我想把一个现象级游戏从舆论热度中拆出来，观察它作为国产 3A 产品在市场、用户、传播和 IP 层面的商业逻辑。
项目概览
为什么要做这个项目？
《黑神话：悟空》不是一个适合只用销量或热搜解释的案例。它同时包含玩家期待、文化传播、内容体验、平台讨论、二创扩散和国产 3A 叙事等多层信息。
这个项目的价值在于训练一种克制的商业分析方式：不把热度直接等同于成功，也不把个别争议放大成整体结论，而是把公开信号放进产品定位、用户情绪、传播路径和长期 IP 价值中理解。
问题定义
原始问题不是字段，而是需要被解释的场景。
现象级产品容易被情绪化讨论包围，需要把热度、口碑和商业价值分开判断。
- 现象级产品讨论量巨大，但有效商业信号被情绪和舆论噪声包围。
- 公开资料容易被二手解读影响，需要区分事实、判断和观点。
- 玩家体验、文化传播和商业表现之间不是简单因果关系。
- 缺少内部销售、留存和投放数据，结论必须保留边界。
项目背景
为什么这个问题值得拆解？
游戏上线后的讨论既包含玩家体验，也包含文化传播、平台分发、二创内容和品牌价值。
工作流 / 方法
我如何推进这个项目？
我先按信息来源拆分材料：公开报道、玩家讨论、平台反馈、内容传播和行业评论。随后把每类材料放进问题框架中，分别回答产品做对了什么、用户为什么讨论、传播如何形成、商业价值可能落在哪里。
AI 在这里主要承担资料整理和初步归类的角色，我负责判断哪些信号可用、哪些说法需要保留、哪些结论不能越过公开资料边界。
- 整理公开材料
- 拆分讨论主题
- 识别用户情绪
- 连接商业问题
- 输出运营判断
输出结果
当前形成了哪些可复盘产出？
商业分析摘要、运营观察、用户分层和后续内容运营建议。
- 围绕产品定位、用户情绪、文化传播和商业价值的分析框架。
- 公开讨论主题和玩家关注点摘要。
- 对内容运营、品牌传播和长尾 IP 经营的观察笔记。
- 阶段性商业分析报告结构。
项目沉淀
这个项目沉淀了什么？
- 热点事件可以拆成产品、用户、传播、商业四个层面观察。
- 公开事实、舆论情绪和个人判断需要分开处理。
- 游戏行业案例可以转成可复盘的运营分析材料。
- 没有内部数据时，结论应当保留克制和边界。
Project Context
项目背景：把现象级讨论转成可验证分析
项目选择《黑神话：悟空》作为游戏商业分析案例，是因为它能同时训练公开数据组织、玩家反馈阅读、竞品比较和边界控制。
- 公开数据优先
- 有限样本克制表达
- 不把热度直接等同于商业结论
Dashboard Overview
看板概览：dashboard-only 的线上形态
当前线上 Preview 已收敛为看板页，解释性 narrative 从在线页面移除，核心信息由 KPI、图表卡、表格和 Reports 区域承担。
- 核心 Dashboard
- KPI
- 19 张图表卡
- 3 个表格
- 竞品对比
- Reports section
- 语言切换
Research Scope and Evidence Boundary
研究范围与证据边界
证据边界版私有预览项目。基于公开数据和有限样本，不代表官方结论，不作为生产级公开发布。
- SteamDB peak CCU 只代表平台公开在线峰值信号。
- Steam Store review snapshot 只代表对应时间点与平台内评论快照。
- 媒体评分是媒体口径，不等同于玩家整体评价。
- 公开销量 milestone 只按公开表述引用，不做收入或 ROI 反推。
- 有限评论样本只用于样本内主题观察。
Product / Analysis Workflow
产品与分析工作流
我把项目拆成资料输入、AI 理解、结构化拆解、生成输出、人工审核和复盘优化六步，确保每个结论都能回到证据来源与边界说明。
- 输入资料
- AI 理解
- 结构化拆解
- 生成输出
- 人工审核
- 复盘优化
QA and Deployment Proof
QA 与部署证明
Cloudflare Pages Preview 已完成在线验证，项目保持私有预览定位，使用 alias 与唯一部署 URL 同时记录。
- Preview Alias: https://portfolio-preview.black-myth-wukong-analytics-preview.pages.dev
- Unique Deployment: https://ae59ff32.black-myth-wukong-analytics-preview.pages.dev
- Branch: portfolio-preview
- Hash / ID: ae59ff32
- Endpoint / dashboard-only / desktop / 390px mobile / BackToTop / claim-boundary QA passed
Portfolio Value
作品集价值
这个项目展示的不是官方数据权限，而是公开信息条件下的数据产品能力：能组织证据、能设计看板、能控制结论边界、能完成上线 QA，并能把项目价值转译为岗位语言。
- 公开数据组织
- Dashboard 信息架构
- Claim-boundary 管理
- 响应式 QA
- Cloudflare Preview 部署验证
Resume-ready project summary
简历可用项目总结
完成《黑神话：悟空》商业与运营数据分析看板，基于公开 Steam 信号、媒体评分、公开销量节点、竞品对比与有限评论样本，构建 evidence-bound dashboard，完成 Cloudflare Pages Preview 部署、响应式 QA 与结论边界说明。
- 关键词：AI 产品分析、游戏商业分析、Dashboard、公开数据、证据边界、Cloudflare Pages Preview。
- 定位：Evidence-bound Private Preview，不作为 Public Production 或官方合作项目呈现。
Interview scripts
面试介绍话术
30 秒：这是一个基于公开信息的游戏商业分析看板。我重点展示如何把 Steam、媒体评分、公开销量节点和有限评论样本整理成有边界的 Dashboard，而不是夸大结论。
60 秒：项目从公开信号收集开始，先区分事实、样本观察和不可推导项，再设计 KPI、图表卡、表格、竞品对比和 Reports 区域。上线后我做了桌面端、390px 移动端、BackToTop 和 claim-boundary QA，并明确它是 Cloudflare Preview，不是 Public Production。
120 秒：我把它当作 AI 产品与数据运营能力展示项目。核心挑战不是找更多数字，而是避免把有限样本写成全局结论。项目最终形成 dashboard-only 页面，保留核心看板、19 张图表卡、3 个表格、竞品对比和证据边界说明。它体现了我的公开数据组织、Prompt 协作、页面信息架构、部署验证和风险表达能力。
Prompt 使用总结
记录该项目如何使用 Codex prompt 推进需求、实现、验收与部署
这份文档总结了黑神话悟空分析项目如何通过 Codex prompt 从本地数据分析 MVP 演进为咨询级公开数据产品。
复盘重点覆盖真实数据、mock 边界、证据等级、Private Preview、中文本地化、来源验证和前端叙事模块。
数据真实性证据边界咨询级分析Private Preview数据产品前端叙事
沉淀方法论：让 prompt 同时约束数据真实性、证据口径、展示边界和交付物验证。
项目文档
完整文档与交付物
项目汇总 PDF 已作为公开文档资产接入，仅链接用户提供的真实文件。
复盘反思
目前最需要克制的地方是什么？
这个项目最重要的训练不是预测商业结果，而是学会把复杂公共讨论拆成可以讨论的维度。对于 AI 产品运营或内容数据运营来说，这种能力同样重要：面对热闹的信息场，要能找到真正影响判断的结构。