CN市场营销更新于 2026-11-16

数数科技 评测

数数科技评测:ThinkingAnalytics 从游戏数据分析起家,区服与付费模型做得细,支持私有化,按事件量年付且官网未公开报价需联系销售;非游戏行业模板偏少。

适合

有中重度游戏产品、需要按区服和付费分层做运营的数据与运营团队

不适合

只有官网和小程序、没有事件量积累的中小电商或内容站

优点

  • 数据模型原生支持区服、角色、等级、付费档位,游戏团队不用自己造字段
  • 付费分析与 LTV 预测做成模板,能按渠道看首日到三十日的回收曲线
  • 私有化部署成熟,数据留在自有服务器,已在国内多家游戏公司跑生产环境
  • 数据治理做得细,事件、属性、用户表有统一管理入口,长期使用不容易乱

缺点

  • 非游戏行业的分析模板少,电商与内容类客户要自己配看板
  • 按事件量计价,重度游戏每天上报量大,费用增长快
  • 自助分析的自由度不如通用 BI,复杂口径仍要找服务方
  • 官网不标价,采购要走销售与技术评估两轮,周期一个月起

结论先行

推荐,总分 7.6,官网未公开报价,按事件量年付,需联系销售。 适合有中重度游戏、按区服和付费分层做运营的团队。数数科技(ThinkingData)从游戏数据分析起家,数据模型里区服、角色、等级、充值档位都是原生字段,不用自己硬凑。

换成非游戏业务,这套模型的优势就变成负担:模板大多围绕留存和付费,电商要看的是转化漏斗和客单结构,配置工作量明显更大。选它之前先看自己的业务形态是不是事件流清晰、可按角色或账户分层。

这篇评测基于什么数据

  • 官网与产品页:2026-11 查看了 thinkingdata.cn 的产品页与行业方案,核对 ThinkingAnalytics 的分析模块、私有化部署说明与 ThinkingAI 的定位。
  • 公开资料:参考官方文档中的事件模型规范、渠道归因与 LTV 分析说明,以及公开分享里提到的游戏行业落地流程。
  • 对比基准:横向对比神策数据与火山引擎 DataFinder 在数据模型、部署方式与计费口径上的差别。
  • 实测边界:未做统一环境实测与性能压测,文中关于配置量、查询性能的判断来自官方文档与使用者访谈,不涉及具体客户数据。

核心功能

游戏场景的数据模型

游戏的数据结构和电商不一样:一个玩家可能在多个区服有多个角色,充值是角色级的,留存要按角色算也要按账号算。数数的模型把这几层拆开了,区服、角色 ID、等级、VIP 档位、充值金额都是标准属性。

好处是运营提问时不用翻译。「上周新开的三个服里,首充率最低的是哪个」这种问题,后台选几个条件就出图,不用找数据开发写 SQL。跨端产品的账号打通要自己传用户 ID,默认按设备算。

分析与看板

留存、漏斗、路径、分布、留存矩阵这些常规分析都有,还多了游戏特有的付费分析:首日付费率、付费档位分布、ARPPU、按渠道拆的 LTV 曲线。

看板可以按项目、按区服、按渠道做多套,给发行和研发看不同的视图。看板权限能细到单张图表,做多项目并行时比较实用。

私有化与数据治理

私有化是它的主力交付方式,国内不少游戏公司要求数据不出机房。部署形态包括单机、集群、以及对接已有的大数据平台。

数据治理这块有统一的事件管理、属性管理、用户表管理入口,新埋点要走审核。这套流程刚开始觉得繁琐,项目多了之后能避免同名事件满天飞。

ThinkingAI 与智能分析

近两年主推的 ThinkingAI 是把大模型接到数据上,支持用自然语言提问出图,比如「上周付费金额下降的原因」。实际效果取决于数据规范和问题表述,复杂归因仍然要人来看。它还能按自然语言生成一段分析思路,给新人当参考,但结论要人工核对。

对不写 SQL 的运营,这个入口降低了门槛;对数据团队,它更像一个查询加速器,还不能替代建模。

评分明细

功能完整度:8.1/10

游戏分析需要的能力基本齐全,从埋点到付费分层到 LTV 都能覆盖。缺的是通用 BI 那种自由拖拽和外部数据源接入,做跨系统联合分析要绕。

易用性:7.3/10

后台功能密度高,菜单层级深,新用户第一周主要在找入口。埋点规范和事件命名要有人统一管,否则三个月后事件列表会失控。

数据质量:7.9/10

事件采集稳定,离线与实时链路分开,报表口径清楚。数据准确性依赖埋点评审,漏埋和重复上报是常见问题,上线前要做对数。

性价比:7.0/10

按事件量年付,中重度游戏每天上报量大,费用随产品规模一起涨。功能密度对得起报价,小体量产品摊下来偏贵。

客户支持:7.7/10

有专属对接群和实施团队,游戏行业的经验足,能给出埋点方案建议。非游戏客户的支持响应相对慢一些,行业 know-how 也弱。

定价说明

套餐价格说明
SaaS 版需联系销售按年事件量计费,含分析与看板模块
私有化版需联系销售一次性授权加年度服务费,含实施与升级
定制开发按项目数据对接、模型定制、专属看板
ThinkingAI 模块需联系销售按账号或调用量开通,与主产品分开计价

官网未公开报价,需联系销售,2026-11 核对。谈价时把三件事写进合同:事件量超限后的单价、私有化的升级是否另收费、以及数据导出的格式与频次。这三项决定了三年期的总成本。产品有海外发行的话,还要确认数据存储地域与合规要求。

和竞品对比

维度数数科技神策数据火山引擎 DataFinder
起步价未公开,按事件量年付未公开,按事件量年付有试用额度,正式版按量
行业强项游戏,区服与付费模型多行业,数据治理严谨增长与实验,字节实践
部署SaaS 与私有化SaaS 与私有化以云服务为主
短板非游戏模板少实施重、报价高迁移成本与计费复杂

怎么选:产品是游戏、要按区服和付费分层做运营,选数数;多业务线并行、需要统一数据治理,神策更稳;已经在用火山引擎、要做增长实验,DataFinder 更顺。

FAQ

Q: 我们游戏日活 8 万,事件量大概什么量级?

A: 中重度游戏人均每天可能上报几十到上百个事件,按 8 万日活估算,月事件量在几亿条这个区间。具体取决于埋点密度,签约前让技术按事件清单算一遍再谈档位。

Q: 私有化部署要准备多少服务器?

A: 取决于事件量和查询并发,小体量项目通常几台机器起步,集群版要更多。官方会给资源评估表,建议按当前量的一点五倍预留,避免开新服时临时扩容。

Q: ThinkingAI 能替代数据分析师吗?

A: 目前不能。它擅长把常见问题快速出图,比如看某天的付费波动;涉及口径定义、归因判断和多表关联的问题,还是要有分析师把关。

评测方法说明

元析评测按功能完整度、易用性、数据质量、性价比、客户支持五项打分,每项满分 10 分,五项均值折算总分。文中功能范围、部署形态与计费口径于 2026-11 对照官网核对;未做压测与接入实测的部分已在正文说明。

最后更新:2026-11-16

定价补充

按年事件量与部署方式报价,支持 SaaS 与私有化;官网未公开报价,需联系销售,2026-11 核对,私有化另含实施、运维与版本升级费用。

价格核对于 2026-11-16,以厂商官网结算页为准。

运营方

工具挑好了,增长还得有人落地

评测内容免费看。元析智能给软件公司做 SEO 和 GEO,评测和服务分开算,评测判断不受客户关系影响。