强调定性的社区反馈的价值，支持直播者的人际互动。
• 实验与评估结果:
  • 数据显示现有的分析工具集中于绩效指标（例如观看量、收入），未能提供对内容制作、营销策略优化或社区管理的定向支持。
• 局限性与未来方向:
  • 局限性: 本研究仅覆盖Twitch和Mixer，可能未能涵盖其他平台（如YouTube Gaming或Facebook Gaming）的独特需求和分析能力。
  • 未来方向:
    1. 开发支持定性社群反馈的工具，以帮助直播者获得实时有意义的用户反馈。
    2. 探索跨平台的协作数据分析工具，以提高用户洞察力和增长策略的有效性。

设计建议

• 提供优化数据呈现时间与方式的解决方案，将合适的数据分类推送至直播者。
• 推动预测性与指导性分析模型开发，通过历史行为数据生成可操作性建议来支持直播者内容和营销策略。
• 开发捕获且存储直播期间重要社区反馈的机制（如自动保存重要评论信息）。