Mobil oyun veri analisti, oyunun oyuncuyla kurduğu ilişkiyi görünür hale getirir ve stüdyonun daha doğru sorular sormasına yardımcı olur.
Bir mobil oyun yayına çıktığında ya da test sürecine girdiğinde, oyunun içinde birçok davranış aynı anda oluşmaya başlar. Oyuncular oyunu indirir, ilk oturuma girer, tutorial’da ilerler, bazı bölümlerde zorlanır, bazı ödüllere tepki verir, kimi zaman reklam izler, kimi zaman satın alma ekranına gelir, kimi zaman da hiçbir şey söylemeden oyundan çıkar. Bu davranışların her biri tek başına küçük bir kayıt gibi görünür. Fakat birlikte okunduklarında oyunun nasıl çalıştığına, oyuncunun nerede bağ kurduğuna ve hangi noktalarda zorlandığına dair önemli bir tablo oluştururlar.
Veri analistinin işi bu tabloyu okunabilir hale getirmektir. Bunu yaparken yalnızca sayıları toplamaz; sayının hangi davranıştan geldiğini, hangi oyuncu grubunu temsil ettiğini, oyunun hangi aşamasıyla ilişkili olduğunu ve stüdyonun hangi kararını etkileyebileceğini anlamaya çalışır. Çünkü mobil oyunlarda veri, tek başına karar vermez. Verinin anlam kazanması için doğru soruyla, doğru bağlamla ve oyunun tasarım hedefiyle birlikte düşünülmesi gerekir.
Bu yüzden mobil oyun veri analisti stüdyonun dışında duran soğuk bir raporlama rolü gibi düşünülmemelidir. Oyun tasarımı, product, UA, monetization ve teknik ekip arasında akan soruların daha net hale gelmesine yardımcı olur. Bir bölüm gerçekten zor mu, yoksa oyuncu hedefi mi anlamıyor? Retention düşüşü oyunun genelinden mi geliyor, belirli bir segmentte mi yoğunlaşıyor? Reklam izleme davranışı sağlıklı bir değer alışverişi mi yaratıyor, yoksa oyuncunun akışını mı bölüyor? Bu tür sorular, analistin çalıştığı alanı yalnızca teknik değil, ürünle doğrudan ilişkili hale getirir.
Bir oyuna analitik gözle baktığımızda ilk mesele “hangi metriğe bakıyoruz?” sorusundan biraz daha geniştir. Asıl mesele, o metriğin oyunun hangi davranışını temsil ettiğini anlamaktır. D1 retention bir geri dönüş sinyali verir; fakat bu sinyalin neden güçlü ya da zayıf olduğunu görmek için oyuncunun ilk oturumuna, tutorial deneyimine, erken seviye akışına, reklamla gelen beklentiye ve oyunun verdiği ilk hedef duygusuna birlikte bakmak gerekir. Analistin değeri de bu noktada görünür hale gelir: farklı parçaları aynı ürün sorusunun içinde okuyabilmek.
Bu yazıda mobil oyun veri analistinin ne yaptığını; kullandığı araçlar, oyuna bakış biçimi, oyuncu davranışını okuma yöntemi ve stüdyonun karar süreçlerine nasıl temas ettiği üzerinden ele alacağız.
Oyundan Gelen Sinyalleri Okumak
Bir mobil oyunda veri, oyuncunun yaptığı her hareketi anlamlı hale getirmeye hazır bir cevap olarak gelmez. İlk bakışta elimizde event adları, zaman damgaları, kullanıcı kimlikleri, cihaz bilgileri, ülke, seviye, oturum süresi, gelir bilgisi ya da kampanya kaynağı gibi parçalar vardır. Bu parçalar teknik olarak kaydedilmiş olabilir; fakat analitik açıdan değer kazanmaları, oyunun içinde hangi davranışı temsil ettiklerini anlayabildiğimizde başlar.
Bu yüzden veri analizi, önce verinin neyi anlattığını netleştirmeyi gerektirir. Bir event gerçekten oyuncunun ilerlediğini mi gösteriyor, yoksa sadece bir ekranın açıldığını mı? Bir tamamlanma metriği oyuncunun başarı hissini mi temsil ediyor, yoksa teknik olarak bir akışın sonuna geldiğini mi? Bir reklam izleme davranışı oyuncunun ödül beklentisiyle mi ilişkili, yoksa oyunun ritminde oluşan bir mecburiyet hissine mi işaret ediyor? Aynı kayıt, oyunun tasarımına ve oyuncunun bulunduğu ana göre farklı anlamlar taşıyabilir.
Burada analistin görevi, veriyi oyunun davranış mantığıyla birlikte okumaktır. Event’ler tek başına bir tablo oluşturur; anlamlı okuma ise bu event’lerin hangi sırayla geldiğini, hangi oyuncu grubunda yoğunlaştığını, hangi aşamada değiştiğini ve hangi ürün sorusuyla ilişkili olduğunu gördüğümüzde başlar. Oyuncu oyuna geliyor ama erken akışta ilerleyemiyorsa başka bir soru sorarız. Oyuncu ilerliyor ama geri dönmüyorsa başka bir yere bakarız. Geri dönüyor ama belirli bir noktadan sonra yavaşlıyorsa, oyunun ritmini ve hedef duygusunu incelemeye başlarız.
Bu bakış, veriyi stüdyo için daha kullanılabilir hale getirir. Çünkü ekip çoğu zaman sadece “metrik ne durumda?” sorusunun cevabına ihtiyaç duymaz; o metriğin oyundaki hangi deneyimle ilişkili olduğunu da bilmek ister. Retention düşüşü, level akışıyla mı ilişkili? Yeni gelen oyuncular oyuna farklı bir beklentiyle mi giriyor? Oyuncu ödül aldığında ilerleme hissi güçleniyor mu? Monetization ekranları oyuncunun doğal akışına uyuyor mu? Bu tür sorular, veriyi rapor satırlarından çıkarıp karar sürecinin içine taşır. Bu nedenle veri analisti için event’ler ve metrikler birer başlangıç noktasıdır. Asıl çalışma, bu verilerin oyunun bağlamıyla birlikte okunmasıyla şekillenir.
Stüdyonun Sorularını Netleştirmek
Bir mobil oyun stüdyosunda veri çoğu zaman farklı ekiplerin farklı sorularına temas eder. Game design tarafı oyuncunun hangi noktada zorlandığını anlamak ister. Product tarafı ilk deneyimin oyuncuyu oyunda tutup tutmadığına bakar. UA ekibi gelen oyuncunun oyunun hedeflediği kitleyle ne kadar örtüştüğünü merak eder. Monetization tarafı reklam, teklif ve satın alma akışlarının oyuncu deneyimiyle nasıl bir ilişki kurduğunu inceler. Teknik ekip ise performans sorunlarının, hataların ya da cihaz bazlı problemlerin oyuncu davranışına nasıl yansıdığını görmek ister.
Analistin bu noktadaki rolü, her ekibin sorusunu aynı veri tablosuna sıkıştırmak değil; bu soruların hangi davranışla, hangi metrikle ve hangi bağlamla okunabileceğini netleştirmektir. Çünkü “retention düşük”, “oyuncular zorlanıyor” ya da “reklam geliri beklenen seviyede değil” gibi ifadeler ilk bakışta bir problemi işaret eder, fakat karar almak için yeterince açık değildir. Bu ifadelerin arkasında hangi oyuncu grubu, hangi oyun aşaması, hangi seviye, hangi kampanya kaynağı ya da hangi sürüm olduğu anlaşılmadan verinin yön gösterme gücü sınırlı kalır.
Bu yüzden analitik çalışma çoğu zaman cevaptan önce soruyu berraklaştırmakla başlar. “Oyuncular neden geri dönmüyor?” sorusu, farklı açılardan yeniden ele alınabilir. Bu durum yeni gelen oyuncularda mı görülüyor, belirli bir ülkede mi yoğunlaşıyor, tutorial sonrası mı başlıyor, belirli bir seviyeden sonra mı artıyor, reklamla gelen oyuncularda organik oyunculara göre farklı mı davranıyor? Soru bu şekilde açıldığında veri daha anlamlı bir alana yerleşir ve stüdyo hangi noktaya bakması gerektiğini daha net görür.
Bu yaklaşım analisti karar veren kişi konumuna yerleştirmez. Kararı yine oyunu geliştiren ekip verir; analist ise kararın daha sağlıklı bir zeminde tartışılmasına yardımcı olur. Bir tasarım değişikliği yapılacaksa bunun hangi oyuncu davranışına dayandığını, bir kampanya optimize edilecekse hangi segmentin daha kaliteli trafik getirdiğini, bir monetization akışı düzenlenecekse bunun oyuncunun ilerleme hissiyle nasıl ilişkilendiğini görünür hale getirir.
Böyle bakıldığında veri analisti stüdyo içinde ortak bir dil kurulmasına katkı sağlar. Farklı ekiplerin sezgileri, gözlemleri ve hedefleri veriyle birlikte aynı masaya taşınır. Bu da veriyi sadece raporlanan bir sonuç olmaktan çıkarır; oyunun hangi yönde gelişebileceğini konuşmak için daha sağlam bir zemin haline getirir.
Oyuncu Davranışını Bağlama Oturtmak
Aynı metrik, oyunun farklı noktalarında bambaşka sorulara kapı açabilir. Aynı retention düşüşü yeni oyuncularda başka, uzun süredir oynayan oyuncularda başka bir anlama gelebilir. Aynı level fail oranı erken seviyelerde farklı, ileri seviyelerde farklı okunabilir. Aynı reklam izleme davranışı bir oyuncu için değerli bir ödül alışverişi anlamına gelirken, başka bir noktada oyunun akışında oluşan bir sıkışmaya işaret edebilir.
Bu yüzden analitik bakış, davranışı tek başına görmekle yetinmez; davranışın nerede, ne zaman, kimde ve hangi akışın içinde oluştuğunu anlamaya çalışır. Oyuncu ilk gün mü ayrılıyor, yoksa birkaç gün oynadıktan sonra mı kopuyor? Zorlandığı yer oyunun öğretici kısmında mı, yoksa artık beceri göstermesinin beklendiği bir aşamada mı? Satın alma ekranına gelen oyuncu gerçekten değer algısı oluştuğu için mi orada, yoksa ilerlemek için başka bir yol bulamadığı için mi o ekrana yöneliyor? Bu sorular, aynı metriğin arkasındaki farklı hikâyeleri ayırmamıza yardımcı olur.
Bağlamı doğru kurmak, özellikle mobil oyunlarda kritik bir iştir. Çünkü oyuncular aynı oyuna aynı motivasyonla gelmez. Reklam kampanyasından gelen oyuncuyla organik gelen oyuncunun beklentisi farklı olabilir. Puzzle oyuncusuyla aksiyon oyuncusunun sabrı, öğrenme ritmi ve ödül algısı aynı olmayabilir. Yeni başlayan oyuncunun oyundan beklediği açıklıkla, oyuna alışmış bir oyuncunun aradığı derinlik birbirinden ayrışabilir. Analist, bu farkları görünür hale getirdiğinde stüdyo da tek bir ortalama oyuncu yerine farklı davranış kümelerini daha net görmeye başlar.
Bu yaklaşım karar kalitesini doğrudan etkiler. Örneğin genel retention oranı düşük göründüğünde ilk tepki oyunun tamamını değiştirmek olabilir. Fakat düşüş belirli bir ülkeden gelen kampanya oyuncularında yoğunlaşıyorsa, sorun oyunun temel akışından çok oyuncu beklentisiyle ilgili olabilir. Benzer şekilde bir seviyede yüksek başarısızlık görülüyorsa, bu her zaman seviyenin kötü tasarlandığı anlamına gelmez; bazen o seviyenin öncesinde oyuncuya yeterli hazırlık verilmediğini gösterir. Veriyi bağlama oturtmak, stüdyonun müdahale edeceği yeri daha isabetli seçmesini sağlar.
Bu nedenle mobil oyun veri analisti için segment, cohort, funnel ve karşılaştırmalı analizler yalnızca teknik kavramlar değildir. Bunlar, oyuncu davranışını daha doğru okumak için kullanılan düşünme araçlarıdır. Hangi oyuncu grubuna baktığımızı, hangi zaman aralığını incelediğimizi, hangi sürümde neyin değiştiğini ve hangi davranışın hangi deneyimle ilişkili olduğunu netleştirdiğimizde veri daha uygulanabilir hale gelir.
Araçlar Ne İşe Yarar?
Mobil oyun veri analistinin kullandığı araçlar, yaptığı işin görünür tarafını oluşturur. SQL ile veriye ulaşır, dashboard’larla metrikleri takip eder, funnel analizleriyle oyuncunun hangi adımlarda ilerlediğini görür, cohort analizleriyle farklı oyuncu gruplarının zaman içindeki davranışını inceler. BigQuery, Looker Studio, Tableau, Firebase Analytics, GameAnalytics ya da benzeri platformlar bu çalışmanın içinde yer alabilir. Fakat araçların değeri, hangi soruya hizmet ettikleriyle birlikte ortaya çıkar.
SQL bu yüzden yalnızca veri çekmek için kullanılan teknik bir dil gibi düşünülmemelidir. Bir analist SQL yazarken çoğu zaman oyuna dair bir soruyu verinin içinden test edilebilir hale getirir. Hangi oyuncular tutorial’ı tamamladıktan sonra geri döndü? Hangi ülkeden gelen oyuncular ilk üç seviyede daha fazla zorlandı? Reklam izleyen oyuncuların sonraki oturum davranışı nasıl değişti? Bu tür sorular, doğru tabloyu bulmayı, event’leri doğru birleştirmeyi ve sonuçları oyunun bağlamıyla birlikte yorumlamayı gerektirir.
Dashboard tarafı ise stüdyonun oyunu düzenli takip edebilmesi için ortak bir görünürlük alanı sağlar. İyi hazırlanmış bir dashboard, ekibin her gün aynı temel göstergelere bakmasını kolaylaştırır. DAU, retention, conversion, ARPDAU, stage completion, fail rate, ad revenue ya da purchase funnel gibi metrikler bu alanda izlenebilir. Burada önemli olan, dashboard’un her şeyi göstermesi değil, karar sürecinde gerçekten takip edilmesi gereken sinyalleri anlaşılır şekilde sunmasıdır.
Raporlama ise bu görünürlük alanını yoruma dönüştürür. Bir rapor, yalnızca metriklerin son durumunu aktarmak için hazırlanmaz; değişimin neden önemli olduğunu, hangi oyuncu davranışıyla ilişkili olabileceğini ve stüdyonun hangi kararı tartışması gerektiğini de görünür hale getirir. Örneğin retention düşmüşse, raporun değeri bu düşüşü yazmakla sınırlı kalmaz. Düşüşün hangi oyuncu grubunda yoğunlaştığını, hangi sürümden sonra başladığını, hangi akışla ilişkili olabileceğini ve hangi noktaların incelenmesi gerektiğini ortaya koyar.
Bu nedenle araçlar analistin işinde merkezi bir yere sahiptir, fakat tek başına analitik bakışı oluşturmaz. Aynı dashboard farklı ekiplerde farklı kararlar doğurabilir. Aynı SQL çıktısı, doğru soru sorulduğunda ürün için güçlü bir içgörüye dönüşebilir. Analistin görevi, bu araçları oyunun gerçek sorularına bağlayarak stüdyonun daha net görmesine yardımcı olmaktır.
Veriden Karar Sürecine Geçmek
Bir analiz çalışmasının değeri, çoğu zaman ortaya çıkan tablonun stüdyoda nasıl kullanıldığıyla anlaşılır. Veri çekilmiş, dashboard hazırlanmış ya da rapor yazılmış olabilir; fakat asıl soru, bu çıktının oyuna dair hangi kararı daha net hale getirdiğidir. Mobil oyun veri analisti için analiz, oyundan gelen sayıları stüdyonun tartışabileceği bir karar zeminine dönüştürme sürecidir. Analiz, oyundan gelen sinyalleri stüdyonun değerlendirebileceği ve aksiyona dönüştürebileceği bir alana taşır.
Bu geçiş her zaman büyük bir karar anlamına gelmez. Bazen tutorial’ın bir adımı yeniden düzenlenir, bazen bir seviyenin zorluk eğrisi yumuşatılır, bazen bir reklam yerleşimi farklı bir ana taşınır, bazen de bir kampanya kanalının getirdiği oyuncu kalitesi yeniden değerlendirilir. Analistin katkısı, bu kararların hangi davranış verisine dayandığını daha görünür hale getirmektir. Böylece stüdyo sezgisini oyuncudan gelen sinyallerle birlikte tartabilir.
Burada içgörü dediğimiz şey, doğru sorunun doğru veriyle buluşması sonucunda oluşan açıklık halidir. Örneğin “oyuncular üçüncü seviyede oyundan çıkıyor” demek bir tespit olabilir. Fakat bunun yeni gelen oyuncularda yoğunlaştığını, özellikle belirli bir kampanya kaynağından gelenlerde arttığını ve tutorial’daki bir eksik anlatımla ilişkili olabileceğini göstermek, stüdyo için daha kullanılabilir bir içgörü üretir. Çünkü bu durumda ekip problemi görmenin yanında müdahale edebileceği alanı da daha net seçer.
İyi bir analiz, oyunun tasarım hedefini, ekip deneyimini, oyuncu geri bildirimlerini ve iş hedeflerini birlikte düşünmeyi gerektirir. Veri analisti bu parçaların arasına oyuncu davranışından gelen kanıtları ekler. Bu kanıtlar bazen mevcut fikri destekler, bazen başka bir ihtimali görünür kılar, bazen de acele bir kararın ertelenmesini sağlar. Bu yüzden analiz, stüdyoda kesin hüküm veren bir mekanizma gibi değil, daha sağlıklı düşünmeyi mümkün kılan bir çalışma biçimi olarak görülmelidir.
Mobil oyunlarda kararlar çoğu zaman eksik bilgiyle alınır. Oyuncu davranışı hızlı değişir, kampanyalar farklı kitleler getirir, yeni sürümler oyunun ritmini etkiler, canlı operasyon takvimi sürekli yeni sinyaller üretir. Analistin görevi bu hareketli tablo içinde stüdyoya daha okunabilir bir yön duygusu sağlamaktır. Veriden karar sürecine geçmek de tam olarak burada başlar: oyunun ne gösterdiğini anlamak, bu göstergeyi doğru bağlama yerleştirmek ve ekiplerin daha bilinçli adımlar atmasına yardımcı olmak.
Analistin Değeri
Buraya kadar veri analistinin oyuna nasıl baktığını, stüdyonun sorularını nasıl netleştirdiğini, oyuncu davranışını hangi bağlamlarda okuduğunu ve kullandığı araçların karar sürecine nasıl temas ettiğini konuştuk. Bütün bu parçaları bir araya getirdiğimizde analistin değeri daha net görünür hale gelir. Mobil oyun veri analistinin değeri, oyunun farklı sinyallerini aynı ürün sorusunun içinde bir araya getirebilmesinde görülür.
Retention, progression, monetization, UA performansı ya da teknik kalite ayrı metrik alanları gibi takip edilebilir; fakat oyuncu deneyimi içinde bu alanlar çoğu zaman birbirine temas eder. Oyuncunun oyuna hangi beklentiyle geldiği, ilk dakikada ne yaşadığı, hangi noktada zorlandığı, ne zaman geri döndüğü ve hangi anda değer ürettiği aynı yolculuğun farklı parçalarıdır. Analitik bakış, bu parçalar arasındaki ilişkiyi görünür hale getirdiğinde stüdyo oyunu daha bütünlüklü bir şekilde değerlendirebilir.
Analistin katkısı bu noktada daha belirgin hale gelir. Veri hangi soruya cevap veriyor, hangi soruyu açık bırakıyor, nerede daha fazla inceleme gerektiriyor? Bazen bir analiz doğrudan aksiyon önerir, bazen mevcut varsayımı güçlendirir, bazen de daha dikkatli bir test ihtiyacını ortaya çıkarır. Her durumda amaç, stüdyonun karar sürecine daha sağlam bir düşünme zemini kazandırmaktır.
Bu yüzden mobil oyun veri analisti; teknik bilgi, ürün bakışı ve oyuncu davranışı okumasını aynı çalışma alanında birleştirir. SQL, dashboard, rapor, segment ya da cohort analizi bu çalışmanın araçlarıdır. Asıl değer ise bu araçların oyunun gerçek sorularına bağlanabilmesinde ortaya çıkar. Veri, oyunun içinde ne olup bittiğini daha okunabilir hale getirdiğinde stüdyo daha bilinçli kararlar alır; oyun geliştirme süreci de daha öğrenen bir yapıya dönüşür.