Игровая аналитика выросла из «посмотрите, сколько у нас DAU» в полноценную инженерную дисциплину: F2P-проекты живут на retention и LTV, а каждое крупное обновление сопровождается серией A/B-тестов на миллионах игроков. По данным hh.ru, в мае 2026 года в России открыто больше 600 вакансий с упоминанием игровой аналитики, средняя вилка по найму — 90 000–150 000 ₽ для middle и от 200 000 ₽ для senior. В статье собрали, чем игровой аналитик отличается от продуктового и дата-аналитика, какие у него специализации и инструменты, как выглядит его рабочий день, сколько он зарабатывает и каким путём в профессию заходят чаще всего.
Если хотите сразу посмотреть программы, загляните в подборку курсов по игровой аналитике и более широкую по разработке игр. Для общего контекста по индустрии пригодится материал о том, как попасть в геймдев без опыта.
Кто такой игровой аналитик простыми словами
Игровой аналитик (или гейм-аналитик, game analyst) — специалист, который собирает и интерпретирует данные о поведении игроков, чтобы команда разработки понимала, какие решения влияют на удержание аудитории и доход проекта. Внутри студии аналитик отвечает за два вопроса: «что сейчас происходит с игрой» и «что произойдёт, если мы поменяем вот это».
В отличие от классического продуктового аналитика, который работает с цифровыми сервисами в целом, гейм-аналитик глубоко погружён в специфику игровой экономики: фьюел-механики, гача-системы, баланс прогрессии, монетизация ивентов, прогноз LTV платящих игроков. Для более широкой профессии с данными есть отдельный обзор аналитика данных: многие приходят в геймдев именно оттуда.
Игровой аналитик vs продуктовый, дата-аналитик и BI: в чём разница
Гейм-аналитика часто путают со смежными ролями: продуктовым аналитиком, дата-аналитиком, BI и UX-аналитиком. У всех общий стек — SQL, Python, дашборды, A/B-тесты, — но рабочие задачи различаются.
| Специалист | С чем работает | Главные метрики | Чем не занимается |
|---|---|---|---|
| Игровой аналитик | Поведение игроков, F2P-экономика, баланс прогрессии, ивенты | Retention D1/D7/D30, ARPPU, LTV, conversion в платящих | Не пишет код игры и не делает гейм-дизайн с нуля |
| Продуктовый аналитик | Любой digital-продукт: SaaS, маркетплейс, медиа | Conversion, retention, ARPU, NPS | Не знает специфику F2P-экономики и тонкости game design |
| Дата-аналитик | Tabular-данные любой природы, ML-модели | Точность моделей, RMSE, бизнес-эффект | Реже погружается в продуктовые гипотезы и UX |
| BI-аналитик | Отчётность по бизнесу, финансовые KPI | Выручка, маржа, ROI каналов | Не строит продуктовые гипотезы и A/B-тесты |
| UX-аналитик | Поведение в интерфейсе, юзабилити | Task success, cart abandonment, time-on-task | Не работает с экономикой проекта и LTV |
Самая частая траектория роста — из продуктового или дата-аналитика в гейм-аналитика, реже наоборот. Игровая специфика быстро превращается в нишевую экспертизу, и обратно в общий продукт-домен возвращаются неохотно.
Чем занимается игровой аналитик: основные задачи
Конкретный набор зависит от размера студии. В крупных компаниях (Wargaming, Playrix, Belka Games) задачи аналитика разбиты на 3–4 узких роли, в инди-команде один человек закрывает весь цикл. В целом задачи делятся на пять блоков:
- Инструментация и метрики. Согласовать с гейм-дизайнером и разработчиками, какие события игра должна логировать (стартовый клик, прохождение туториала, покупка валюты, использование буста), и проверить, что данные попадают в хранилище без потерь.
- Мониторинг здоровья проекта. Ежедневно смотреть дашборды по DAU, retention, выручке и удерживать «алёрты»: резкие падения D1 после обновления, аномалии в когорте новых игроков, баги в платёжном модуле.
- Глубокий ad-hoc-анализ. Гейм-дизайнер сомневается в новой кривой опыта — аналитик разбирает данные по когортам, считает, на каком уровне игроки массово отваливаются, какая длительность сессии у платящих vs неплатящих.
- A/B-тесты. Спроектировать эксперимент с двумя вариантами магазина, рассчитать необходимый размер выборки, дождаться значимости, разобрать результаты на цифрах и эмоциях команды.
- Прогноз и моделирование. Построить модель LTV платящего игрока на 90 и 180 дней, оценить окупаемость трафика по каналам, рассчитать эффект потенциального изменения экономики.
Главный результат работы — продуктовое решение, основанное на цифрах: какую кривую сложности оставить, какой ивент запустить, в какой канал залить дополнительный бюджет на привлечение. Дашборды и отчёты сами по себе ценности не несут, пока команда не приняла на их основе действие.
Специализации игрового аналитика
В средних и крупных студиях аналитика делится на узкие направления. От специализации зависят и инструменты, и зарплатная вилка.
| Специализация | С чем работает | Вилка по найму | Кому подойдёт |
|---|---|---|---|
| Монетизация и LTV | F2P-экономика, ценообразование, прогноз LTV, гача-механики | 120 000–250 000 ₽ | Любителям финансовых моделей и теории вероятностей |
| Live-ops и ивенты | Расписание событий, баланс наград, retention-кривые ивентов | 100 000–200 000 ₽ | Тем, кто хорошо чувствует игровой ритм |
| User Acquisition | CAC, CPI, ROAS, окупаемость каналов трафика | 110 000–220 000 ₽ | С маркетинговым бэкграундом и любовью к performance |
| Баланс и геймплей | Кривые прогрессии, сложность уровней, баланс юнитов | 100 000–180 000 ₽ | Геймерам с математическим складом ума |
| Core / R&D-аналитика | Прогнозные модели, кластеризация, ML-фичи | 150 000–300 000 ₽ | Бывшим дата-сайентистам и ML-инженерам |
| Reporting / BI в студии | Дашборды для CEO и инвесторов, недельные срезы | 80 000–140 000 ₽ | Начинающим аналитикам как стартовая роль |
В инди-командах специализаций нет: один аналитик закрывает весь цикл и часть гейм-дизайна заодно. В студиях с десятками миллионов MAU роли разведены вплоть до отдельных команд по экономике и по retention.
Инструменты и методы работы
Стек у гейм-аналитика собирается из четырёх слоёв: сбор событий, хранилище и запросы, визуализация, эксперименты.
| Слой | Инструменты | Для чего |
|---|---|---|
| SDK и события | AppMetrica, Amplitude, GameAnalytics, devtodev | Логировать действия игроков и стримить их в хранилище |
| Хранилище и запросы | PostgreSQL, ClickHouse, Google BigQuery, Snowflake; SQL | Доставать сырые события и считать когорты |
| Python-стек | Pandas, NumPy, SciPy, scikit-learn, statsmodels | Когортный анализ, прогноз LTV, A/B-тесты, кластеризация |
| Визуализация | Tableau, Power BI, Metabase, Superset, Looker | Дашборды для команды и руководства |
| A/B-платформы | Внутренние решения, Statsig, Optimizely, GrowthBook | Распределять игроков по веткам и считать значимость |
| Excel и Google Sheets | Базовые формулы, сводные таблицы | Быстрые сводки и обмен с не-аналитиками |
Из методов чаще всего используются когортный анализ (поведение игроков, пришедших в один период), funnel-анализ (где отваливаются по воронке туториала или магазина), retention-кривые, A/B-тестирование и моделирование LTV по предиктивной формуле «средний доход × retention-проекция».
Как проходит рабочий день игрового аналитика
Распорядок у аналитиков в продуктовых студиях обычно гибкий: офисные дни перемежаются удалёнкой, релизы и события дают пики нагрузки, между ними — спокойные циклы.
Утро (9:30–11:00): мониторинг и алёрты
День начинается с проверки ночных дашбордов. Аналитик смотрит DAU за вчерашний день, retention свежих когорт, выручку и количество ошибок в платёжном модуле. Если где-то цифры выпадают из коридора, заводит расследование: что обновилось, какие апдейты выкатили, как изменилось поведение.
День (11:00–14:00): синки и ad-hoc
После общего stand-up идут встречи с гейм-дизайнером и продюсером: обсуждают вчерашние гипотезы, согласуют новые. Между встречами короткие SQL-запросы по входящим из команды: «как у нас идёт ивент по сравнению с прошлым», «сколько игроков застряло на уровне 23», «какой средний чек у новых vs возвращающихся».
После обеда (14:00–17:30): глубокий проект
Большой кусок дня — один сфокусированный проект. Это может быть отчёт по только что закрытому A/B-тесту, разбор экономики нового сезона, прогноз LTV для группы пользователей из новой рекламной кампании или подготовка презентации для руководства. Здесь аналитик уходит в Python-ноутбук и работает 2–3 часа без переключений.
Конец дня (17:30–18:30): оформление и передача
Финал — собрать выводы в дашборд или короткий документ, поставить задачи на следующий день, отписаться по результатам в каналах. После релизов и крупных ивентов это время растягивается: команда ждёт первых цифр живьём.
В сильные пики (запуск нового проекта, крупное обновление) рабочий день может вытягиваться до 10–11 часов, но в обычном режиме укладывается в 8.
Что должен знать и уметь игровой аналитик
Hard skills
- SQL. Базовый и продвинутый: оконные функции, CTE, оптимизация запросов на терабайтных таблицах событий.
- Python. Pandas, NumPy, SciPy, statsmodels, scikit-learn — на уровне самостоятельной работы с ноутбуками без подсказок.
- Математическая статистика. Распределения, доверительные интервалы, t-тест, χ², bootstrap, мощность теста — для корректных A/B.
- Игровые метрики. Retention D1/D7/D30, ARPU/ARPPU, LTV, conversion, K-factor, viral coefficient.
- BI-инструмент. Хотя бы один из Tableau / Power BI / Metabase на уровне самостоятельной сборки дашборда.
- A/B-тестирование. Дизайн эксперимента, расчёт размера выборки, разбор результатов с учётом множественного тестирования.
- Английский. Чтение документации и общение в международных командах — минимум B1.
Soft skills и личные качества
- Аналитический склад ума и любовь к копанию в данных.
- Усидчивость и умение долго держать в голове сложную модель.
- Понимание игр изнутри — собственный опыт игрока сильно помогает чувствовать гипотезы.
- Умение объяснять цифры не-аналитикам так, чтобы их слышали гейм-дизайнеры и продюсеры.
- Скепсис к красивым историям — гейм-аналитик часто опровергает интуицию команды.
Самый недооценённый навык — игровой опыт. Аналитик, который сам играл в десятки F2P-проектов и понимает, как ощущается «жадный» магазин или «душная» прогрессия, видит причины аномалий быстрее, чем коллега с чисто математическим бэкграундом.
Плюсы и минусы профессии
Плюсы
- Высокий спрос: на hh.ru в мае 2026 года больше 600 вакансий по игровой аналитике, и эта цифра растёт год от года.
- Удалёнка распространена — около 40% вакансий допускают полностью дистанционный формат.
- Зарплаты выше среднего по аналитике: за специфику F2P-экономики студии готовы доплачивать.
- Интересные данные: поведение десятков миллионов игроков — это редкая по богатству выборка.
- Возможность совмещать профессию с любовью к играм — рабочее «исследование» часто пересекается с собственным интересом.
Минусы
- Сложная F2P-математика: вероятности, теория игр, расчёт сходимости моделей LTV требуют постоянной прокачки.
- Нерегулярные пики работы: релизы новых проектов и крупные ивенты съедают вечера и выходные.
- Узкая ниша — переход в другой домен (e-commerce, банки, медиа) требует переучивания на местную специфику.
- В инди-командах часто приходится самому строить data pipeline с нуля, потому что инфраструктуры нет.
- Сидячая работа с высокой когнитивной нагрузкой — выгорание встречается чаще, чем в линейных аналитических ролях.
Профессия подойдёт тем, кто любит игры как продукт и готов разбираться в их экономике на уровне финансовой модели. Если данные интересуют как абстракция вне предметной области, лучше посмотреть в сторону классической дата-аналитики или ML-инженерии: там зарплаты выше, а специфики игр меньше.
Сколько зарабатывает игровой аналитик
Зарплатная вилка по найму в мае 2026 года: junior без опыта получает от 70 000 ₽, middle с 1–3 годами — 100 000–150 000 ₽, senior с 3+ годами — от 200 000 ₽ и до 300 000 ₽ в крупных международных студиях. На фрилансе аналитики берут проекты у инди-команд по часовой ставке 1 500–3 000 ₽.
Найм даёт стабильность и инфраструктуру, частная практика — больше свободы в выборе проектов, но требует самостоятельной настройки сбора данных в чужом продукте. В Москве и Петербурге сосредоточено около 70% вакансий, ещё значимая доля — удалённые позиции в международных компаниях с штаб-квартирами на Кипре, в Сербии и Армении.
Подробный разбор зарплат по всей аналитике, с разделением по грейдам, городам и направлениям — в материале сколько зарабатывает аналитик в 2026 году.
Как стать игровым аналитиком
Два рабочих пути входа: через смежную аналитику или через геймдев. В первом случае человек уже умеет работать с SQL и Python в e-commerce или маркетинге, доучивает специфику F2P за 3–6 месяцев. Во втором случае приходит из QA, гейм-дизайна или комьюнити-менеджмента и параллельно осваивает аналитический стек.
Минимальный набор на старте: SQL до уровня оконных функций, Python с Pandas, понимание основ статистики и хотя бы один пройденный F2P-проект как игрок с осмысленным разбором экономики. На освоение уходит от 6 до 12 месяцев при темпе 10–15 часов в неделю; полноценная программа курсов от GeekBrains и других школ длится 12–15 месяцев и стоит от 90 000 до 200 000 ₽.
Близкая по логике траектория описана отдельно в статье как стать аналитиком данных с нуля. После общего фундамента легче специализироваться в геймдеве.
Где учиться на игрового аналитика
В каталоге Checkroi собраны программы профильных школ с разбором длительности, цены, формата практики и трудоустройства. Часть курсов идёт от 6 месяцев и подходит для смены профессии, часть — короткие интенсивы на 2–3 месяца под прокачку конкретной специализации.
| Курс | Школа | Стоимость со скидкой | В рассрочку | Длительность | Обзор курса от Checkroi |
|---|---|---|---|---|---|
| Факультет игровой аналитики Перейти на сайт курса | GeekBrains | 168 750 ₽ | 5903 ₽/мес. | 12 месяцев | Обзор курса |
| Профессия «Геймдизайнер» Перейти на сайт курса | Contented | 131 112 ₽ | 3642 ₽/мес. | 9 месяцев | Обзор курса |
Больше программ — в полном каталоге курсов по игровой аналитике
Главное о профессии игрового аналитика
Игровой аналитик — инженер данных в геймдеве, который отвечает за решения по retention, монетизации и балансу через цифры. Профессия растёт вместе с индустрией F2P-проектов: в России больше 600 открытых вакансий, средняя вилка middle — 100 000–150 000 ₽, senior — от 200 000 ₽. Главное отличие от продуктового и дата-аналитика — специфика F2P-экономики и игровых метрик retention/LTV/ARPPU.
Войти в профессию проще всего из смежной аналитики или из геймдева: SQL и Python осваиваются за 4–6 месяцев, специфика F2P добирается за следующие 3–6 при работе над реальными проектами. Если интересует именно эта траектория, стартуйте с подборки курсов по игровой аналитике или начните с более широкого аналитика данных.
+++