某遊戲科技公司 · 營運數據分析與 Tableau 監控平台

在上一份工作中擔任數據分析師，獨立負責數據平台的架構與儀表板建置，使用 Tableau Cloud、SQL 與 Python 進行資料整理、特徵建構、預測與分類分析。協助規劃 KPI（如留存、活躍、用戶價值等）並執行使用者行為分析，也建立自動化數據更新與異常預警流程（Slack 通知）。此外亦負責事件追蹤規劃（GTM）與成效驗證，將分析結果應用在產品與營運優化。

遊戲營運涉及龐大的即時資料與玩家行為事件。為了避免各部門指標口徑分歧或陷入數據汪洋，在規劃儀表板前，先梳理出貫穿產品生命週期的核心指標骨架：

本專案精選 11 個核心儀表板分頁，依管理視角分為「營運總覽與快報」、「玩家輪廓與留存」、「活躍時段與內容偏好」及「付費金流與社群流向」四大分析模組。

點選任一圖片可開啟原尺寸圖檔檢視。

一、營運總覽與快報模組

為營運團隊與管理層提供每日早晨的第一視角，從全站關鍵 KPI 到昨日各維度的即時異動拆解。

1. Tableau 儀表板導覽首頁

這張圖回答了什麼問題：團隊各角色如何快速前往符合其業務範疇（關鍵指標、玩家品質、內容分析、預警監控）的分析工作表？

導覽首頁作為統一入口門戶，依「核心關鍵指標」、「玩家行為與品質」、「遊戲相關分析」與「監控系列報表」四大區塊分類，提供一鍵直達各分析模組的跳轉按鈕，降低跨部門使用者的搜尋成本。

2. 核心營運關鍵指標 (KPI)

這張圖回答了什麼問題：整體大盤當前的累計規模與近期的每日註冊、儲值金額走勢是否保持健康成長？

頂端以 Summary Cards 呈現累計規模與近兩日對比，下方雙軸與長條圖展開近三十日之每日註冊玩家數、每日儲值金額趨勢，右側輔以尖峰時段在線玩家數走勢，提供宏觀營運脈動。

3. 昨日營運快報

這張圖回答了什麼問題：昨天一整天的新進用戶轉化率、儲值管道來源以及各內容參與人數表現如何？

晨會專用的營運快報，集中呈現昨日新註冊人數、新用戶參與比例與付費轉換比例；中段拆解昨日儲值來源與訂單明細，右側對照昨日熱門內容參與人數排行榜。

---

二、玩家輪廓與留存分析模組

聚焦在用戶的「獲取、留存與群體結構」，掌握玩家從註冊入站後的生命週期黏著表現。

4. DAU / MAU 活躍走勢與黏著度

這張圖回答了什麼問題：每日活躍玩家的組成中，新註冊與老玩家的佔比走勢為何？大盤黏著比率（DAU/MAU）是否持穩？

上方以堆疊長條圖區分「當日註冊」與「舊玩家」的 DAU 貢獻比例，下方折線圖同步呈現 DAU/MAU 比率走勢，觀察整體玩家社群對產品的依賴程度變化。

5. 同期群留存率分析 (Cohort Retention)

這張圖回答了什麼問題：各批次註冊的新進玩家，在次日（D1）、第 3 日（D3）與第 7 日（D7）的留存曲線表現如何？

以折線圖形式分別呈現 D1、D3、D7 Customer Retention Rate 走勢，協助產品團隊檢驗不同版本更新或營運推廣活動後，新用戶的留存體質是否有實質改善。

6. 新註冊玩家質量與轉換

這張圖回答了什麼問題：每日新進玩家入站後，有真正體驗遊戲核心內容的「有效用戶」比例有多少？

以 100% 堆疊長條圖呈現每日註冊玩家中「有參與核心內容」與「未深入體驗即離開」的結構佔比，下方表格進一步展開各註冊日期的轉換率，衡量獲客流量的真實質量。

---

三、活躍時段與內容偏好模組

協助營運與企劃人員掌握玩家的遊玩習慣，作為活動排程、伺服器資源配置與新內容開發的數據參考。

7. 玩家尖峰活躍時段熱力圖

這張圖回答了什麼問題：一週各天或單月內，玩家在線最密集的「尖峰時段」落在每日的幾點？

以 24 小時（0～23 時）為 X 軸、日期為 Y 軸繪製雙向熱力矩陣（Heatmap）。深色區塊即時突顯全日活躍流量高峰，為推播發送、限時活動與伺服器維護窗口提供客觀依據。

8. 新舊玩家內容偏好比較

這張圖回答了什麼問題：新進註冊玩家與既有長期玩家在遊戲選擇上有何顯著差異？哪些玩法是吸引新手的新手入口？

以內容名稱為維度，並排比較新玩家與舊玩家在各項玩法中的人數佔比與總參與比重，幫助企劃評估哪些內容具備新手引流特性、哪些則是高黏著長期用戶的主力。

9. 子遊戲營運概況與參與度

這張圖回答了什麼問題：平台旗下各款子遊戲在不重複玩家數、局數規模與參與深度上的綜合表現如何？

結合左側遊戲列表與下方多維長條圖，呈現各子遊戲在玩家基數、總參與局數等面向的排名分佈，協助營運團隊迅速評估各項遊戲產品的健康度與生命週期階段。

---

四、付費金流與社群流向模組

分析商業變現健康度，拆解金流渠道表現，並監控玩家間的社群互動與資產流向。

10. 儲值管道與付費行為分析

這張圖回答了什麼問題：各金流支付管道（LINE Pay、信用卡、電信帳單、點數卡等）的營收貢獻比例為何？近期儲值交易分佈如何？

頂部呈現累計儲值總額與各付款方式的營收佔比，下方提供完整的儲值交易紀錄，方便財務與營運人員追蹤不同通路的手續費成本與玩家偏好的金流工具。

11. 社群贈禮與道具流向監控

這張圖回答了什麼問題：玩家之間的贈禮互動熱度如何？是否存在大量異常轉移或帳號間單向匯集的風險現象？

監控站內玩家間的社群贈禮與道具流通狀況，左側依交易類別（大戶贈禮、一般玩家交易）與處理狀態篩選，右側呈現詳細轉移紀錄，協助風控團隊防範詐欺或非正常的資產轉移行為。

靜態報表無法即時阻止問題擴大。在此數據平台的架構設計中，將資料管線與警報機制全面自動化：

• 排程資料管線 (ETL & Data Pipeline)：以 SQL 進行分層資料清洗與特徵建構，結合 Python 自動化腳本執行日常排程，將運算後的中間表定時寫入資料庫，並由 Tableau Cloud 設定自動擷取（Extract Refresh）保持最新狀態。
• Slack Webhook 異常警報機制：針對關鍵業務健康度（如金流儲值突降、異常大額流動、新用戶註冊突變或單一帳號短時間異常活動），由背景 Python 服務執行定期規則監控；一旦指標偏離常態閾值，即刻向營運與技術團隊的專屬 Slack 頻道推播警報訊息，實現從「被動查詢」到「主動推播」的監控轉型。

儀表板的精準度高度仰賴底層資料品質。在產品與營運協作過程中，同步負責整體事件追蹤規劃（Event Tracking via Google Tag Manager / SDK）：

• 埋點規範與漏斗定義：統一全站點擊、頁面瀏覽、功能觸發與新手引導步驟的命名規範與參數格式，確保從廣告曝光、點擊註冊、完成新手流程到首次付費的每一步轉換漏斗皆有完整數據紀錄。
• AB 測試與成效驗證：在新功能上線或行銷活動檔期時，以追蹤事件建立前後期與實驗組對照，透過數據檢驗活動對玩家留存、活躍時長與用戶價值的實質影響，形成「假設 → 埋點驗證 → 儀表板監控 → 產品優化」的完整數據驅動閉環。