剔除测试数据，分析真实的运营成效

混入测试环境数据的分析结果

在开发和验证游戏的过程中，QA 服务器和测试应用中也会反复产生登录、购买、内容使用等事件。这些记录如果与真实运营数据一起计算，用户数、收入、购买转化率等核心 KPI 就可能发生偏差。

虽然也可以在每个图表中单独把 Server ID 或 App ID 设为筛选条件，但分析界面越多，就越需要反复设置相同的条件，还可能在新建图表时漏掉条件，或者不得不逐个修改已有的仪表板。

需要统一口径的数据分析

数据分析人员需要以真实的运营成效为基准计算 KPI，并做成多个团队都能使用的可视化仪表板。如果其中混入了 QA 活动或测试付费，就很难判断数值变化究竟来自用户的真实反应，还是测试过程中产生的。

尤其是在上线前后或版本更新验收期间，测试记录可能会在短时间内集中出现。要保证反复分析的准确性，就需要在所有界面上以相同的条件将运营环境与测试环境分开。

Hive Analytics 的指标筛选管理

Hive Analytics 的 Metric Filter Management，是将 QA 服务器或测试 App ID 产生的事件数据从指标中剔除的功能。以项目为单位选择属性并注册条件后，该环境的事件会立即从图表、留存、漏斗中剔除，正在使用的仪表板也会应用同样的口径。

注册筛选条件时，可以选择 App ID 或 Server ID 作为属性，并从所选属性的列表中注册一个或多个值。即使同时运行多个 QA 服务器或测试应用，也可以集中管理相关的值，减少在每个分析界面中重复设置相同筛选条件的负担。

在筛选列表中，可以查看正在剔除的项目、属性和属性值。如需变更条件，需要先删除原有条目再重新注册；移除筛选条件后，相应服务器或应用产生的数据可能会重新计入数值。

以真实运营数据为基准管理 KPI

设置指标筛选条件后，就能在与测试环境隔离的状态下分析核心 KPI，并用仪表板进行可视化。

剔除 QA 服务器后查看用户指标

为了验证功能而在 QA 服务器上反复登录或使用内容，可能会使活跃用户数（AU）和内容参与次数高于实际。剔除对应的 Server ID 后，就能以在正式运营环境中活跃的用户为基准查看变化趋势。

剔除测试 App ID 后分析购买成效

在进行支付集成或商品验收的测试应用中，可能会反复产生测试购买。将 App ID 注册为筛选条件，就能把测试记录分离出去，围绕真实收入、付费用户数和购买转化率分析结果。

排查异常数值的原因

如果出现与平时不同的数值，可以先检查当前应用的指标筛选条件以及 Server ID、App ID 的值。如果新增了测试环境或标识值发生了变化，更新筛选条件即可让后续分析保持同样的口径。

开始使用 Hive Analytics

在 Settings > Metric Settings > Metric Filters（设置 > 指标设置 > 指标筛选）菜单中，可以将测试 App ID 和 QA 服务器注册为指标筛选条件。定期更新列表，就能保持统一的分析口径。

Hive Analytics 是一款面向游戏的专业分析解决方案，通过 Hive SDK 自动采集游戏数据，并可借助指标筛选剔除 QA 服务器和测试 App ID 产生的数据，直接分析核心 KPI。现在就通过 Hive Analytics 分离测试环境的数据，用统一的口径查看真实运营数据吧。